Aracılığıyla paylaş

ONNX kullanarak ml modelini Azure SQL Edge'de dağıtma

  • Makale

Önemli

Azure SQL Edge artık ARM64 platformunu desteklememektedir.

Azure SQL Edge'de demir cevre safsızlıklarını tahmin etmek için bu üç bölümden oluşan öğreticinin üçüncü bölümünde şunları yapacaksınız:

  1. Azure SQL Edge örneğindeki SQL Veritabanı bağlanmak için Azure Data Studio'yu kullanın.
  2. Azure SQL Edge'de ONNX ile demir cevzı safsızlıklarını tahmin edin.

Başlıca bileşenler

  1. Çözüm, Edge Hub'a gönderilen her ileti arasında varsayılan 500 milisaniye kullanır. Bu, Program.cs dosyasında değiştirilebilir

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

  2. Çözüm, aşağıdaki özniteliklerle bir ileti oluşturdu. Gereksinimlere göre öznitelikleri ekleyin veya kaldırın.

    {
    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
}

ML modelini eğitmek, dağıtmak ve test etmek için Azure SQL Edge örneğindeki SQL Veritabanı bağlanın

  1. Azure Data Studio'yu açın.

  2. Hoş Geldiniz sekmesinde, aşağıdaki ayrıntılarla yeni bir bağlantı başlatın:

    Alan Değer
    Bağlantı türü Microsoft SQL Server
    Sunucu Bu tanıtım için oluşturulan VM'de bahsedilen genel IP adresi
    Kullanıcı adı sa
    Parola Azure SQL Edge örneği oluşturulurken kullanılan güçlü parola
    Veritabanı Varsayılan
    Sunucu grubu Varsayılan
    Ad (isteğe bağlı) İsteğe bağlı bir ad belirtin

  3. Bağlan’ı seçin.

  4. Dosya bölümünde, makinenizdeki proje dosyalarını kopyaladığınız klasörden açın/DeploymentScripts/MiningProcess_ONNX.jpynb.

  5. Çekirdeği Python 3 olarak ayarlayın.

Sonraki adımlar