共用方式為

整合適用於 PostgreSQL 的 Azure 資料庫與 Azure Machine Learning Services

  • 發行項

Azure AI 延伸模組可讓您從 SQL 內叫用部署在 Azure Machine Learning 線上端點 上部署的任何機器學習模型。 這些模型可以來自 Azure Machine Learning 目錄或已定型和部署的自訂模型。

必要條件

注意

您可以探索 Azure Machine Learning 範例。

設定 Azure Machine Learning 端點

在 Azure Machine Learning Studio 的 [端點]>[挑選您的端點]>[取用] 下，您可以找到線上端點的端點 URI 和金鑰。 使用這些值來設定 azure_ai 延伸模組，以使用線上推斷端點。

select azure_ai.set_setting('azure_ml.scoring_endpoint','<URI>');
select azure_ai.set_setting('azure_ml.endpoint_key', '<Key>');

azure_ml.invoke

為在線上端點上叫用 Azure Machine Learning 模型部署的輸入資料進行評分。

azure_ml.invoke(input_data jsonb, timeout_ms integer DEFAULT NULL, throw_on_error boolean DEFAULT true, deployment_name text DEFAULT NULL)

引數

input_data

jsonb json，其中包含模型的要求承載。

deployment_name

text 對應至 Azure Machine Learning 線上推斷端點上所部署之模型的部署名稱

timeout_ms

作業停止之前的 integer DEFAULT NULL 逾時 (以毫秒為單位)。 模型本身的部署可以指定逾時，其值低於使用者定義函式中的逾時參數。 如果超過此逾時，評分作業將會失敗。

throw_on_error

boolean DEFAULT true 如果函式擲回例外狀況導致換行交易的復原，會發生錯誤。

max_attempts

integer DEFAULT 1 如果延伸模組因任何可重試的錯誤而失敗，延伸模組會呼叫 Azure Machine Learning 端點的重試次數。

retry_delay_ms

integer DEFAULT 1000 當它失敗並出現任何可重試的錯誤時，延伸模組在呼叫 Azure Machine Learning 端點之前等候的時間 (毫秒)。

傳回類型

jsonb JSONB 中叫用之模型的評分輸出。

範例

叫用機器學習模型

這會使用 input_data 呼叫模型，並傳回 jsonb 承載。

-- Invoke model, input data depends on the model.
  SELECT * FROM azure_ml.invoke('
  {
    "input_data": [
      [1,2,3,4,5,6,7,8],
      [-1,-2,-3,-4,-5,-6,-7,-8]
    ],
    "params": {}
  }', deployment_name=>'Housingprediction' )

-- Get JSON elements from model output
SELECT jsonb_array_elements(invoke.invoke) as MedianHousePrediction
FROM azure_ml.invoke('
{
  "input_data": [
    [1,2,3,4,5,6,7,8],
    [-1,-2,-3,-4,-5,-6,-7,-8]
  ],
 "params": {}
}', deployment_name=>'Housingprediction' )

相關內容