Partager via

Déployer un modèle Machine Learning sur Azure SQL Edge à l'aide d'ONNX

  • Article

Important

Azure SQL Edge ne prend plus en charge la plateforme ARM64.

Dans la troisième partie de ce tutoriel en trois parties consacré à la prédiction des impuretés contenues dans le minerai de fer dans Azure SQL Edge, vous allez :

  1. utiliser Azure Data Studio pour vous connecter à SQL Database dans l'instance d'Azure SQL Edge ;
  2. prédire les impuretés contenues dans le minerai de fer à l'aide d'ONNX dans Azure SQL Edge.

Composants clés

  1. La solution utilise une valeur par défaut de 500 millisecondes entre chaque message envoyé au hub Edge. Vous pouvez la changer dans le fichier Program.cs.

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

  2. La solution a généré un message, avec les attributs suivants. Ajoutez ou supprimez les attributs en fonction des spécifications.

    {
    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
}

Se connecter à SQL Database dans l’instance Azure SQL Edge pour entraîner, déployer et tester le modèle ML

  1. Ouvrez Azure Data Studio.

  2. Sous l'onglet Bienvenue, lancez une nouvelle connexion avec les informations suivantes :

    Champ Valeur
    Type de connexion Microsoft SQL Server
    Serveur Adresse IP publique mentionnée dans la machine virtuelle créée pour cette démo
    Nom d’utilisateur SA
    Mot de passe Mot de passe fort utilisé lors de la création de l'instance d'Azure SQL Edge
    Base de données Default
    Groupe de serveurs Default
    Name (facultatif) Entrez un nom facultatif

  3. Sélectionnez Connecter.

  4. Dans la section Fichier, ouvrez /DeploymentScripts/MiningProcess_ONNX.jpynb à partir du dossier où vous avez cloné les fichiers projet sur votre ordinateur.

  5. Définissez le noyau sur Python 3.

Étapes suivantes