Идеи решения
Эта статья является идеей решения. Если вы хотите расширить содержимое с дополнительными сведениями, такими как потенциальные варианты использования, альтернативные службы, рекомендации по реализации или рекомендации по ценам, сообщите нам, предоставив отзыв GitHub.
В этой архитектуре показано, как можно перенести обученную модель ИИ на край с Помощью Azure Stack Hub и интегрировать ее с приложениями для аналитики с низкой задержкой.
Архитектура
Скачайте файл Visio для этой архитектуры.
Поток данных
- Данные обрабатываются с помощью Фабрика данных Azure для размещения в Azure Data Lake.
- Данные из Фабрика данных Azure помещаются в azure Data Lake служба хранилища для обучения.
- Специалисты по обработке и анализу данных обучают модель с помощью Машинное обучение Azure. Модель упаковывается в контейнер и помещается в Реестр контейнеров Azure.
- Модель развертывается в кластере Kubernetes в Azure Stack Hub.
- Локальное веб-приложение можно использовать для оценки данных, предоставляемых конечным пользователем, для оценки модели, развернутой в кластере Kubernetes.
- Конечные пользователи предоставляют данные, оцененные по модели.
- Аналитические сведения и сведения об аномалиях, полученные в результате оценки, помещаются в очередь.
- Приложение-функция активируется после размещения сведений о оценке в очереди.
- Функция отправляет соответствующие сведения и сведения об аномалиях в службу хранилища Azure.
- Глобально релевантные и соответствующие аналитические сведения доступны для использования в Power BI и глобальном приложении.
- Цикл обратной связи: переобучение модели может быть активировано расписанием. Специалисты по обработке и анализу данных работают над оптимизацией. Улучшенная модель развертывается и контейнеризована в качестве обновления в реестре контейнеров.
Компоненты
Ключевые технологии, используемые для реализации этой архитектуры:
- Машинное обучение Azure: создание, развертывание и управление решениями прогнозной аналитики.
- Фабрика данных Azure: прием данных в Фабрика данных Azure.
- Azure Data Lake служба хранилища. Загрузка данных в Azure Data Lake Storage 2-го поколения с помощью Фабрика данных Azure.
- Реестр контейнеров. Хранение образов контейнеров и управление ими во всех типах развертываний Azure.
- Служба Azure Kubernetes (AKS): упрощение развертывания, управления и операций Kubernetes.
- служба хранилища Azure: устойчивое, высокодоступное и масштабируемое облачное хранилище.
- Azure Stack Hub: создание и запуск инновационных гибридных приложений в пределах облака.
- Функции Azure: бессерверная единица вычислений на основе событий для задач по запросу, выполняемых без необходимости обслуживания вычислительного сервера.
- служба приложение Azure: путь, который записывает данные обратной связи конечных пользователей для включения оптимизации модели.
Подробности сценария
С помощью средств ИИ Azure, пограничных и облачных платформ можно использовать аналитику пограничных вычислений. Следующее поколение гибридных приложений с поддержкой ИИ может выполняться, где находятся данные. С помощью Azure Stack Hub доведите обученную модель искусственного интеллекта к краю, интегрируйте ее с приложениями для аналитики с низкой задержкой и непрерывно результаты обратной связи в усовершенствованную модель искусственного интеллекта для повышения точности без каких-либо средств или процессов для локальных приложений. Эта идея решения показывает сценарий подключенного Stack Hub, где пограничные приложения подключены к Azure. Сведения об отключенной версии этого сценария см. в статье ИИ на пограничном сервере.
Потенциальные варианты использования
Существует широкий спектр приложений ИИ Edge, которые отслеживают и предоставляют информацию практически в режиме реального времени. Области, в которых пограничный ИИ может помочь включить:
- Процессы обнаружения камер безопасности.
- Анализ изображений и видео (медиа и индустрии развлечений).
- Транспорт и трафик (автомобильной и мобильной промышленности).
- Производство.
- Энергия (умные сетки).
Следующие шаги
- Хотите узнать больше? Ознакомьтесь с модулем "Введение в Azure Stack "
- Получение сертификата Microsoft Certified для Azure Stack Hub с помощью сертификации оператора Azure Stack Hub
- Установка ядра AKS в Linux в Azure Stack Hub
- Установка ядра AKS в Windows в Azure Stack Hub
- Развертывание моделей машинного обучения на пограничном устройстве с помощью устройств Azure Stack Edge
- Дальнейшие инновации и развертывание контейнеров ИИ Azure (речь, язык, решение, визуальное распознавание) в Azure Stack Hub
Дополнительные сведения о рекомендуемых службах Azure см. в следующих статьях и примерах:
- Документация по Службе приложений
- Хранилище Azure Data Lake 2-го поколения
- документация по Служба Azure Kubernetes (AKS)
- Документация по машинному обучению Azure
- документация по Azure Stack Hub
- Параметры развертывания Azure Stack Hub
- Документация по реестру контейнеров
- документация по служба хранилища
- Примеры Azure —Azure Stack Hub Foundation (на сайте GitHub)
- Документация по гибридным и многооблачных шаблонам и решениям Azure
Связанные ресурсы
См. следующие связанные архитектуры: