Provisionar um recurso dos Serviços de IA do Azure
Os serviços de IA do Azure incluem uma ampla gama de recursos de IA que você pode usar nos seus aplicativos. Para usar qualquer um dos serviços de IA, você precisa criar recursos apropriados em uma assinatura do Azure para definir um ponto de extremidade no qual o serviço possa ser consumido, fornecer chaves de acesso para acesso autenticado e gerenciar a cobrança para o uso do serviço pelo aplicativo.
Opções para recursos do Azure
Para muitos dos serviços de IA do Azure disponíveis, você pode escolher entre as seguintes opções de provisionamento:
Recurso de vários serviços
Você pode provisionar um recurso dos serviços de IA que dá suporte a vários serviços de IA diferentes. Por exemplo, você pode criar um único recurso que permita usar a Linguagem de IA do Azure, a Visão de IA do Azure e a Fala de IA do Azure, entre outros serviços.
Essa abordagem permite que você gerencie um único conjunto de credenciais de acesso para consumir vários serviços em um único ponto de extremidade e com um único ponto de cobrança para uso de todos os serviços.
Recurso de serviço único
Cada serviço de IA pode ser provisionado individualmente, por exemplo, criando uma Linguagem de IA discreta e recursos de Visão de IA em sua assinatura do Azure.
Essa abordagem permite que você use pontos de extremidade separados para cada serviço (por exemplo, para provisioná-los em diferentes regiões geográficas) e para gerenciar credenciais de acesso para cada serviço de forma independente. Ele também permite que você gerencie a cobrança separadamente para cada serviço.
Os recursos de serviço único geralmente oferecem uma camada gratuita (com restrições de uso), tornando-os uma boa opção para experimentar um serviço antes de usá-lo em um aplicativo de produção.
Recursos de treinamento e previsão
Embora a maioria dos serviços de IA possam ser usados por meio de um único recurso do Azure, alguns oferecem (ou requerem) recursos separados para o treinamento e a previsão do modelo. Isso permite que você gerencie a cobrança do treinamento de modelos personalizados e o consumo do modelo por aplicativos separadamente e, na maioria dos casos, permite que você use um recurso dedicado específico para cada serviço para treinar um modelo, mas um recurso de serviços de IA genérico para disponibilizar o modelo para os aplicativos para fins de inferência.