Freigeben über


Anpassen des Basisimages für die Computesitzung

In diesem Abschnitt wird davon ausgegangen, dass Sie über Kenntnisse mit Docker und Azure Machine Learning-Umgebungen verfügen.

Schritt 1: Vorbereiten des Docker-Kontexts

Erstellen des Ordners image_build

Erstellen Sie in Ihrer lokalen Umgebung einen Ordner, der die folgenden Dateien enthält. Die Ordnerstruktur sollte wie folgt aussehen:

|--image_build
|  |--requirements.txt
|  |--Dockerfile
|  |--environment.yaml

Definieren der erforderlichen Pakete in requirements.txt

Optional: Fügen Sie Pakete im privaten pypi-Repository hinzu.

Verwenden Sie den folgenden Befehl, um Ihre Pakete lokal herunterzuladen: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>.

Öffnen Sie die Datei requirements.txt, und fügen Sie darin Ihre zusätzlichen Pakete und die spezifische Version hinzu. Zum Beispiel:

###### Requirements with Version Specifiers ######
langchain == 0.0.149        # Version Matching. Must be version 0.0.149
keyring >= 4.1.1            # Minimum version 4.1.1
coverage != 3.5             # Version Exclusion. Anything except version 3.5
Mopidy-Dirble ~= 1.1        # Compatible release. Same as >= 1.1, == 1.*
<path_to_local_package>     # reference to local pip wheel package

Weitere Informationen zum Strukturieren der requirements.txt-Datei finden Sie unter Anforderungen an das Dateiformat in der Pip-Dokumentation.

Definieren des Dockerfile

Erstellen Sie ein Dockerfile, fügen Sie den folgenden Inhalt hinzu, und speichern Sie dann die Datei:

FROM <Base_image>
COPY ./* ./
RUN pip install -r requirements.txt

Hinweis

Dieses Docker-Image sollte aus dem Prompt-Flow-Basisimage erstellt werden, das mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version> heißt. Verwenden Sie nach Möglichkeit die neueste Version des Basisimage.

Schritt 2: Erstellen einer benutzerdefinierten Azure Machine Learning-Umgebung

Definieren der Umgebung in environment.yaml

Sie können in Ihrer lokalen Compute-Instanz die Befehlszeilenschnittstelle (CLI v2) verwenden, um basierend auf Ihrem Docker-Image eine angepasste Umgebung zu erstellen.

Hinweis

az login # if not already authenticated

az account set --subscription <subscription ID>
az configure --defaults workspace=<Azure Machine Learning workspace name> group=<resource group>

Öffnen Sie die Datei environment.yaml, und fügen Sie den folgenden Inhalt hinzu. Ersetzen Sie den Platzhalter <environment_name> durch den Namen der gewünschten Umgebung.

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: <environment_name>
build:
  path: .

Eine Umgebung erstellen

cd image_build
az ml environment create -f environment.yaml --subscription <sub-id> -g <resource-group> -w <workspace>

Hinweis

Das Erstellen des Umgebungsimage kann mehrere Minuten in Anspruch nehmen.

Wechseln Sie zur Benutzeroberflächenseite Ihres Arbeitsbereichs und dann zur Seite Umgebung, und suchen Sie nach der erstellten benutzerdefinierten Umgebung.

Sie können das Image auch auf der Detailseite der Umgebung suchen und als Basisimage für Computesitzungen in Prompt Flow verwenden. Dieses Image wird auch verwendet, um eine Umgebung für die Flowbereitstellung über die Benutzeroberfläche zu erstellen. Weitere Informationen finden Sie unter Angeben des Basisimage in der Computesitzung.

Weitere Informationen zur Umgebungs-CLI finden Sie unter Verwalten von Umgebungen.

Nächste Schritte