onnx模型部署（onnx模型部署openvino 封装dll）



在本快速入門中，您將了解如何將模型定型、將其轉換為 ONNX、將其部署至 Azure SQL Edge，然後使用上傳的 ONNX 模型對資料執行原生 PREDICT。

本快速入門以 scikit-learn 為基礎，並使用 Boston Housing 資料集。

• 如果您正在使用 Azure SQL Edge，並且尚未部署 Azure SQL Edge 模組，請依照 使用 Azure 入口網站部署 SQL Edge 中的步驟操作。
• 安裝 Azure Data Studio。
• 安裝此快速入門所需的 Python 套件。
  1. 開啟連線至 Python 3 核心的新筆記本。
  2. 選取 [管理套件]
  3. 在 [已安裝] 索引標籤中，在已安裝的套件清單中尋找下列 Python 套件。 如果未安裝上述任何套件，請選取 [新增新的] 索引標籤、搜尋套件，然後選取 [安裝]。
     • scikit-learn
     • numpy
     • onnxmltools
     • onnxruntime
     • pyodbc
     • setuptools
     • skl2onnx
     • sqlalchemy
• 針對以下區段的每個指令碼組件，將其輸入 Azure Data Studio 筆記本中的資料格，然後執行該資料格。

分割資料集，以使用特徵來預測房屋的中間值。

輸出：

建立用來定型 LinearRegression 模型的管線。 您也可以使用其他迴歸模型。

檢查模型的精確度，然後計算 R2 分數和均方差。

輸出：

將資料類型轉換成支援的 SQL 資料類型。 其他資料框架也會需要此轉換。

使用 ，將 LinearRegression 模型轉換成 ONNX 格式，並將其儲存在本機。

將模型轉換成 ONNX 格式之後，請對模型進行評分，以顯示效能略為降低或不受影響的情況。

輸出：

將 Azure SQL Edge 中的模型儲存在資料庫 的 資料表中。 在連接字串中，指定伺服器位址、使用者名稱和密碼。

將資料載入 SQL。

首先，建立 features 和 target 這兩個資料表，以儲存 Boston Housing 資料集的子集。

• Features 包含用來預測目標中間值的所有資料。
• Target 包含資料集內每筆記錄的中間值。

最後，使用 將 和 的 pandas 資料框架分別插入資料表 和 中。

現在，您可以檢視資料庫中的資料。

透過 SQL 中的模型，使用上傳的 ONNX 模型對資料執行原生 PREDICT。

• SQL Edge 中採用 ONNX 的機器學習和 AI

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/hd-yjs/71471.html