Effettuare il provisioning di una risorsa di Servizi di Azure AI
I Servizi di Azure AI includono un'ampia gamma di funzionalità di intelligenza artificiale che è possibile usare nelle applicazioni. Per usare uno dei Servizi di Azure AI, è necessario creare risorse appropriate in una sottoscrizione di Azure per definire un endpoint in cui il servizio può essere utilizzato, fornire chiavi per l'accesso autenticato e gestire la fatturazione per l'utilizzo del servizio da parte dell'applicazione.
Opzioni per le risorse di Azure
Per molti Servizi di Azure AI disponibili, è possibile scegliere tra le opzioni di provisioning seguenti:
Risorsa multiservizio
È possibile effettuare il provisioning di una risorsa di Servizi di Azure AI che supporta più servizi di intelligenza artificiale diversi. Ad esempio, è possibile creare una singola risorsa che consente di usare Lingua di Azure AI, Visione di Azure AI, Voce di Azure AI e altri servizi.
Questo approccio consente di gestire un singolo set di credenziali di accesso per utilizzare più servizi in un singolo endpoint e con un singolo punto di fatturazione per tutti.
Risorsa a singolo servizio
È possibile effettuare il provisioning di ogni servizio di IA singolarmente, ad esempio creando risorse Lingua di Azure AI e Visione di Azure AI dedicate nella sottoscrizione di Azure.
Questo approccio consente di usare endpoint separati per ogni servizio (ad esempio per effettuarne il provisioning in aree geografiche diverse) e di gestire le credenziali di accesso per ogni servizio in modo indipendente. Consente anche di gestire separatamente la fatturazione per ogni servizio.
Le risorse a servizio singolo offrono in genere un livello gratuito (con restrizioni di utilizzo), quindi sono ideali per provare un servizio prima di usarlo in un'applicazione di produzione.
Risorse di training e previsione
Anche se la maggior parte dei servizi di IA può essere usata tramite una singola risorsa di Azure, alcuni offrono (o richiedono) risorse separate per il training e la previsione dei modelli. In questo modo è possibile gestire la fatturazione per il training di modelli personalizzati separatamente dall'utilizzo dei modelli da parte delle applicazioni e, nella maggior parte dei casi, usare una risorsa dedicata specifica del servizio per eseguire il training di un modello, ma una risorsa di Servizi di AI generica per rendere il modello disponibile alle applicazioni per l'inferenza.