Upravit

Share via

AI na hraničních zařízeních se službou Azure Stack Hub

Azure Container Registry
Azure Kubernetes Service (AKS)
Azure Machine Learning
Azure Stack Hub

Nápady na řešení

Tento článek je myšlenkou řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět tím, že nám poskytnete zpětnou vazbu k GitHubu.

Tato architektura ukazuje, jak pomocí služby Azure Stack Hub přenést trénovaný model AI na hraniční zařízení a integrovat ho s aplikacemi pro inteligentní funkce s nízkou latencí.

Architektura

Diagram architektury znázorňující aplikaci s podporou AI, která běží na hraničních zařízeních se službou Azure Stack Hub

Stáhněte si soubor aplikace Visio s touto architekturou.

Tok dat

  1. Data se zpracovávají pomocí služby Azure Data Factory, která se umístí do Azure Data Lake.
  2. Data z Azure Data Factory se umístí do služby Azure Data Lake Storage pro účely trénování.
  3. Datoví vědci trénuje model pomocí služby Azure Machine Učení. Tento model se kontejnerizuje a vloží do služby Azure Container Registry.
  4. Model se nasadí do clusteru Kubernetes ve službě Azure Stack Hub.
  5. Místní webová aplikace se dá použít k určení skóre dat poskytovaných koncovým uživatelem k určení skóre podle modelu nasazeného v clusteru Kubernetes.
  6. Koncoví uživatelé poskytují data, která jsou vyhodnocena vůči modelu.
  7. Přehledy a anomálie se umístí do fronty.
  8. Aplikace funkcí se aktivuje, jakmile se informace o bodování umístí do fronty.
  9. Funkce odesílá odpovídající data a anomálie do služby Azure Storage.
  10. Globálně relevantní a kompatibilní přehledy jsou dostupné pro spotřebu v Power BI a v globální aplikaci.
  11. Smyčka zpětné vazby: Opětovné trénování modelu je možné aktivovat podle plánu. Datoví vědci pracují na optimalizaci. Vylepšený model se nasadí a kontejnerizuje jako aktualizace registru kontejneru.

Komponenty

Klíčové technologie používané k implementaci této architektury:

  • Azure Machine Učení: Sestavování, nasazování a správa řešení prediktivní analýzy
  • Azure Data Factory: Ingestování dat do služby Azure Data Factory
  • Azure Data Lake Storage: Načtěte data do Azure Data Lake Storage Gen2 pomocí Azure Data Factory.
  • Container Registry: Ukládání a správa imagí kontejnerů napříč všemi typy nasazení Azure
  • Azure Kubernetes Service (AKS): Zjednodušte nasazení, správu a provoz Kubernetes.
  • Azure Storage: Odolné, vysoce dostupné a široce škálovatelné cloudové úložiště.
  • Azure Stack Hub: Vytváření a spouštění inovativních hybridních aplikací napříč hranicemi cloudu
  • Azure Functions: Výpočetní jednotka bezserverová bezserverová jednotka založená na událostech pro úlohy na vyžádání spuštěné bez nutnosti údržby výpočetního serveru.
  • služba Aplikace Azure: Cesta, která zaznamenává data zpětné vazby koncových uživatelů, aby bylo možné optimalizovat model.

Podrobnosti scénáře

S nástroji Azure AI, hraničními a cloudovými platformami je možné inteligentní funkce edge. Nová generace hybridních aplikací s podporou umělé inteligence může běžet tam, kde se nacházejí vaše data. Se službou Azure Stack Hub přineste na hraniční zařízení vytrénovaný model AI, integrujte ho s aplikacemi pro inteligentní funkce s nízkou latencí a nepřetržitě zpětnou vazbu do vylepšeného modelu AI pro lepší přesnost beze změn nástrojů ani procesů pro místní aplikace. Tento nápad řešení ukazuje připojený scénář služby Stack Hub, ve kterém jsou hraniční aplikace připojené k Azure. Informace o odpojené verzi tohoto scénáře najdete v článku AI na hraničním zařízení – odpojeno.

Potenciální případy použití

Existuje široká škála aplikací Edge AI, které monitorují a poskytují informace téměř v reálném čase. Mezi oblasti, ve kterých může pomoct Edge AI, patří:

  • Procesy detekce bezpečnostní kamery.
  • Analýza obrázků a videí (mediální a zábavní průmysl).
  • Doprava a doprava (automobilový průmysl a odvětví mobility).
  • Výrobní.
  • Energie (inteligentní mřížky).

Další kroky

Další informace o doporučených službách Azure najdete v následujících článcích a ukázkách:

Projděte si následující související architektury: