Azure Database for PostgreSQL flexibele server integreren met Azure Machine Learning Services

De Azure AI-extensie biedt de mogelijkheid om machine learning-modellen aan te roepen die zijn geïmplementeerd op online-eindpunten van Azure Machine Learning vanuit SQL. Deze modellen kunnen afkomstig zijn uit de Azure Machine Learning-catalogus of aangepaste modellen die worden getraind en geïmplementeerd.

Vereiste voorwaarden

Opmerking

U kunt Azure Machine Learning-voorbeelden verkennen.

Azure Machine Learning-eindpunt configureren

In Azure Machine Learning Studio kunt u onder Endpoints>Kies uw eindpunt>Gebruiken de URI en sleutel van het eindpunt voor het online-eindpunt vinden. Gebruik deze waarden om de azure_ai-extensie zo te configureren dat deze gebruikmaakt van het online inferentie-eindpunt.

select azure_ai.set_setting('azure_ml.scoring_endpoint','<URI>');
select azure_ai.set_setting('azure_ml.endpoint_key', '<Key>');

azure_ml.invoke

Beoordeelt de invoergegevens die een Azure Machine Learning-modelimplementatie aanroepen op een online-eindpunt.

azure_ml.invoke(input_data jsonb, timeout_ms integer DEFAULT NULL, throw_on_error boolean DEFAULT true, deployment_name text DEFAULT NULL)

Arguments

input_data

jsonb json met de payload van het verzoek voor het model.

deployment_name

text naam van de implementatie die overeenkomt met het model dat is geïmplementeerd op het online deductie-eindpunt van Azure Machine Learning

timeout_ms

integer DEFAULT NULL de time-out in milliseconden waarna de bewerking wordt gestopt. De implementatie van een model zelf kan een time-out hebben die een lagere waarde is dan de time-outparameter in de door de gebruiker gedefinieerde functie. Als deze time-out wordt overschreden, mislukt de scorebewerking.

throw_on_error

boolean DEFAULT true bij een fout moet de functie een uitzondering opwerpen, wat resulteert in het terugdraaien van omvattende transacties.

max_attempts

integer DEFAULT 1 aantal keren dat de extensie opnieuw probeert het Azure Machine Learning-eindpunt aan te roepen als het mislukt met een fout die opnieuw kan worden geprobeerd.

retry_delay_ms

integer DEFAULT 1000 de hoeveelheid tijd (milliseconden) die de extensie wacht, voordat het Azure Machine Learning-eindpunt wordt aangeroepen, wanneer het mislukt met een fout die opnieuw kan worden geprobeerd.

Resultaattype

jsonb scoreresultaat voor het aangeroepen model in JSONB.

Voorbeelden

Het machine learning-model aanroepen

Dit roept het model aan met de input_data en retourneert een jsonb-payload.

-- Invoke model, input data depends on the model.
  SELECT * FROM azure_ml.invoke('
  {
    "input_data": [
      [1,2,3,4,5,6,7,8],
      [-1,-2,-3,-4,-5,-6,-7,-8]
    ],
    "params": {}
  }', deployment_name=>'Housingprediction' )

-- Get JSON elements from model output
SELECT jsonb_array_elements(invoke.invoke) as MedianHousePrediction
FROM azure_ml.invoke('
{
  "input_data": [
    [1,2,3,4,5,6,7,8],
    [-1,-2,-3,-4,-5,-6,-7,-8]
  ],
 "params": {}
}', deployment_name=>'Housingprediction' )

Verwante inhoud

  • Last updated on