Approvisionner une ressource Azure AI services
Azure AI services inclut une grande gamme de fonctionnalités d’IA que vous pouvez utiliser dans vos applications. Pour utiliser les AI services, vous devez créer des ressources appropriées dans un abonnement Azure pour définir un point de terminaison où le service peut être consommé, fournir des clés d’accès pour l’accès authentifié et gérer la facturation de l’utilisation du service par votre application.
Options pour les ressources Azure
Pour la plupart des AI services disponibles, vous pouvez choisir parmi les options de configuration suivantes :
Ressource multiservice
Vous pouvez approvisionner une ressource AI services qui prend en charge plusieurs AI services distincts. Par exemple, vous pouvez créer une ressource unique qui vous permet d’utiliser Azure AI Language, Azure AI Vision, Azure AI Speech et d’autres encore.
Cette approche vous permet de gérer un ensemble unique d’informations d’identification d’accès pour utiliser plusieurs services sur un seul point de terminaison, et avec un seul point de facturation pour l’utilisation de tous les services.
Ressource monoservice
Chaque service AI Services peut être approvisionné individuellement, par exemple en créant des ressources AI Language et AI Vision distinctes dans votre abonnement Azure.
Cette approche vous permet d’utiliser des points de terminaison distincts pour chaque service (par exemple, pour les provisionner dans différentes régions géographiques) et de gérer les informations d’identification d’accès pour chaque service de façon indépendante. Elle vous permet également de gérer la facturation séparément pour chaque service.
Les ressources à service unique offrent généralement un niveau gratuit (avec des restrictions d’utilisation), ce qui en fait un bon choix pour tester un service avant de l’utiliser dans une application de production.
Ressources de formation et de prédiction
Bien que la plupart des services AI services puissent être utilisés par le biais d’une seule ressource Azure, certains offrent (ou nécessitent) des ressources distinctes pour la formation et la prédiction des modèles. Cela vous permet de gérer la facturation pour la formation des modèles personnalisés séparément de la consommation des modèles par les applications. Dans la plupart des cas, cela vous permet aussi d’utiliser une ressource dédiée propre au service pour former un modèle, mais une ressource AI services générique pour mettre le modèle à disposition des applications pour l’inférence.