Sdílet prostřednictvím

Vytvoření centra pomocí sady Azure Machine Learning SDK a rozhraní příkazového řádku

  • Článek

Důležité

Položky označené (Preview) v tomto článku jsou aktuálně ve verzi Public Preview. Tato verze Preview je poskytována bez smlouvy o úrovni služeb a nedoporučujeme ji pro produkční úlohy. Některé funkce se nemusí podporovat nebo mohou mít omezené možnosti. Další informace najdete v dodatečných podmínkách použití pro verze Preview v Microsoft Azure.

V tomto článku se dozvíte, jak vytvořit následující prostředky Azure AI Foundry pomocí sady Azure Machine Learning SDK a Azure CLI (s rozšířením strojového učení):

  • Centrum Azure AI Foundry
  • Připojení ke službám Azure AI

Požadavky

Nastavení prostředí

Pomocí následujících karet vyberte, jestli používáte sadu Python SDK nebo Azure CLI:

  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)

Vytvoření centra Azure AI Foundry a připojení služby AI Services

K vytvoření nového centra použijte následující příklady. Nahraďte ukázkové řetězcové hodnoty vlastními hodnotami:

from azure.ai.ml.entities import Hub

my_hub_name = "myexamplehub"
my_location = "East US"
my_display_name = "My Example Hub"

# construct a basic hub
my_hub = Hub(name=my_hub_name, 
            location=my_location,
            display_name=my_display_name)

created_hub = ml_client.workspaces.begin_create(my_hub).result()

Vytvoření připojení služby AI Services

Po vytvoření vlastní služby AI ji můžete připojit k centru:

from azure.ai.ml.entities import AzureAIServicesConnection

# constrict an AI Services connection
my_connection_name = "myaiservivce"
my_endpoint = "demo.endpoint" # this could also be called target
my_api_keys = None # leave blank for Authentication type = AAD
my_ai_services_resource_id = "" # ARM id required

my_connection = AzureAIServicesConnection(name=my_connection_name,
                                    endpoint=my_endpoint, 
                                    api_key= my_api_keys,
                                    ai_services_resource_id=my_ai_services_resource_id)

# Create the connection
ml_client.connections.create_or_update(my_connection)

Vytvoření centra Azure AI Foundry s využitím existujících prostředků závislostí

Centrum můžete vytvořit také pomocí existujících prostředků, jako je Azure Storage a Azure Key Vault. V následujících příkladech nahraďte ukázkové řetězcové hodnoty vlastními hodnotami:

Tip

ID prostředku účtu úložiště a trezoru klíčů můžete načíst z webu Azure Portal tak, že přejdete do přehledu prostředku a vyberete zobrazení JSON. ID zdroje se nachází v poli ID . Id prostředku můžete načíst také pomocí Azure CLI. Příklad: az storage account show --name {my_storage_account_name} --query "id" a az keyvault show --name {my_key_vault_name} --query "id".

from azure.ai.ml.entities import Hub

my_hub_name = "myexamplehub"
my_location = "East US"
my_display_name = "My Example Hub"
my_resource_group = "myresourcegroupname"
my_storage_account_id = "/subscriptions/aaaa0a0a-bb1b-cc2c-dd3d-eeeeee4e4e4e/resourceGroups/myresourcegroupname/providers/Microsoft.Storage/storageAccounts/mystorageaccountname"
my_key_vault_id = "/subscriptions/aaaa0a0a-bb1b-cc2c-dd3d-eeeeee4e4e4e/resourceGroups/myresourcegroupname/providers/Microsoft.KeyVault/vaults/mykeyvaultname"

# construct a basic hub
my_hub = Hub(name=my_hub_name, 
            location=my_location,
            display_name=my_display_name,
            resource_group=my_resource_group,
            storage_account_id=my_storage_account_id,
            key_vault_id=my_key_vault_id)

created_hub = ml_client.workspaces.begin_create(my_hub).result()