03.DeployPhi3VisionOnAzure.md

लॅब ३ - Azure Machine Learning Service वर Phi-3-Vision डिप्लॉय करा

आम्ही NPU चा वापर स्थानिक कोडच्या उत्पादन डिप्लॉयमेंटसाठी करतो आणि नंतर PHI-3-VISION च्या क्षमतेचा उपयोग करून चित्रांमधून कोड तयार करण्यासाठी प्रक्रिया सुलभ करतो.

या परिचयामध्ये, आपण Azure Machine Learning Service मध्ये जलदगतीने Model As Service स्वरूपात Phi-3 Vision सेवा तयार करू शकतो.

Note: Phi-3 Vision ला जलद गतीने सामग्री निर्माण करण्यासाठी संगणन शक्तीची आवश्यकता आहे. हे साध्य करण्यासाठी आम्हाला क्लाउड संगणन शक्तीची गरज आहे.

१. Azure Machine Learning Service तयार करा

आपल्याला Azure Portal मध्ये Azure Machine Learning Service तयार करावी लागेल. याबद्दल शिकण्यासाठी, कृपया या लिंकला भेट द्या https://learn.microsoft.com/azure/machine-learning/quickstart-create-resources?view=azureml-api-2

२. Azure Machine Learning Service मध्ये Phi-3 Vision निवडा

३. Azure वर Phi-3-Vision डिप्लॉय करा

४. Postman मध्ये Endpoint चाचणी करा

Note

1. पाठवायचे parameters मध्ये Authorization, azureml-model-deployment, आणि Content-Type समाविष्ट असणे आवश्यक आहे. ही माहिती मिळवण्यासाठी डिप्लॉयमेंट तपशील तपासा.

2. parameters पाठवण्यासाठी, Phi-3-Vision ला एका इमेज लिंकची आवश्यकता असते. कृपया GPT-4-Vision च्या पद्धतीसंदर्भाने parameters कसे पाठवायचे ते पहा, उदाहरणार्थ:

{
  "input_data":{
    "input_string":[
      {
        "role":"user",
        "content":[ 
          {
            "type": "text",
            "text": "You are a Python coding assistant.Please create Python code for image "
          },
          {
              "type": "image_url",
              "image_url": {
                "url": "https://ajaytech.co/wp-content/uploads/2019/09/index.png"
              }
          }
        ]
      }
    ],
    "parameters":{
          "temperature": 0.6,
          "top_p": 0.9,
          "do_sample": false,
          "max_new_tokens": 2048
    }
  }
}

3. Post पद्धतीचा वापर करून /score कॉल करा.

अभिनंदन! आपण जलद PHI-3-VISION डिप्लॉयमेंट पूर्ण केले आहे आणि चित्रांचा उपयोग करून कोड तयार करण्याची प्रक्रिया शिकली आहे. पुढे, आपण NPU आणि क्लाउड एकत्रित करून अनुप्रयोग तयार करू शकतो.

अस्वीकृती:
हे दस्तऐवज मशीन-आधारित एआय भाषांतर सेवांचा वापर करून अनुवादित केले गेले आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील मूळ दस्तऐवज हा अधिकृत स्रोत मानला पाहिजे. महत्त्वाच्या माहितीसाठी, व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून निर्माण झालेल्या कोणत्याही गैरसमजुतींसाठी किंवा चुकीच्या अर्थ लावण्यास आम्ही जबाबदार राहणार नाही.