Azure AI Foundry モデル カタログ ベクトライザー
重要
このベクターライザーは、 Supplemental Terms of Use のパブリック プレビュー段階にあります。 この機能は、2024-05-01-Preview REST API でサポートされます。
Azure AI Foundry モデル カタログ vectorizer は、Azure AI Foundry モデル カタログを介して Azure Machine Learning エンドポイントデプロイされた埋め込みモデルに接続します。 データは、モデルがデプロイされている geo で処理されます。
統合ベクター化を使用してベクター配列を作成した場合、スキルセットには、Azure AI Foundry ポータルでモデル カタログを指す AML スキルが含まれている必要があります。
ベクタライザー パラメーター
パラメーターの大文字と小文字は区別されます。 どのパラメーターを使用するかは、AML オンライン エンドポイントが必要とする認証 (もしあれば) によって異なります。
パラメーター名 | 説明 |
---|---|
uri |
(必須) JSON ペイロードの送信先となる AML オンライン エンドポイントの URI。 https URI スキームのみが許可されます。 |
modelName |
(必須)指定されたエンドポイントにデプロイされる Azure AI Foundry モデル カタログのモデル ID。 サポートされているモデルは次のとおりです。
|
key |
(キー認証の場合に必要) AML オンライン エンドポイントのキー。 |
resourceId |
(トークン認証の場合に必要)。 AML オンライン エンドポイントの Azure Resource Manager リソース ID。 subscriptions/{guid}/resourceGroups/{resource-group-name}/Microsoft.MachineLearningServices/workspaces/{workspace-name}/onlineendpoints/{endpoint_name} という形式にする必要があります。 |
region |
(トークン認証の場合は省略可能)。 AML オンライン エンドポイントがデプロイされるリージョン。 そのリージョンが検索サービスのリージョンと異なる場合に必要です。 |
timeout |
(省略可能) 指定した場合は、API 呼び出しを行う http クライアントのタイムアウト値を示します。 XSD "dayTimeDuration" 値 (ISO 8601 期間値の制限されたサブセット) として書式設定する必要があります。 たとえば、60 秒の場合は PT60S とします。 設定しなかった場合は、既定値の 30 秒が選択されます。 タイムアウトは、最大で 230 秒、最小で 1 秒に設定できます。 |
使用する認証パラメーター
必要な認証パラメーターは、AML オンライン エンドポイントが使用する認証 (もしあれば) に応じて異なります。 AML オンライン エンドポイントでは、次の 2 つの認証オプションが提供されます。
- キーベースの認証。 ベクタライザーからのスコアリング要求を認証するために、静的なキーが提供されます。
- uri および key パラメーターを使用します。
- トークンベースの認証。 AML オンライン エンドポイントは、トークン ベースの認証を使用してデプロイされます。 Azure AI Search Serviceの マネージド ID を有効にする必要があります。 その後、ベクタライザーはそのサービスのマネージド ID を使用して、静的キーを必要とせずに、AML オンライン エンドポイントに対して認証します。 ID は、所有者または共同作成者ロールに割り当てられる必要があります。
- resourceId パラメーターを使用します。
- 検索サービスが AML ワークスペースとは異なるリージョンにある場合は、 リージョン パラメータを使用して、AML オンライン エンドポイントがデプロイされたリージョンを設定します
サポートされているベクター クエリの種類
Azure AI Foundry モデル カタログ ベクターライザーでサポートされているベクター クエリの種類は、構成されている modelName
によって異なります。
埋め込みモデル | text クエリをサポート |
imageUrl クエリをサポート |
imageBinary クエリをサポート |
---|---|---|---|
Facebook-DinoV2-Image-Embeddings-ViT-Base | x | x | |
Facebook-DinoV2-Image-Embeddings-ViT-Giant | x | x | |
Cohere-embed-v3-english | x | ||
Cohere-embed-v3-multilingual | x |
想定されるフィールド ディメンション
Azure AI Foundry モデル カタログ ベクターライザーで構成されたフィールドの予想されるフィールド ディメンションは、構成されている modelName
によって異なります。
modelName |
想定されるディメンション |
---|---|
Facebook-DinoV2-Image-Embeddings-ViT-Base | 768 |
Facebook-DinoV2-Image-Embeddings-ViT-Giant | 1536 |
Cohere-embed-v3-english | 1024 |
Cohere-embed-v3-multilingual | 1024 |
定義例
Azure AI Foundry モデル カタログで推奨されるモデル名は、基本モデルとランダムな 3 文字のサフィックスで構成されます。 モデルの名前は、この例で示した名前とは異なります。
"vectorizers": [
{
"name": "my-model-catalog-vectorizer",
"kind": "aml",
"amlParameters": {
"uri": "https://Cohere-embed-v3-multilingual-hin.eastus.models.ai.azure.com",
"key": "aaaaaaaa-0b0b-1c1c-2d2d-333333333333",
"timeout": "PT60S",
"modelName": "Cohere-embed-v3-multilingual-hin",
"resourceId": null,
"region": null,
},
}
]