Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Используйте функции искусственного интеллекта, если требуется самый быстрый способ применения Azure OpenAI к большим табличным наборам данных в Fabric. Функции искусственного интеллекта оптимизированы для масштабирования с параллелизмом по умолчанию 200 и настраиваемыми параметрами параллелизма, чтобы параллельно обрабатывать строки для повышения пропускной способности.
Еще одним ключевым преимуществом является встроенные преобразования на основе LLM, предоставляемые как методы DataFrame, включая анализ тональности, классификацию, извлечение, обобщение, перевод, векторизацию, оценку сходства и создание пользовательских ответов. Извлечение поддерживает выходные данные ExtractLabel, управляемые при помощи JSON Schema, чтобы применить структуру (поля с типами, перечисления, массивы, поля, допускающие значение NULL, обязательные свойства и запретить дополнительные свойства), чтобы выходные данные LLM соответствовали строгому контракту. Вы также можете создавать схемы как модели Pydantic и преобразовывать их в схему JSON перед использованием ai.extract. Эти функции можно использовать в pandas и PySpark с минимальным кодом, а Структура обрабатывает основные задачи, такие как проверка подлинности и оркестрация запросов.
Замечание
Пути импорта отличаются по подсистеме: используйте synapse.ml.aifunc для pandas DataFrames и synapse.ml.spark.aifunc PySpark. Функции ИИ PySpark распределяют по кластеру Fabric Spark для параллельного выполнения, а выполнение pandas выполняется на одном узле. Выберите PySpark, когда необходимо обработать крупномасштабные наборы данных.
Инструкции по настройке, поддерживаемые функции, параметры модели и поставщика, а также комплексные примеры см. в разделе "Преобразование и обогащение данных с помощью функций ИИ", которое является основным справочником по функциям ИИ в Fabric. Если вам нужен низкоуровневый элемент управления API или настраиваемая оркестрация за пределами встроенных функций ИИ, используйте Azure OpenAI с пакетом SDK для Python или используйтеAzure OpenAI с SynapseML.
Связанный контент
Документация по Fabric
- Преобразование и обогащение данных с помощью функций ИИ для настройки, поддерживаемых функций и комплексных примеров
- Использование Azure OpenAI с пакетом SDK для Python для точного управления одним вызовом API
- Используйте Azure OpenAI с SynapseML для распределенной обработки с помощью DataFrames Spark
- Использование Azure OpenAI с REST API для прямых вызовов REST API к конечной точке LLM