Rozwiązania sztucznej inteligencji na urządzeniach brzegowych w usłudze Azure Stack Hub — odłączone

HDInsight
Kubernetes Service
Usługa Machine Learning
Azure Stack Hub
Storage
Virtual Machines

Pomysł rozwiązania Solution Idea

Jeśli chcesz się dowiedzieć, Rozszerz ten artykuł, aby uzyskać więcej informacji, szczegóły dotyczące implementacji, wskazówki dotyczące cen lub przykłady kodu, powiadom nas o opinii usługi GitHub.If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

Dzięki narzędziom Azure AI i platformie w chmurze kolejną generację aplikacji hybrydowych z włączoną obsługą AI można uruchomić w miejscu, w którym znajdują się dane.With the Azure AI tools and cloud platform, the next generation of AI-enabled hybrid applications can run where your data lives. Za pomocą Azure Stack Hub Przenieś do krawędzi przeszkolony model AI i Zintegruj go z aplikacjami w celu przeprowadzenia analizy o małym opóźnieniu, bez żadnych zmian narzędzi i procesów dla aplikacji lokalnych.With Azure Stack Hub, bring a trained AI model to the edge and integrate it with your applications for low-latency intelligence, with no tool or process changes for local applications. Za pomocą Azure Stack Hub możesz mieć pewność, że rozwiązania w chmurze działają nawet po rozłączeniu z Internetem.With Azure Stack Hub, you can ensure that your cloud solutions work even when disconnected from the internet.

ArchitekturaArchitecture

Diagram architektury Pobiera plik SVG z tej architektury.Architecture diagram Download an SVG of this architecture.

Przepływ danychData Flow

  1. Naukowcy danych uczenie modelu przy użyciu Azure Machine Learning Studio (klasyczny) i klastra usługi HDInsight.Data scientists train a model using Azure Machine Learning Studio (classic) and an HDInsight cluster. Model jest kontenerem i umieszczany w Azure Container Registry.The model is containerized and put in to an Azure Container Registry.
  2. Model jest wdrażany za pośrednictwem kroków nieprzedstawionych w diagramie do klastra Kubernetes w centrum Azure Stack.The model is deployed via steps not represented in the diagram to a Kubernetes cluster on Azure Stack Hub.
  3. Użytkownicy końcowi dostarczają dane, które są oceniane względem modelu.End users provide data that is scored against the model.
  4. Szczegółowe informacje i anomalie z oceny są umieszczane w magazynie do późniejszego przekazania.Insights and anomalies from scoring are placed into storage for later upload.
  5. Globalne i zgodne usługi Insights są dostępne w aplikacji globalnej.Globally-relevant and compliant insights are available in the global app.
  6. Dane z oceny brzegowej są używane do ulepszania modelu.Data from edge scoring is used to improve the model.

SkładnikiComponents

Następne krokiNext steps