Jämföra maskininlärningsprodukter och maskininlärningstekniker från Microsoft
Lär dig mer om maskininlärningsprodukter och maskininlärningstekniker från Microsoft. Jämför alternativ som hjälper dig att välja hur du bäst skapar, distribuerar och hanterar dina maskininlärningslösningar.
Molnbaserade maskininlärningsprodukter
Följande alternativ är tillgängliga för maskininlärning i Azure-molnet.
| Molnalternativ | Vad det är | Det här kan du göra med den |
|---|---|---|
| Azure Machine Learning | Hanterad plattform för maskininlärning | Använd en förtränad modell. Eller träna, distribuera och hantera modeller i Azure med hjälp av Python och CLI |
| Azure Cognitive Services | Förbyggda AI-funktioner som implementeras via REST-API:er och -API:er och -API:er | Skapa intelligenta program snabbt med hjälp av standardprogrammeringsspråk. Kräver inte maskininlärning och datavetenskapskunskaper |
| Azure SQL Managed Instance Machine Learning Services | Maskininlärning i databasen för SQL | Träna och distribuera modeller i Azure SQL Managed Instance |
| Maskininlärning i Azure Synapse Analytics | Analystjänst med maskininlärning | Träna och distribuera modeller i Azure SQL Managed Instance |
| Maskininlärning och AI med ONNX i Azure SQL Edge | Maskininlärning i SQL på IoT | Träna och distribuera modeller i Azure SQL Edge |
| Azure Databricks | Apache Spark-baserad analysplattform | Skapa och distribuera modeller och dataarbetsflöden med hjälp av integreringar med maskininlärningsbibliotek med öppen källkod och MLFlow-plattformen. |
Lokala maskininlärningsprodukter
Följande alternativ är tillgängliga för lokal maskininlärning. Lokala servrar kan också köras på en virtuell dator i molnet.
| Lokala alternativ | Vad det är | Det här kan du göra med den |
|---|---|---|
| SQL Server Machine Learning Services | Maskininlärning i databasen för SQL | Träna och distribuera modeller i SQL Server |
| Machine Learning Services på SQL Server Stordatakluster | Maskininlärning i Stordatakluster | Träna och distribuera modeller på SQL Server Stordatakluster |
Utvecklingsplattformar och -verktyg
Följande utvecklingsplattformar och verktyg är tillgängliga för maskininlärning.
| Plattformar/verktyg | Vad det är | Det här kan du göra med den |
|---|---|---|
| Azure Data Science Virtual Machine | Virtuell dator med förinstallerade verktyg för datavetenskap | Utveckla maskininlärningslösningar i en förkonfigurerad miljö |
| ML.NET | SDK för plattformsoberoende maskininlärning med öppen källkod | Utveckla maskininlärningslösningar för .NET-program |
| Windows ML | Windows 10 maskininlärningsplattform | Utvärdera tränade modeller på en Windows 10-enhet |
| MMLSpark | Ramverk för öppen källkod, distribuerad maskininlärning och mikrotjänster för Apache Spark | Skapa och distribuera skalbara maskininlärningsprogram för Scala och Python. |
| Machine Learning tillägg för Azure Data Studio | Tillägg för maskininlärning med öppen källkod och plattformsoberoende för Azure Data Studio | Hantera paket, importera maskininlärningsmodeller, göra förutsägelser och skapa notebook-datorer för att köra experiment för dina SQL databaser |
Azure Machine Learning
Azure Machine Learning är en fullständigt hanterad molntjänst som används för att träna, distribuera och hantera maskininlärningsmodeller i stor skala. Den stöder tekniker för öppen källkod, vilket innebär att du kan använda tiotusentals Python-paket med öppen källkod som exempelvis TensorFlow, PyTorch och scikit-learn. Omfattande verktyg är också tillgängliga, till exempel Beräkningsinstanser,Jupyter Notebookseller Azure Machine Learning för Visual Studio Code-tillägget, ett kostnadsfritt tillägg som gör att du kan hantera dina resurser, arbetsflöden för modellträning och distributioner i Visual Studio Code. Azure Machine Learning innehåller funktioner som automatiserar modellgenerering och justering med enkelhet, effektivitet och noggrannhet.
Använd Python SDK, Jupyter Notebooks, R och CLI för maskininlärning i molnskala. För ett alternativ med lite eller ingen kod kan du använda Azure Machine Learning:s interaktiva designer i studio för att snabbt och enkelt skapa, testa och distribuera modeller med hjälp av färdiga maskininlärningsalgoritmer.
Prova Azure Machine Learning utan kostnad.
| Typ | Molnbaserad maskininlärningslösning |
| Språk som stöds | Python, R |
| Maskininlärningsfaser | Modellträning Distribution MLOps/Hantering |
| Viktiga fördelar | Kod först (SDK) och studio & dra och släpp-designer för redigeringsalternativ för webbgränssnitt. Central hantering av skript och körningshistorik, vilket gör det enkelt att jämföra modellversioner. Enkel distribution och hantering av modeller till moln- eller gränsenheter. |
| Överväganden | Kräver viss kunskap om modellhanteringsmodellen. |
Azure Cognitive Services
Azure Cognitive Services är en uppsättning färdiga API:er som gör att du kan skapa appar som använder naturliga kommunikationsmetoder. Termen förbyggda antyder att du inte behöver använda datauppsättningar eller datavetenskapskunskaper för att träna modeller att använda i dina program. Det är allt gjort för dig och paketerat som API:er och SDK:er som gör att dina appar kan se, höra, tala, förstå och tolka användarnas behov med bara några rader kod. Du kan enkelt lägga till intelligenta funktioner i dina appar, till exempel:
- Vision: Objektidentifiering, ansiktsigenkänning, OCR osv. Se Visuellt innehåll,Ansikte,Formigenkänning.
- Tal: Tal till text, text till tal, talarigenkänning osv. Se Speech Service.
- Språk: Översättning, attitydanalys, extrahering av nyckelfraser, språkförståelse osv. Se Translator, Textanalys, Language Understanding, QnA Maker
- Beslut: Avvikelseidentifiering, innehållsmoderering, förstärkt inlärning. Se Avvikelseidentifiering, Content Moderator, Personanpassare.
Med Cognitive Services kan du utveckla appar för flera enheter och plattformar. API:erna förbättras ständigt och är enkla att konfigurera.
| Typ | API:er för att skapa intelligenta program |
| Språk som stöds | Olika alternativ beroende på tjänsten. Standard är C#, Java, JavaScript och Python. |
| Maskininlärningsfaser | Distribution |
| Viktiga fördelar | Skapa intelligenta program med förtränade modeller som är tillgängliga via REST API och SDK. Olika modeller för naturliga kommunikationsmetoder med syn, tal, språk och beslut. Ingen maskininlärning eller datavetenskapsexpertis krävs. |
SQL maskininlärning
SQL maskininlärning lägger till statistisk analys, datavisualisering och förutsägelseanalys i Python och R för relationsdata, både lokalt och i molnet. Aktuella plattformar och verktyg är:
- SQL Server Machine Learning Services
- Machine Learning Services på SQL Server Stordatakluster
- Azure SQL Managed Instance Machine Learning Services
- Maskininlärning i Azure Synapse Analytics
- Maskininlärning och AI med ONNX i Azure SQL Edge
- Machine Learning tillägg för Azure Data Studio
Använd SQL maskininlärning när du behöver inbyggd AI och förutsägelseanalys av relationsdata i SQL.
| Typ | Lokal förutsägelseanalys för relationsdata |
| Språk som stöds | Python, R, SQL |
| Maskininlärningsfaser | Förberedelse av data Modellträning Distribution |
| Viktiga fördelar | Kapsla in förutsägelselogik i en databasfunktion, vilket gör det enkelt att inkludera i datanivålogik. |
| Överväganden | Förutsätter en SQL-databas som datanivå för ditt program. |
Azure Data Science Virtual Machine
Azure Data Science Virtual Machine är en anpassad virtuell datormiljö i Microsoft Azure molnet. Det finns i versioner för både Windows och Linux Ubuntu. Miljön är utformad specifikt för att göra datavetenskap och utveckla ML lösningar. Det har många populära datavetenskaps-, ML-ramverk och andra verktyg förinstallerade och förkonfigurerade för att snabbt komma igång med att skapa intelligenta program för avancerad analys.
Använd den virtuella datorn för datavetenskap när du behöver köra eller vara värd för jobb på en enda nod. Eller om du behöver skala upp din bearbetning via fjärranslutning på en enskild dator.
| Typ | Anpassad virtuell datormiljö för datavetenskap |
| Viktiga fördelar | Kortare tid för att installera, hantera och felsöka datavetenskapsverktyg och ramverk. De senaste versionerna av alla vanliga verktyg och ramverk ingår. Alternativen för virtuella datorer omfattar mycket skalbara avbildningar med GPU-funktioner för intensiv datamodellering. |
| Överväganden | Den virtuella datorn kan inte nås när den är offline. När du kör en virtuell dator debiteras Azure-avgifter, så du måste vara noga med att bara köra den när det behövs. |
Azure Databricks
Azure Databricks är en Apache Spark-baserad analysplattform som är optimerad för Microsoft Azures plattform för molntjänster. Databricks är integrerat med Azure för att ge konfiguration med ett klick, effektiva arbetsflöden och en interaktiv arbetsyta som möjliggör samarbete mellan dataforskare, dataingenjörer och affärsanalytiker. Använd Python-, R-, Scala- och SQL-kod i webbaserade anteckningsböcker för att fråga, visualisera och modellera data.
Använd Databricks när du vill samarbeta om att skapa maskininlärningslösningar i Apache Spark.
| Typ | Apache Spark-baserad analysplattform |
| Språk som stöds | Python, R, Scala, SQL |
| Maskininlärningsfaser | Förberedelse av data Förbearbetning av data Modellträning Modelljustering Modellinferens Hantering Distribution |
ML.NET
ML.NET är ett ramverk för maskininlärning med öppen källkod och plattformsoberoende. Med ML.NET kan du skapa anpassade maskininlärningslösningar och integrera dem i dina .NET-program. ML.NET erbjuder olika nivåer av samverkan med populära ramverk som TensorFlow och ONNX för träning och bedömning av maskininlärnings- och djupinlärningsmodeller. För resursintensiva uppgifter som att träna bildklassificeringsmodeller kan du dra nytta av Azure för att träna dina modeller i molnet.
Använd ML.NET när du vill integrera maskininlärningslösningar i dina .NET-program. Välj mellan API:et för en kod först-upplevelse och Model Builder eller CLI för en upplevelse med lite kod.
| Typ | Plattformsoberoende ramverk med öppen källkod för utveckling av anpassade maskininlärningsprogram med .NET |
| Språk som stöds | C#, F # |
| Maskininlärningsfaser | Förberedelse av data Utbildning Distribution |
| Viktiga fördelar | Erfarenhet av & ML datavetenskap krävs inte Använda välbekanta verktyg (Visual Studio, VS Code) och språk Distribuera där .NET körs Extensible Skalbarhet Lokal första upplevelse |
Windows ML
Windows ML härledningsmotorn kan du använda tränade maskininlärningsmodeller i dina program och utvärdera tränade modeller lokalt på Windows 10 enheter.
Använd Windows ML när du vill använda tränade maskininlärningsmodeller i dina Windows-program.
| Typ | Inferensmotor för tränade modeller i Windows enheter |
| Språk som stöds | C#/C++, JavaScript |
MMLSpark
Microsoft ML for Apache Spark (MMLSpark) är ett bibliotek med öppen källkod som utökar ramverket för distribuerad databehandling Apache Spark. MMLSpark lägger till många djupinlärningsverktyg och datavetenskapsverktyg i Spark-ekosystemet, inklusive sömlös integrering av Spark Machine Learning-pipelines med Microsoft Cognitive Toolkit (CNTK),LightGBM, ETHERNET (modelltolkning)och OpenCV. Du kan använda dessa verktyg för att skapa kraftfulla förutsägelsemodeller i alla Spark-kluster, till exempel Azure Databricks eller Spark Spark.
MMLSpark har också nya nätverksfunktioner i Spark-ekosystemet. Med HTTP i Spark-projektet kan användarna bädda in alla webbtjänster i sina SparkML-modeller. DESSUTOM innehåller MMLSpark lättanvända verktyg för att samordna Azure Cognitive Services skala. För distribution i produktionsklass möjliggör Spark Serving-projektet webbtjänster med högt dataflöde och under millisekunders svarstid som backas upp av ditt Spark-kluster.
| Typ | Ramverk för distribuerad maskininlärning och mikrotjänster med öppen källkod för Apache Spark |
| Språk som stöds | Scala 2.11, Java, Python 3.5+, R (beta) |
| Maskininlärningsfaser | Förberedelse av data Modellträning Distribution |
| Viktiga fördelar | Skalbarhet Streaming + betjäna kompatibla Feltolerans |
| Överväganden | Kräver Apache Spark |
Nästa steg
- Mer information om alla ai-utvecklingsprodukter (artificiell intelligens) som är tillgängliga från Microsoft finns i Microsoft AI-plattformen.
- För utbildning i att utveckla AI Machine Learning lösningar med Microsoft, se Microsoft Learn.