Skip to main content
Azure ML 是一个用于构建、训练和部署机器学习模型的平台。用户可以在模型目录中探索要部署的模型类型,该目录提供了来自不同提供商的基础模型和通用模型。 本笔记本介绍如何使用托管在 Azure ML 在线端点 上的 LLM。

设置

你必须在 Azure ML 上部署模型部署到 Azure AI Foundry(原 Azure AI Studio)并获取以下参数:
  • endpoint_url:端点提供的 REST 端点 URL。
  • endpoint_api_type:将模型部署到专用端点(托管的基础设施)时使用 endpoint_type='dedicated'。使用按需付费产品(模型即服务)部署模型时使用 endpoint_type='serverless'
  • endpoint_api_key:端点提供的 API 密钥。
  • deployment_name:(可选)使用端点的模型部署名称。

内容格式化器

content_formatter 参数是一个处理程序类,用于转换 AzureML 端点的请求和响应,以匹配所需的模式。由于模型目录中有各种各样的模型,每个模型处理数据的方式可能不同,因此提供了一个 ContentFormatterBase 类,允许用户根据自己的喜好转换数据。提供了以下内容格式化器:
  • GPT2ContentFormatter:为 GPT2 格式化请求和响应数据
  • DollyContentFormatter:为 Dolly-v2 格式化请求和响应数据
  • HFContentFormatter:为 Hugging Face 文本生成模型格式化请求和响应数据
  • CustomOpenAIContentFormatter:为遵循 OpenAI API 兼容方案的模型(如 LLaMa2)格式化请求和响应数据。
注意:OSSContentFormatter 已弃用,将被 GPT2ContentFormatter 取代。逻辑相同,但 GPT2ContentFormatter 是更合适的名称。由于更改向后兼容,你仍然可以继续使用 OSSContentFormatter

示例

示例:使用实时端点的 LlaMa 2 补全

模型参数也可以在调用时指定:

示例:使用按需付费部署(模型即服务)的聊天补全

示例:自定义内容格式化器

以下是使用 Hugging Face 摘要模型的示例。

示例:使用 LLMChain 的 Dolly

序列化 LLM

你还可以保存和加载 LLM 配置