Możemy dostosować docelowe lokalne komputery do wdrażania naszych modeli utworzonych w maszynowni nauce Azure.
W twoim przypadku musimy użyć obrazu docker, ponieważ zapewnia on izolowany, контейнеризированный doświadczenie.
Poniżej przedstawiono kroki wdrażania, jako lokalnej sieci web za pomocą Docker:
- Połącz się z obszaru uczenia maszynowego systemu Azure, w którym zarejestrowana jest twoja model.
- Utwórz
Model
obiekt, który reprezentuje model.
- Utwórz
Environment
obiekt, który zawiera zależności i określający izolowanym, w którym będzie wykonywany kod.
- Utwórz
InferenceConfig
obiekt, który łączy scenariusz wprowadzania z Environment
.
- Utwórz
DeploymentConfiguration
obiekt podklasy LocalWebserviceDeploymentConfiguration
.
- Skorzystaj z
Model.deploy()
do tworzenia Webservice
obiekt. Metoda ta pobiera obraz Docker i łączy go z Model
, InferenceConfig
i DeploymentConfiguration
.
- Aktywuj
Webservice
z pomocą Webservice.wait_for_deployment()
.
Skontaktuj się z tej dokumentacji, jak zaproponował АджаЙкумаРгхоз. Sprawdź też ten MSDoc do nauki modelki zdjęcia