使用 ONNX 在 Azure SQL Edge 上部署 ML 模型
重要
Azure SQL Edge 不再支持 ARM64 平台。
本 Azure SQL Edge 铁矿石杂质预测教程由三部分组成，在第三部分中，你将：
- 使用 Azure Data Studio 连接到 Azure SQL Edge 实例中的 SQL 数据库。
- 在 Azure SQL Edge 中通过 ONNX 预测铁矿石杂质。
重要组件
此解决方案在发送到 Edge 中心的每条消息之间使用默认的 500 毫秒。 可以在 Program.cs 文件中更改此值
TimeSpan messageDelay = configuration.GetValue("MessageDelay", TimeSpan.FromMilliseconds(500));解决方案生成了具有以下属性的消息。 根据需要添加或删除属性。
{ 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 }
连接到 Azure SQL Edge 实例中的 SQL 数据库，以训练、部署和测试 ML 模型
打开 Azure Data Studio。
在“欢迎使用”选项卡中，使用以下详细信息启动一个新连接：
字段 值 连接类型 Microsoft SQL Server 服务器 为此演示创建的 VM 中提及的公共 IP 地址 用户名 sa 密码 创建 Azure SQL Edge 实例时使用的强密码 数据库 默认 服务器组 默认 名称（可选） 提供可选名称 选择“连接” 。
在“文件”部分，从你将项目文件克隆到的计算机上的文件夹中打开
/DeploymentScripts/MiningProcess_ONNX.jpynb。将内核设置为 Python 3。
后续步骤
- 有关在 Azure SQL Edge 中使用 ONNX 模型的详细信息，请参阅在 SQL Edge 中使用 ONNX 实现机器学习和 AI。