Vytvoření projektu na portálu Azure AI Foundry

Tento článek popisuje, jak vytvořit projekt Azure AI Foundry. Projekt slouží k uspořádání práce a ukládání stavu při sestavování přizpůsobených aplikací AI.

Projekty jsou hostované centrem Azure AI Foundry. Pokud má vaše společnost administrativní tým, který pro vás vytvořil centrum, můžete z daného centra vytvořit projekt. Pokud pracujete sami, můžete vytvořit projekt a automaticky se pro vás vytvoří výchozí centrum.

Další informace o projektech a modelech center najdete v tématu Centra Azure AI Foundry.

Požadavky

• Předplatné Azure. Pokud ještě nemáte předplatné Azure, vytvořte si bezplatný účet.
• V případě kroků sady Python SDK nebo rozhraní příkazového řádku je centrum Azure AI Foundry. Pokud centrum nemáte, přečtěte si, jak vytvořit a spravovat centrum Azure AI Foundry.
• Pro Azure AI Foundry se centrum nevyžaduje. V případě potřeby se vytvoří za vás.

Vytvoření projektu

Pomocí následujících karet vyberte metodu, kterou chcete použít k vytvoření projektu:

Portál Azure AI Foundry

Pokud chcete vytvořit projekt v Azure AI Foundry, postupujte takto:

1. Přejděte do Azure AI Foundry. Pokud jste v projektu, vyberte Azure AI Foundry v levém horním rohu stránky a přejděte na domovskou stránku.

2. Vyberte + Vytvořit projekt.

3. Zadejte název projektu.

4. Pokud máte centrum, uvidíte ten, který jste naposledy použili.

   • Pokud máte přístup k více než jednomu centru, můžete v rozevíracím seznamu vybrat jiné centrum.

   • Pokud chcete vytvořit nový, vyberte Vytvořit nové centrum a zadejte název. Pokud chcete přizpůsobit výchozí hodnoty, přečtěte si další část.

     

5. Pokud centrum nemáte, vytvoří se vám výchozí. Pokud chcete přizpůsobit výchozí hodnoty, přečtěte si další část.

6. Vyberte Vytvořit projekt. Nebo pokud chcete přizpůsobit nové centrum, postupujte podle kroků v další části.

Přizpůsobení centra

Projekty žijí v centru. Centrum umožňuje sdílet konfigurace, jako jsou datová připojení se všemi projekty, a centrálně spravovat nastavení zabezpečení a útratu. Pokud jste součástí týmu, centra se sdílejí mezi ostatními členy týmu ve vašem předplatném. Další informace o vztahu mezi rozbočovači a projekty najdete v dokumentaci k přehledu center a projektů .

Při vytváření nového centra musíte mít u vybrané skupiny prostředků oprávnění vlastníka nebo přispěvatele . Pokud jste součástí týmu a nemáte tato oprávnění, měl by vám správce vytvořit centrum.

I když můžete v rámci vytváření projektu vytvořit centrum, máte větší kontrolu a můžete nastavit pokročilejší nastavení centra, pokud ho vytvoříte samostatně. Můžete například přizpůsobit zabezpečení sítě nebo základní účet Azure Storage. Další informace najdete v tématu Vytvoření a správa centra Azure AI Foundry.

Když v rámci vytváření projektu vytvoříte nové centrum, zobrazí se výchozí nastavení. Pokud chcete tato nastavení přizpůsobit, udělejte to před vytvořením projektu:

1. Ve formuláři Vytvořit projekt vyberte Přizpůsobit.

   

2. Vyberte existující skupinu prostředků, kterou chcete použít, nebo ponechte výchozí možnost pro vytvoření nové skupiny prostředků.

   Tip

   Zejména pro začátek se doporučuje vytvořit novou skupinu prostředků pro váš projekt. To vám umožní snadno spravovat projekt a všechny jeho zdroje společně. Při vytváření projektu se ve skupině prostředků vytvoří několik prostředků, včetně centra, registru kontejneru a účtu úložiště.

3. Vyberte umístění nebo použijte výchozí nastavení. Umístění je oblast, ve které je centrum hostované. Umístění centra je také umístěním projektu. Dostupnost služeb Azure AI se liší v jednotlivých oblastech. Některé modely například nemusí být dostupné v určitých oblastech.

4. V rozevíracím seznamu vyberte existující prostředek služeb Azure AI (včetně Azure OpenAI) nebo použijte výchozí možnost k vytvoření nového prostředku.

   

5. Vyberte Vytvořit projekt. Uvidíte průběh vytváření zdrojů a po dokončení procesu se projekt vytvoří.

   

Python SDK

Kód v této části předpokládá, že máte existující centrum. Pokud centrum nemáte, přečtěte si, jak vytvořit a spravovat centrum Azure AI Foundry a vytvořit ho.

1. Nainstalujte Python, jak je popsáno v rychlém startu sady SDK.

2. Nainstalujte sadu Azure Machine Learning SDK v2.

3. Nainstalujte azure-identity: pip install azure-identity. Pokud je v buňce poznámkového bloku, použijte %pip install azure-identity.

4. Zadejte podrobnosti o předplatném:

   # Enter details of your subscription
   subscription_id = "<SUBSCRIPTION_ID>"
   resource_group = "<RESOURCE_GROUP>"

5. Získejte popisovač předplatného. Veškerý kód Pythonu v tomto článku používá ml_client:

   # get a handle to the subscription
   
   from azure.ai.ml import MLClient
   from azure.identity import DefaultAzureCredential
   
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)

6. (Volitelné) Pokud máte více účtů, přidejte ID tenanta Microsoft Entra ID, které chcete použít do DefaultAzureCredential. Id tenanta najdete na webu Azure Portal v části Microsoft Entra ID a externí identity.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Volitelné) Pokud pracujete v oblastech Azure Government – USA nebo Azure China 21Vianet , zadejte oblast, do které chcete provést ověření. Oblast můžete zadat pomocí DefaultAzureCredentialparametru . Následující příklad se ověřuje v oblasti Azure Government – USA:

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

8. Pomocí následujícího kódu vytvořte projekt z centra, které jste vytvořili dříve, nebo z vašeho správce. Nahraďte ukázkové řetězcové hodnoty vlastními hodnotami:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

Azure CLI

Kód v této části předpokládá, že máte existující centrum. Pokud centrum nemáte, přečtěte si, jak vytvořit a spravovat centrum Azure AI Foundry a vytvořit ho.

1. Pokud nemáte nainstalované rozšíření Azure CLI a strojového učení, postupujte podle kroků v článku Instalace a nastavení rozšíření strojového učení.

2. K ověření předplatného Azure z Azure CLI použijte následující příkaz:

   az login
   

   Další informace o ověřování najdete v tématu Metody ověřování.

3. Po instalaci a ověření rozšíření pro vaše předplatné Azure pomocí následujícího příkazu vytvořte nový projekt Azure AI Foundry z existujícího centra Azure AI Foundry:

   az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
   

Zobrazení nastavení projektu

Portál Azure AI Foundry

Na stránce Přehled projektu najdete informace o projektu.

• Název: Název projektu se zobrazí v levém horním rohu. Projekt můžete přejmenovat pomocí nástroje pro úpravy.
• Předplatné: Předplatné, které je hostitelem centra, které je hostitelem projektu.
• Skupina prostředků: Skupina prostředků, která je hostitelem centra, které je hostitelem projektu.

Výběrem Centra pro správu přejděte k prostředkům projektu na portálu Azure AI Foundry. Výběrem možnosti Spravovat na webu Azure Portal přejděte k prostředkům projektu na webu Azure Portal.

Python SDK

Pokud chcete spravovat nebo používat nový projekt, zahrňte ho do :MLClient

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())

Azure CLI

Pokud chcete zobrazit nastavení projektu, použijte az ml workspace show příkaz. Příklad:

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}

Přístup k prostředkům projektu

Běžné konfigurace v centru se sdílí s vaším projektem, včetně připojení, výpočetních instancí a síťového přístupu, takže můžete začít s vývojem hned.

Kromě toho je řada prostředků přístupná jenom uživatelům v pracovním prostoru projektu:

• Komponenty, včetně datových sad, toků, indexů, koncových bodů rozhraní API nasazených modelů (otevřené a bezserverové).

• Připojení vytvořená vámi v části Nastavení projektu

• Kontejnery objektů blob služby Azure Storage a sdílená složka pro nahrání dat v rámci projektu. Přístup k úložišti pomocí následujících připojení:

  Datové připojení	Dočasné úložiště	Účel
  workspaceblobstore	{project-GUID}-azureml-blobstore	Výchozí kontejner pro nahrávání dat
  workspaceartifactstore	{project-GUID}-azureml	Ukládá komponenty a metadata pro váš projekt, jako jsou váhy modelu.
  workspacefilestore	{project-GUID}-code	Hostuje soubory vytvořené ve výpočetním prostředí a pomocí toku výzvy

Poznámka:

Připojení k úložišti se nevytvořila přímo s projektem, pokud má váš účet úložiště nastavený přístup k veřejné síti, který je zakázaný. Místo toho se vytvoří, když první uživatel přistupuje k Azure AI Foundry přes privátní síťové připojení. Řešení potíží s připojením k úložišti

Související obsah

• Nasazení podnikové chatovací webové aplikace
• Další informace o Azure AI Foundry
• Další informace o centrech