Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Découvrez les fonctionnalités Azure Machine Learning disponibles dans les régions Azure Government, Azure Allemagne et Microsoft Azure gérées par les régions 21Vianet.
Dans la liste des régions de Azure globales, il existe plusieurs régions qui servent des marchés spécifiques en plus des régions de cloud public. Par exemple, les régions Azure Government et Microsoft Azure opéré par 21Vianet. Azure Machine Learning est déployé dans les régions suivantes, en plus des régions de cloud public :
- régions Azure Government US-Arizona et US-Virginie.
- Azure géré par la région 21Vianet China-East-2.
Les informations contenues dans le reste de ce document fournissent des informations sur les fonctionnalités de Azure Machine Learning disponibles dans ces régions, ainsi que des informations spécifiques à la région sur l’utilisation de ces fonctionnalités.
Azure Government
Catalogue de modèles dans USGOV Virginia et Arizona
| Nom du modèle | Inférence MaaP | Traitement par lot activé | Déploiement standard (inférence serverless) | Déploiement standard (affinage) |
|---|---|---|---|---|
| ALLaM-2-7b-instruct | maap-inference | |||
| Aurora | maap-inference | |||
| AutoML-Image-Classification | maap-inference | batch-enabled | ||
| AutoML-Image-Instance-Segmentation | maap-inference | batch-enabled | ||
| AutoML-Image-Object-Detection | maap-inference | batch-enabled | ||
| bert-base-cased | maap-inference | batch-enabled | ||
| bert-base-uncased | maap-inference | batch-enabled | ||
| bert-large-cased | maap-inference | batch-enabled | ||
| bert-large-uncased | maap-inference | batch-enabled | ||
| BiomedCLIP-PubMedBERT_256-vit_base_patch16_224 | maap-inference | batch-enabled | ||
| bytetrack_yolox_x_crowdhuman_mot17-private-half | maap-inference | batch-enabled | ||
| camembert-base | maap-inference | batch-enabled | ||
| CodeLlama-13b-hf | maap-inference | batch-enabled | ||
| CodeLlama-13b-Instruct-hf | maap-inference | batch-enabled | ||
| CodeLlama-13b-Python-hf | maap-inference | batch-enabled | ||
| CodeLlama-34b-hf | maap-inference | batch-enabled | ||
| CodeLlama-34b-Instruct-hf | maap-inference | batch-enabled | ||
| CodeLlama-34b-Python-hf | maap-inference | batch-enabled | ||
| CodeLlama-70b-hf | maap-inference | |||
| CodeLlama-70b-Instruct-hf | maap-inference | |||
| CodeLlama-70b-Python-hf | maap-inference | |||
| CodeLlama-7b-hf | maap-inference | batch-enabled | ||
| CodeLlama-7b-Instruct-hf | maap-inference | batch-enabled | ||
| CodeLlama-7b-Python-hf | maap-inference | batch-enabled | ||
| compvis-stable-diffusion-v1-4 | maap-inference | batch-enabled | ||
| CxrReportGen maap-inference | batch-enabled | |||
| databricks-dolly-v2-12b | maap-inference | batch-enabled | ||
| Deci-DeciCoder-1b | maap-inference | batch-enabled | ||
| deci-decidiffusion-v1-0 | maap-inference | batch-enabled | ||
| Deci-DeciLM-7B | maap-inference | batch-enabled | ||
| Deci-DeciLM-7B-instruct | maap-inference | batch-enabled | ||
| deepset-minilm-uncased-squad2 | maap-inference | batch-enabled | ||
| deepset-roberta-base-squad2 | maap-inference | batch-enabled | ||
| distilbert-base-cased | maap-inference | batch-enabled | ||
| distilbert-base-cased-distilled-squad | maap-inference | batch-enabled | ||
| distilbert-base-uncased | maap-inference | batch-enabled | ||
| distilbert-base-uncased-distilled-squad | maap-inference | batch-enabled | ||
| distilbert-base-uncased-finetuned-sst-2-english | maap-inference | batch-enabled | ||
| distilgpt2 | maap-inference | batch-enabled | ||
| distilroberta-base | maap-inference | batch-enabled | ||
| facebook-bart-large-cnn | maap-inference | batch-enabled | ||
| facebook-deit-base-patch16-224 | maap-inference | batch-enabled | ||
| facebook-dinov2-base-imagenet1k-1-layer | maap-inference | batch-enabled | ||
| Facebook-DinoV2-Image-Embeddings-ViT-Base | maap-inference | batch-enabled | ||
| Facebook-DinoV2-Image-Embeddings-ViT-Giant | maap-inference | batch-enabled | ||
| facebook-sam-vit-base | maap-inference | batch-enabled | ||
| facebook-sam-vit-huge | maap-inference | batch-enabled | ||
| facebook-sam-vit-large | maap-inference | batch-enabled | ||
| financial-reports-analysis | maap-inference | batch-enabled | ||
| finiteautomata-bertweet-base-sentiment-analysis | maap-inference | batch-enabled | ||
| google-vit-base-patch16-224 | maap-inference | batch-enabled | ||
| Jean-Baptiste-camembert-ner | maap-inference | batch-enabled | ||
| Llama-2-13b | maap-inference | batch-enabled | maas-inference | maas-finetuning |
| Llama-2-13b-chat | maap-inference | maas-inference | ||
| Llama-2-70b | maap-inference | batch-enabled | maas-inference | maas-finetuning |
| Llama-2-70b-chat | maap-inference | maas-inference | ||
| Llama-2-7b maap-inference | batch-enabled | maas-inference | maas-finetuning | |
| Llama-2-7b-chat | maap-inference | maas-inference | ||
| Llama-3.2-11B-Vision-Instruct | maap-inference | maas-inference | ||
| Llama-3.2-1B | maap-inference | |||
| Llama-3.2-1B-Instruct | maap-inference | |||
| Llama-3.2-3B | maap-inference | |||
| Llama-3.2-3B-Instruct | maap-inference | |||
| Llama-3.2-90B-Vision-Instruct | maap-inference | maas-inference | ||
| Llama-Guard-3-11B-Vision | maap-inference | |||
| Llama-Guard-3-1B | maap-inference | |||
| Llama-Guard-3-8B | maap-inference | |||
| MatterSim | maap-inference | |||
| MedImageInsight | maap-inference | batch-enabled | ||
| MedImageParse | maap-inference | batch-enabled | ||
| Meta-Llama-3-70B | maap-inference | |||
| Meta-Llama-3-70B-Instruct | maap-inference | maas-inference | ||
| Méta-Llama-3-8B maap-inference | ||||
| Meta-Llama-3-8B-Instruct | maap-inference | maas-inference | ||
| Meta-Llama-3.1-70B | maap-inference | |||
| Meta-Llama-3.1-70B-Instruct | maap-inference | maas-inference | maas-finetuning | |
| Meta-Llama-3.1-8B | maap-inference | |||
| Meta-Llama-3.1-8B-Instruct | maap-inference | maas-inference | maas-finetuning | |
| microsoft-beit-base-patch16-224-pt22k-ft22k | maap-inference | batch-enabled | ||
| microsoft-deberta-base | maap-inference | batch-enabled | ||
| microsoft-deberta-base-mnli | maap-inference | batch-enabled | ||
| microsoft-deberta-large | maap-inference | batch-enabled | ||
| microsoft-deberta-large-mnli | maap-inference | batch-enabled | ||
| microsoft-deberta-xlarge | maap-inference | batch-enabled | ||
| microsoft-llava-med-v1.5-mistral-7b | maap-inference | batch-enabled | ||
| microsoft-rad-dino | maap-inference | batch-enabled | ||
| microsoft-swinv2-base-patch4-window12-192-22k | maap-inference | batch-enabled | ||
| mistral-community-Mixtral-8x22B-v0-1 | maap-inference | |||
| mistralai-Mistral-7B-Instruct-v0-2 | maap-inference | |||
| mistralai-Mistral-7B-Instruct-v01 | maap-inference | |||
| mistralai-Mistral-7B-v01 maap-inference | batch-enabled | |||
| mistralai-Mixtral-8x22B-Instruct-v0-1 | maap-inference | |||
| mistralai-Mixtral-8x22B-v0-1 | maap-inference | |||
| mistralai-Mixtral-8x7B-Instruct-v01 | maap-inference | |||
| mistralai-Mixtral-8x7B-v01 | maap-inference | |||
| mmd-3x-deformable-detr_refine_twostage_r50_16xb2-50e_coco | maap-inference | batch-enabled | ||
| mmd-3x-mask-rcnn_swin-t-p4-w7_fpn_1x_coco | maap-inference | batch-enabled | ||
| mmd-3x-sparse-rcnn_r101_fpn_300-proposals_crop-ms-480-800-3x_coco | maap-inference | batch-enabled | ||
| mmd-3x-sparse-rcnn_r50_fpn_300-proposals_crop-ms-480-800-3x_coco | maap-inference | batch-enabled | ||
| mmd-3x-vfnet_r50-mdconv-c3-c5_fpn_ms-2x_coco | maap-inference | batch-enabled | ||
| mmd-3x-vfnet_x101-64x4d-mdconv-c3-c5_fpn_ms-2x_coco | maap-inference | batch-enabled | ||
| mmd-3x-yolof_r50_c5_8x8_1x_coco | maap-inference | batch-enabled | ||
| mmeft | maap-inference | batch-enabled | ||
| Muse | maap-inference | |||
| ocsort_yolox_x_crowdhuman_mot17-private-half | maap-inference | batch-enabled | ||
| Phi-3-medium instruct (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-medium instruct (4k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-mini instruct (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-mini instruct (4k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3-small instruct (128k) | maap-inference | maas-inference | ||
| Phi-3-small instruct (8k) | maap-inference | maas-inference | ||
| Phi-3-vision-128k-instruct | maap-inference | |||
| Phi-3.5-mini instruct (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3.5-MoE instruct (128k) | maap-inference | maas-inference | maas-finetuning | |
| Phi-3.5-vision instruct (128k) | maap-inference | maas-inference | ||
| Phi-4 maap-inference | maas-inference | |||
| Prism maap-inference | batch-enabled | |||
| projecte-aina-aguila-7b | maap-inference | |||
| projecte-aina-FLOR-1-3B | maap-inference | |||
| projecte-aina-FLOR-1-3B-Instructed | maap-inference | |||
| projecte-aina-FLOR-6-3B | maap-inference | |||
| projecte-aina-FLOR-6-3B-Instructed | maap-inference | |||
| Prompt-Guard-86M | maap-inference | |||
| Prov-GigaPath | maap-inference | batch-enabled | ||
| roberta-base | maap-inference | batch-enabled | ||
| roberta-base-openai-detector | maap-inference | batch-enabled | ||
| roberta-large | maap-inference | batch-enabled | ||
| roberta-large-mnli | maap-inference | batch-enabled | ||
| roberta-large-openai-detector | maap-inference | batch-enabled | ||
| runwayml-stable-diffusion-inpainting | maap-inference | batch-enabled | ||
| runwayml-stable-diffusion-v1-5 | maap-inference | batch-enabled | ||
| Salesforce-BLIP-2-opt-2-7b-image-to-text | maap-inference | batch-enabled | ||
| Salesforce-BLIP-2-opt-2-7b-vqa | maap-inference | batch-enabled | ||
| Salesforce-BLIP-image-captioning-base | maap-inference | batch-enabled | ||
| Salesforce-BLIP-vqa-base | maap-inference | batch-enabled | ||
| snowflake-arctic-base | maap-inference | |||
| snowflake-arctic-instruct | maap-inference | |||
| sshleifer-distilbart-cnn-12-6 | maap-inference | batch-enabled | ||
| stabilityai-stable-diffusion-2-1 | maap-inference | batch-enabled | ||
| stabilityai-stable-diffusion-2-inpainting | maap-inference | batch-enabled | ||
| stabilityai-stable-diffusion-xl-base-1-0 | maap-inference | batch-enabled | ||
| stabilityai-stable-diffusion-xl-refiner-1-0 | maap-inference | batch-enabled | ||
| supply-chain-trade-regulations | maap-inference | batch-enabled | ||
| t5-base | maap-inference | batch-enabled | ||
| t5-large | maap-inference | batch-enabled | ||
| t5-small | maap-inference | batch-enabled | ||
| TamGen | maap-inference | |||
| tiiuae-falcon-40b | maap-inference | batch-enabled | ||
| tiiuae-falcon-7b | maap-inference | batch-enabled | ||
| Virchow | maap-inference | batch-enabled | ||
| Virchow2 | maap-inference | batch-enabled |
Modèles Azure OpenAI dans le catalogue des modèles d'USGOV en Virginie et en Arizona
Pour en savoir plus sur les attributs de Azure OpenAI et tous les modèles Foundry vendus directement par Azure dans Azure Government, consultez Models vendus directement par Azure dans Azure Government.
fonctionnalités de Azure Machine Learning
| Fonctionnalité | État du cloud public | US-Virginia | US-Arizona |
|---|---|---|---|
| Machine Learning automatisé | |||
| Créer et exécuter des expériences dans des blocs-notes | GA | OUI | OUI |
| Créer et exécuter des expériences dans l’expérience web Studio | Version préliminaire publique | OUI | OUI |
| Fonctionnalités de prévision du secteur | GA | OUI | OUI |
| Prise en charge de l’apprentissage profond et d’autres apprenants avancés | GA | OUI | OUI |
| Prise en charge de données volumineuses (jusqu’à 100 Go) | Version préliminaire publique | OUI | OUI |
| intégration de Azure Databricks | GA | Non | Non |
| Intégrations SQL, Azure Cosmos DB et HDInsight | GA | OUI | OUI |
| Machine Learning pipelines | |||
| Créer, exécuter et publier des pipelines à l’aide du Kit de développement logiciel (SDK) Azure Machine Learning | GA | OUI | OUI |
| Créer des points de terminaison de pipeline à l’aide du Kit de développement logiciel (SDK) Azure Machine Learning | GA | OUI | OUI |
| Créer, modifier et supprimer des exécutions planifiées de pipelines à l’aide du Kit de développement logiciel (SDK) Azure Machine Learning | GA | OUI* | OUI* |
| Afficher les détails de l’exécution du pipeline dans Studio | GA | OUI | OUI |
| Créer, exécuter, visualiser et publier des pipelines dans Concepteur Azure Machine Learning | GA | OUI | OUI |
| Intégration d'Azure Databricks avec le Pipeline ML | GA | Non | Non |
| Créer des points de terminaison de pipeline dans Concepteur Azure Machine Learning | GA | OUI | OUI |
| Notebooks intégrés | |||
| Notebook et partage de fichiers de l’espace de travail | GA | OUI | OUI |
| Prise en charge de R et Python | GA | OUI | OUI |
| support du réseau virtuel | GA | OUI | OUI |
| Instance de calcul | |||
| Instances de calcul gérées pour les notebooks intégrés | GA | OUI | OUI |
| Intégration de Jupyter et JupyterLab | GA | OUI | OUI |
| Prise en charge de Réseau virtuel (VNet) | GA | OUI | OUI |
| Configurer des pools Apache Spark pour effectuer un data wrangling | Version préliminaire publique | Non | Non |
| Prise en charge de SDK | |||
| Prise en charge du SDK Python | GA | OUI | OUI |
| Sécurité | |||
| Gérer la prise en charge des réseaux virtuels | Aperçu | Aperçu | Aperçu |
| Prise en charge du Réseau virtuel (VNet, réseau virtuel) pour la formation | GA | OUI | OUI |
| Prise en charge du réseau virtuel (Vnet) pour l’inférence | GA | OUI | OUI |
| Authentification du point de terminaison scoring | Version préliminaire publique | OUI | OUI |
| Point de terminaison privé d’espace de travail | GA | GA | GA |
| ACI derrière réseau virtuel | Version préliminaire publique | Non | Non |
| ACR derrière réseau virtuel | GA | OUI | OUI |
| Adresse IP privée du cluster AKS | Version préliminaire publique | Non | Non |
| Isolation réseau pour les points de terminaison en ligne managés | GA | Non | Non |
| Calcul | |||
| Gestion de quota entre les espaces de travail | GA | OUI | OUI |
| Calcul Kubernetes | GA | Non | Non |
| Données pour Machine Learning | |||
| Créer, afficher ou modifier des jeux de données et des magasins de données à partir du kit de développement logiciel (SDK) | GA | OUI | OUI |
| Créer, afficher ou modifier des jeux de données et des magasins de données à partir de l’interface utilisateur | GA | OUI | OUI |
| Afficher, modifier ou supprimer des superviseurs de dérive de jeu de données à partir du kit de développement logiciel (SDK) | Version préliminaire publique | OUI | OUI |
| Afficher, modifier ou supprimer des superviseurs de dérive de jeu de données à partir de l’interface utilisateur | Version préliminaire publique | OUI | OUI |
| Cycle de vie de Machine Learning | |||
| Profilage des modèles (SDK/CLI v1) | GA | OUI | PARTIAL |
| The Azure Machine Learning CLI v1 | GA | OUI | OUI |
| Intégration de Visual Studio Code | Version préliminaire publique | Non | Non |
| Intégration à Event Grid | Version préliminaire publique | Non | Non |
| Integrate Azure Stream Analytics avec Azure Machine Learning | Version préliminaire publique | Non | Non |
| Étiquetage des images et du texte | |||
| Portail de gestion de l'étiquetage des projets | GA | OUI | OUI |
| Portail d’étiquetage | GA | OUI | OUI |
| Étiquetage à l’aide du personnel privé | GA | OUI | OUI |
| Étiquetage assisté par ML (classification des images et détection des objets) | Version préliminaire publique | OUI | OUI |
| ML responsable | |||
| Explicabilité dans l’interface utilisateur | Version préliminaire publique | Non | Non |
| Boîte à outils SmartNoise de confidentialité différentielle | OSS | Non | Non |
| Balises personnalisées dans Azure Machine Learning pour implémenter des feuilles de données | GA | Non | Non |
| Intégration de l'impartialité dans Azure Machine Learning | Version préliminaire publique | Non | Non |
| SDK d’interprétabilité | GA | OUI | OUI |
| Entraînement | |||
| Streaming des journaux d’expérimentation | GA | OUI | OUI |
| IU d’expérimentation | Version préliminaire publique | OUI | OUI |
| Intégration .NET avec ML.NET 1.0 | GA | OUI | OUI |
| Inférence | |||
| Points de terminaison en ligne managés | GA | OUI | OUI |
| Inférence par lot | GA | OUI | OUI |
| Autres | |||
| Ouvrir des jeux de données | Version préliminaire publique | OUI | OUI |
| Custom Recherche Azure AI (SDK v1) | Version préliminaire publique | OUI | OUI |
scénarios de Azure Government
| Scénario | US-Virginia | US-Arizona | Limites |
|---|---|---|---|
| Configuration de la sécurité générale | |||
| Désactiver/Contrôler l’accès Internet (entrant et sortant) et un réseau virtuel spécifique | PARTIAL | PARTIAL | |
| Emplacement pour tous les services/ressources associés | OUI | OUI | |
| Chiffrement au repos et en transit. | OUI | OUI | |
| Accès à la racine et au protocole SSH pour les ressources de calcul. | OUI | OUI | |
| Maintenir la sécurité des systèmes déployés (instances, points de terminaison, etc.), y compris la protection des points de terminaison, la mise à jour corrective et la journalisation | PARTIAL | PARTIAL | ACI derrière le réseau virtuel n’est actuellement pas disponible |
| Contrôler (désactiver/limiter/restreindre) l’utilisation de l’intégration ACI/AKS | PARTIAL | PARTIAL | ACI derrière le réseau virtuel n’est actuellement pas disponible |
| Azure contrôle d’accès en fonction du rôle (Azure RBAC) - Créations de rôles personnalisées | OUI | OUI | |
| Contrôler l’accès aux images ACR utilisées par le service ML (fournies ou gérées par Azure par rapport à personnalisées) | PARTIAL | PARTIAL | |
| Utilisation générale du service d'apprentissage automatique | |||
| Possibilité de disposer d’un environnement de développement pour générer un modèle, effectuer l’apprentissage de ce modèle, l’héberger en tant que point de terminaison et l’utiliser via une application web | OUI | OUI | |
| Possibilité d’extraire des données à partir d’ADLS (Data Lake Storage) | OUI | OUI | |
| Possibilité d’extraire des données de Stockage Blob Azure | OUI | OUI |
Autres limitations Azure Government
Pour les instances de calcul Azure Machine Learning, la possibilité d'actualiser un jeton valable plus de 24 heures n'est pas disponible sur Azure Government.
Le profilage de modèle ne prend pas en charge 4 UC dans la région US-Arizona.
Les exemples de notebooks peuvent ne pas fonctionner dans Azure Government s’il leur faut accéder à des données publiques.
Adresses IP : la commande CLI utilisée dans les instructions requises pour l’accès Internet public ne retourne pas de plages IP. Utilisez les plages d’adresses IP Azure et les balises de service Azure pour Azure Government à la place.
Pour les pipelines planifiés, nous fournissons également un mécanisme de déclenchement basé sur un objet blob. Ce mécanisme n’est pas pris en charge pour les espaces de travail CMK. Pour activer un déclencheur basé sur un objet blob pour les espaces de travail CMK, vous devez effectuer une configuration supplémentaire. Pour plus d’informations, consultez Déclencher l’exécution d’un pipeline Machine Learning à partir d’une application logique (SDK/CLI v1).
Pare-feu : lors de l’utilisation d’une région Azure Government, ajoutez les hôtes suivants à votre paramètre de pare-feu :
- Pour l’Arizona, utilisez :
usgovarizona.api.ml.azure.us - Pour la Virginie, utilisez :
usgovvirginia.api.ml.azure.us - Pour les deux :
graph.windows.net
- Pour l’Arizona, utilisez :
Azure exploité par 21Vianet
| Fonctionnalité | État du cloud public | CH-East-2 | CH-North-3 |
|---|---|---|---|
| Machine Learning automatisé | |||
| Créer et exécuter des expériences dans des blocs-notes | GA | OUI | N/A |
| Créer et exécuter des expériences dans l’expérience web Studio | Aperçu | OUI | N/A |
| Fonctionnalités de prévision du secteur | GA | OUI | N/A |
| Prise en charge de l’apprentissage profond et d’autres apprenants avancés | GA | OUI | N/A |
| Prise en charge de données volumineuses (jusqu’à 100 Go) | Aperçu | OUI | N/A |
| intégration de Azure Databricks | GA | OUI | N/A |
| Intégrations SQL, Azure Cosmos DB et HDInsight | GA | OUI | N/A |
| Pipelines de Machine Learning | |||
| Créer, exécuter et publier des pipelines à l’aide du Kit de développement logiciel (SDK) Azure Machine Learning | GA | OUI | N/A |
| Créer des points de terminaison de pipeline à l’aide du Kit de développement logiciel (SDK) Azure Machine Learning | GA | OUI | N/A |
| Créer, modifier et supprimer des exécutions planifiées de pipelines à l’aide du Kit de développement logiciel (SDK) Azure Machine Learning | GA | OUI | N/A |
| Afficher les détails de l’exécution du pipeline dans Studio | GA | OUI | N/A |
| Créer, exécuter, visualiser et publier des pipelines dans Concepteur Azure Machine Learning | GA | OUI | N/A |
| Intégration d'Azure Databricks avec le Pipeline ML | GA | OUI | N/A |
| Créer des points de terminaison de pipeline dans Concepteur Azure Machine Learning | GA | OUI | N/A |
| Notebooks intégrés | |||
| Notebook et partage de fichiers de l’espace de travail | GA | OUI | N/A |
| Prise en charge de R et Python | GA | OUI | N/A |
| support du réseau virtuel | GA | OUI | N/A |
| Instance de calcul | |||
| Instances de calcul gérées pour les notebooks intégrés | GA | OUI | N/A |
| Intégration de Jupyter et JupyterLab | GA | OUI | N/A |
| Gérer la prise en charge des réseaux virtuels | Aperçu | Aperçu | N/A |
| Prise en charge de Réseau virtuel (VNet) | GA | OUI | N/A |
| Prise en charge de SDK | |||
| prise en charge du Kit de développement logiciel (SDK) Python | GA | OUI | N/A |
| Sécurité | |||
| Prise en charge du Réseau virtuel (VNet, réseau virtuel) pour la formation | GA | OUI | N/A |
| Prise en charge du réseau virtuel (Vnet) pour l’inférence | GA | OUI | N/A |
| Authentification du point de terminaison scoring | Aperçu | OUI | N/A |
| Point de terminaison privé d’espace de travail | GA | OUI | N/A |
| ACI derrière réseau virtuel | Aperçu | Non | N/A |
| ACR derrière réseau virtuel | GA | OUI | N/A |
| Adresse IP privée du cluster AKS | Aperçu | Non | N/A |
| Isolation réseau pour les points de terminaison en ligne managés | GA | Non | N/A |
| Calcul | |||
| Gestion de quota entre les espaces de travail | GA | OUI | N/A |
| Calcul Kubernetes | GA | Non | Non |
| Données pour Machine Learning | |||
| Créer, afficher ou modifier des jeux de données et des magasins de données à partir du kit de développement logiciel (SDK) | GA | OUI | N/A |
| Créer, afficher ou modifier des jeux de données et des magasins de données à partir de l’interface utilisateur | GA | OUI | N/A |
| Afficher, modifier ou supprimer des superviseurs de dérive de jeu de données à partir du kit de développement logiciel (SDK) | Aperçu | OUI | N/A |
| Afficher, modifier ou supprimer des superviseurs de dérive de jeu de données à partir de l’interface utilisateur | Aperçu | OUI | N/A |
| Cycle de vie de Machine Learning | |||
| Profilage des modèles | GA | OUI | N/A |
| Extension Azure DevOps pour Machine Learning et l’interface CLI Azure Machine Learning | GA | OUI | N/A |
| Modèles accélérés matériellement basés sur les FPGA | Dépréciation | Dépréciation | N/A |
| intégration de Visual Studio Code | Aperçu | Non | N/A |
| Intégration à Event Grid | Aperçu | OUI | N/A |
| Intégrer Azure Stream Analytics à Azure Machine Learning | Aperçu | Non | N/A |
| Étiquetage | |||
| Portail de gestion de l'étiquetage des projets | GA | OUI | N/A |
| Portail d’étiquetage | GA | OUI | N/A |
| Étiquetage à l’aide du personnel privé | GA | OUI | N/A |
| Étiquetage assisté par ML (classification des images et détection des objets) | Aperçu | OUI | N/A |
| Intelligence artificielle responsable | |||
| Explicabilité dans l’interface utilisateur | Aperçu | Non | N/A |
| Boîte à outils SmartNoise de confidentialité différentielle | OSS | Non | N/A |
| balises personnalisées dans Azure Machine Learning pour implémenter des feuilles de données | GA | OUI | N/A |
| Intégration de l'impartialité dans Azure Machine Learning | Aperçu | Non | N/A |
| SDK d’interprétabilité | GA | OUI | N/A |
| Entraînement | |||
| Streaming des journaux d’expérimentation | GA | OUI | N/A |
| Apprentissage par renforcement | Dépréciation | Dépréciation | N/A |
| IU d’expérimentation | GA | OUI | N/A |
| .NET intégration ML.NET 1.0 | GA | OUI | N/A |
| Inférence | |||
| Points de terminaison en ligne managés | GA | OUI | N/A |
| Inférence par lot | GA | OUI | N/A |
| Azure Stack Edge avec FPGA | Dépréciation | Dépréciation | N/A |
| Autres | |||
| Open Datasets | Aperçu | OUI | N/A |
| Recherche Azure AI personnalisée | Aperçu | OUI | N/A |
Autres limitations d'Azure exploité par 21Vianet
Azure géré par 21Vianet a une gamme de SKU VM limitée, en particulier pour la gamme de SKU GPU. Seule la famille NCv3 (V100) est disponible.
Les points de terminaison de l'API REST sont différents de ceux d'Azure Global. Utilisez le tableau suivant pour rechercher le point de terminaison de l’API REST pour Azure géré par les régions 21Vianet :
Point de terminaison REST Azure global China-Government Plan de gestion https://management.azure.com/https://management.chinacloudapi.cn/Plan de données https://{location}.experiments.azureml.nethttps://{location}.experiments.ml.azure.cnMicrosoft Entra ID https://login.microsoftonline.comhttps://login.chinacloudapi.cnLes exemples de notebooks peuvent ne pas fonctionner s’il leur faut accéder à des données publiques.
Plages d’adresses IP : la commande CLI utilisée dans les instructions requises pour l’accès Internet public ne retourne pas de plages IP. Utilisez les plages d’adresses IP Azure et les tags de service pour Microsoft Azure exploité par 21Vianet à la place.
L’aperçu des instances de calcul Azure Machine Learning n’est pas pris en charge dans un workspace où le point de terminaison privé est activé pour le moment, mais les instances de calcul seront prises en charge lors du prochain déploiement visant l’extension du service à toutes les régions Azure Machine Learning.
La recherche de ressources dans l’interface web avec des caractères chinois ne fonctionne pas correctement.
Étapes suivantes
Pour en savoir plus sur les régions où Azure Machine Learning est disponible, consultez Produits par région.