03.DeployPhi3VisionOnAzure.md

ലാബ് 3 - Deploy Phi-3-vision on Azure Machine Learning Service

നാം NPU ഉപയോഗിച്ച് ലോക്കൽ കോഡിന്റെ പ്രൊഡക്ഷൻ ഡിപ്ലോയ്മെന്റ് പൂർത്തീകരിക്കുന്നു, തുടർന്ന് അതിലൂടെ PHI-3-VISION സ്ഥാപിച്ച് ചിത്രങ്ങളിലൂടെ കോഡ് സൃഷ്ടിക്കൽ സാധ്യമാക്കാനുള്ള കഴിവ് അവതരിപ്പിക്കാൻ ആഗ്രഹിക്കുന്നു.

ഈ പരിചയപ്പെടൽ വഴി, നാം Azure Machine Learning Service-ൽ ഒരു Model As Service രൂപത്തിലുള്ള Phi-3 Vision സേവനം വേഗത്തിൽ എങ്ങനെ നിർമ്മിക്കാമെന്ന് കാണാം.

കുറിപ്പ്： Phi-3 Vision-ന് ഉള്ളടക്കം വേഗത്തിലായി സൃഷ്ടിക്കാൻ പലയിടത്തും കുറഞ്ഞതല്ലാത്ത കംപ്യൂട്ടിംഗ് ശക്തി ആവശ്യമാണ്. ഇത് നേടാൻ ക്ലൗഡ് കംപ്യൂട്ടിംഗ് സഹായം ആവശ്യമാണ്.

1. Azure Machine Learning Service സൃഷ്ടിക്കുക

ഞങ്ങൾക്ക് Azure പോർട്ടലിൽ ഒരു Azure Machine Learning Service സൃഷ്ടിക്കേണ്ടതുണ്ട്. ഇത് എങ്ങനെ ചെയ്യാമെന്ന് അറിയാൻ, ദയവായി ഈ ലിങ്ക് സന്ദർശിക്കുക https://learn.microsoft.com/azure/machine-learning/quickstart-create-resources?view=azureml-api-2

2. Azure Machine Learning Service-ൽ Phi-3 Vision തിരഞ്ഞെടുക്കുക

3. Azure-ൽ Phi-3-Vision ഡിപ്ലോയ് ചെയ്യുക

4. Postman-ൽ എന്റ്പോയിന്റ് പരീക്ഷിക്കുക

കുറിപ്പ്

1. പ്രേഷിപ്പിക്കേണ്ട പാരാമീറ്ററുകളിൽ Authorization, azureml-model-deployment, மற்றும் Content-Type എന്നിവ ഉൾപ്പെടണം. അവ എടുക്കാൻ ഡിപ്ലോയ്‌മെന്റ് വിവരങ്ങൾ പരിശോധിക്കണം.

2. പാരാമീറ്ററുകൾ അയയ്ക്കുന്നതിനായി, Phi-3-Vision ഒരു ഇമേജ് ലിങ്ക് പ്രേഷിപ്പിക്കണം. പാരാമീറ്ററുകൾ എങ്ങനെ അയയ്ക്കാമെന്നതിന് GPT-4-Vision രീതി കാണുക, ഉദാഹരണത്തിന്

{
  "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 രീതിയിൽ /score കോൾ ചെയ്യുക

ശഭാഷ്ഠുകൾ ！You have completed the fast PHI-3-VISION deployment and tried how to use pictures to generate code. Next, we can build applications in combination with NPUs and clouds

---

അസ്വീകാരം: ഈ രേഖ AI പരിഭാഷാ സേവനമായ Co‑op Translator (https://github.com/Azure/co-op-translator) ഉപയോഗിച്ച് പരിഭാഷപ്പെടുത്തിയതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി ശ്രമിച്ചോളങ്കിലും, യാന്ത്രിക പരിഭാഷകളിൽ പിശകുകൾ അല്ലെങ്കിൽ അശുദ്ധതകൾ ഉണ്ടാകാമെന്ന് ദയവായി ശ്രദ്ധിക്കുക. മൂലഭാഷയിലെ അസൽ രേഖയെ ഔദ്യോഗികമായും വിശ്വാസയോഗ്യമായും കാണുക. നിർണായകമായ വിവരങ്ങൾക്ക് പ്രൊഫഷണൽ 인간 വിവർത്തനം നിർദ്ദേശിക്കുന്നു. ഈ പരിഭാഷ ഉപയോഗിച്ചതിന്റെ ഫലമായി ഉണ്ടാകുന്ന ഏതെങ്കിലും തെറ്റിദ്ധാരണങ്ങൾക്കും തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കുമ 우리는 ഉത്തരവാദികളല്ല.