使用 ONNX 在 Azure SQL Edge 上部署 ML 模型

重要

Azure SQL Edge 不再支援 ARM64 平台。

在此教學課程三部曲的第三部分中，若要在 Azure SQL Edge 中預測鐵礦中的雜質含量，您必須：

1. 使用 Azure Data Studio 連線到 Azure SQL Edge 執行個體中的 SQL Database。
2. 使用 Azure SQL Edge 中的 ONNX 來預測鐵礦中的雜質含量。

主要元件

1. 解決方案在傳送至 Edge 中樞的每個訊息之間使用預設的 500 毫秒。 這可以在 Program.cs 檔案中變更

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

2. 解決方案產生了具有下列屬性的訊息。 依據需求新增或移除屬性。

   {
       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
   }
   

連線到 Azure SQL Edge 執行個體中的 SQL Database，以定型、部署及測試 ML 模型

1. 開啟 Azure Data Studio。

2. 在歡迎使用索引標籤中，使用下列詳細資料開始新的連線：

   欄位	值
   連線類型	Microsoft SQL Server
   伺服器	在此示範中建立的 VM 中提到的公用 IP 位址
   使用者名稱	sa
   密碼	建立 Azure SQL Edge 執行個體時所使用的強式密碼
   Database	預設
   伺服器群組	預設
   名稱 (選擇性)	提供選用的名稱

3. 選取 Connect。

4. 在 [檔案] 區段中，從您在機器上複製專案檔的資料夾中開啟 /DeploymentScripts/MiningProcess_ONNX.jpynb。

5. 將核心設定為 Python 3。

下一步

• 如需在 Azure SQL Edge 中使用 ONNX 模型的詳細資訊，請參閱在 SQL Edge 中使用 ONNX 的機器學習和 AI。