# **实验 3 - 在 Azure 机器学习服务上部署 Phi-3-vision**

我们使用 NPU 完成本地代码的生产部署，然后希望通过它引入 PHI-3-VISION 的能力，实现图片生成代码。

在本介绍中，我们可以快速在 Azure 机器学习服务中构建一个模型即服务的 Phi-3 Vision 服务。

***Note***：Phi-3 Vision 需要较强的计算能力以更快地生成内容，我们需要云计算资源来帮助实现这一点。

### **1. 创建 Azure 机器学习服务**

我们需要在 Azure 门户中创建一个 Azure 机器学习服务。如果想了解如何操作，请访问此链接 [https://learn.microsoft.com/azure/machine-learning/quickstart-create-resources?view=azureml-api-2](https://learn.microsoft.com/azure/machine-learning/quickstart-create-resources?view=azureml-api-2)

### **2. 在 Azure 机器学习服务中选择 Phi-3 Vision**

![Catalog](../../../../../../../../../translated_images/zh-CN/vison_catalog.f979823d5bde8aef.webp)

### **3. 在 Azure 上部署 Phi-3-Vision**

![Deploy](../../../../../../../../../translated_images/zh-CN/vision_deploy.a8114ccd849a9572.webp)

### **4. 在 Postman 中测试端点**

![Test](../../../../../../../../../translated_images/zh-CN/vision_test.0b9c1b1d414131d0.webp)

***Note***

1. 传输的参数必须包含 Authorization、azureml-model-deployment 和 Content-Type。你需要查看部署信息以获取这些参数。

2. 传输参数时，Phi-3-Vision 需要传递图片链接。请参考 GPT-4-Vision 的参数传递方式，例如

```json

{
  "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. 使用 Post 方法调用 **/score**

**恭喜**！你已完成快速部署 PHI-3-VISION，并尝试了如何通过图片生成代码。接下来，我们可以结合 NPU 和云端构建应用。

**免责声明**：  
本文件使用 AI 翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。虽然我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始文件的母语版本应被视为权威来源。对于重要信息，建议采用专业人工翻译。对于因使用本翻译而产生的任何误解或误释，我们不承担任何责任。