Azure Data Studio の Machine Learning 拡張機能を使用してモデルをインポートまたは表示する (プレビュー)
Azure Data Studio の Machine Learning 拡張機能を使用して、ONNX モデルをインポートしたり、データベースに既にインポートされているモデルを表示したりする方法について説明します。
重要
Machine Learning 拡張機能を使用したデータベースでのインポートと表示では、現在、Azure SQL Managed Instance での Machine Learning Services と、ONNX を使用した Azure SQL Edge のみがサポートされています。
前提条件
Azure Data Studio の Machine Learning 拡張機能のインストールと構成。 [拡張機能の設定] で Python インストール パスを指定する必要があります。
onnxruntime、mlflow、および mlflow-dbstore の各 Python パッケージ。 パッケージがまだインストールされていない場合は、Machine Learning 拡張機能によってインストールするように求められます。
モデルの表示
次の手順に従って、データベースに格納されている ONNX モデルを表示します。
[モデルのインポートまたは表示] を選択します。
onnxruntime、mlflow、mlflow-dbstore をインストールするように求められた場合は、 [はい] を選択します。
モデルが格納されているモデル データベースとモデル テーブルを選択します。
これにより、モデルのリストが表示されます。 モデルの名前と説明を編集することも、リストからモデルを削除することもできます。
新しいモデルのインポート
次の手順に従って、データベースに ONNX モデルをインポートします。
[モデルのインポートまたは表示] を選択します。
onnxruntime、mlflow、mlflow-dbstore をインストールするように求められた場合は、 [はい] を選択します。
[モデルのインポート] を選択します。
インポートされたモデルを格納するモデル データベースを選択します。
インポートされたモデルを格納するモデル テーブルを選択します。 既存のテーブルを選択するか、新しいテーブルを作成することができます。 [次へ] を選択します。
モデルが配置されている場所を選択し、 [次へ] を選択します。 使用できるもの:
- ファイルのアップロード。 ファイルからモデルを使用する場合は、これを選択します。 [ソース ファイル] でモデル ファイルを選択し、 [次へ] を選択します。
- Azure Machine Learning。 Azure Machine Learning のモデルを使用するには、これを選択します。 最初に、Azure にサインインします。 次に、ご自分の Azure アカウント、Azure サブスクリプション、Azure リソース グループ、Azure ML ワークスペースを選択します。 使用するモデルを選択し、 [次へ] を選択します。
モデルの [名前] と [説明] を入力し、 [デプロイ] を選択して、モデルをデータベースに格納します。
注意
Machine Learning 拡張機能は現在プレビューの段階です。 そのため、モデルが格納されているテーブル スキーマは将来変更される可能性があります。