Strojové učení a AI s ONNX v SQL Edgi
Důležité
Azure SQL Edge bude vyřazeno 30. září 2025. Další informace a možnosti migrace najdete v oznámení o vyřazení.
Poznámka:
Azure SQL Edge už nepodporuje platformu ARM64.
Strojové učení v Azure SQL Edge podporuje modely ve formátu Open Neural Network Exchange (ONNX). ONNX je otevřený formát, který můžete použít k výměně modelů mezi různými architekturami a nástroji strojového učení.
Přehled
Pokud chcete odvodit modely strojového učení v Azure SQL Edge, musíte nejprve získat model. Může to být předem natrénovaný model nebo vlastní model natrénovaný podle vašeho výběru. Azure SQL Edge podporuje formát ONNX a potřebujete převést model na tento formát. Přesnost modelu by neměla mít žádný vliv a jakmile budete mít model ONNX, můžete ho nasadit v Azure SQL Edge a použít nativní bodování s funkcí PREDICT T-SQL.
Získání modelů ONNX
Získání modelu ve formátu ONNX:
Model Building Services: Služby, jako je funkce automatizovaného strojového učení ve službě Azure Machine Learning a Azure Custom Vision Service , podporují přímý export natrénovaného modelu ve formátu ONNX.
Převod a/nebo export existujících modelů: Několik trénovacích architektur (například PyTorch, Chainer a Caffe2) podporuje nativní funkce exportu do ONNX, což umožňuje uložit trénovaný model do konkrétní verze formátu ONNX. Pro architektury, které nepodporují nativní export, existují samostatné instalační balíčky ONNX Converter, které umožňují převádět modely natrénované z různých architektur strojového učení do formátu ONNX.
Podporované architektury
-
Úplný seznam podporovaných architektur a příkladů najdete v tématu Převod na formát ONNX.
Omezení
Azure SQL Edge v současné době nepodporuje všechny modely ONNX. Podpora je omezená na modely s číselnými datovými typy:
Jiné číselné typy lze pomocí funkce CAST a CONVERT převést na podporované typy.
Vstupy modelu by měly být strukturované tak, aby každý vstup modelu odpovídal jednomu sloupci v tabulce. Pokud například k trénování modelu používáte datový rámec pandas, měl by být každý vstup samostatným sloupcem modelu.