Partilhar via

Implantar modelo de ML no Azure SQL Edge usando ONNX

  • Artigo

Importante

O Azure SQL Edge será desativado em 30 de setembro de 2025. Para obter mais informações e opções de migração, consulte o Aviso de aposentadoria.

Nota

O Azure SQL Edge não suporta mais a plataforma ARM64.

Na terceira parte deste tutorial de três partes para prever impurezas de minério de ferro no Azure SQL Edge, você:

  1. Use o Azure Data Studio para se conectar ao Banco de Dados SQL na instância do Azure SQL Edge.
  2. Preveja impurezas de minério de ferro com ONNX no Azure SQL Edge.

Componentes principais

  1. A solução usa um padrão de 500 milissegundos entre cada mensagem enviada para o Edge Hub. Isso pode ser alterado no arquivo Program.cs

    TimeSpan messageDelay = configuration.GetValue("MessageDelay", TimeSpan.FromMilliseconds(500));

  2. A solução gerou uma mensagem, com os seguintes atributos. Adicione ou remova os atributos de acordo com os requisitos.

    {
    timestamp
    cur_Iron_Feed
    cur_Silica_Feed
    cur_Starch_Flow
    cur_Amina_Flow
    cur_Ore_Pulp_pH
    cur_Flotation_Column_01_Air_Flow
    cur_Flotation_Column_02_Air_Flow
    cur_Flotation_Column_03_Air_Flow
    cur_Flotation_Column_04_Air_Flow
    cur_Flotation_Column_01_Level
    cur_Flotation_Column_02_Level
    cur_Flotation_Column_03_Level
    cur_Flotation_Column_04_Level
    cur_Iron_Concentrate
}

Conecte-se ao Banco de Dados SQL na instância do Azure SQL Edge para treinar, implantar e testar o modelo de ML

  1. Abra o Azure Data Studio.

  2. Na guia Bem-vindo, inicie uma nova conexão com os seguintes detalhes:

    Campo Value
    Connection type Microsoft SQL Server
    Servidor Endereço IP público mencionado na VM que foi criada para esta demonstração
    Username SA
    Palavra-passe A senha forte que foi usada durante a criação da instância do Azure SQL Edge
    Base de Dados Predefinido
    Grupo de servidores Predefinido
    Name (optional) (Nome [opcional]) Forneça um nome opcional

  3. Selecione Ligar.

  4. Na seção Arquivo, abra /DeploymentScripts/MiningProcess_ONNX.jpynb a partir da pasta na qual você clonou os arquivos de projeto em sua máquina.

  5. Defina o kernel como Python 3.

Conteúdos relacionados