Compartir a través de

Creación de un centro mediante el SDK y la CLI de Azure Machine Learning

  • Artículo

Importante

Los elementos marcados (versión preliminar) en este artículo se encuentran actualmente en versión preliminar pública. Esta versión preliminar se ofrece sin acuerdo de nivel de servicio y no se recomienda para las cargas de trabajo de producción. Es posible que algunas características no sean compatibles o que tengan sus funcionalidades limitadas. Para más información, consulte Términos de uso complementarios de las Versiones Preliminares de Microsoft Azure.

En este artículo, aprenderá a crear los siguientes recursos de Azure AI Foundry mediante el SDK de Azure Machine Learning y la CLI de Azure (con la extensión de aprendizaje automático):

  • Un centro de Azure AI Foundry
  • Una conexión de Servicios de Azure AI

Requisitos previos

Configurar el entorno

Use las pestañas siguientes para seleccionar si usa el SDK de Python o la CLI de Azure:

  1. Instale Python como se describe en el inicio rápido del SDK.

  2. Instale el SDK v2 de Azure Machine Learning.

  3. Instale azure-identity: pip install azure-identity. Si está en una celda del cuaderno, use %pip install azure-identity.

  4. Proporcione los detalles de la suscripción:

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

  5. Obtenga un identificador para la suscripción. Todo el código de Python de este artículo usa 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. (Opcional) Si tiene varias cuentas, agregue el identificador de inquilino de la instancia de Microsoft Entra ID que quiere usar en DefaultAzureCredential. Busque el id. de inquilino en Azure Portal en Microsoft Entra ID, Identidades externas.

    DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")

  7. (Opcional) Si va a trabajar en las regiones de Azure Government: Estados Unidos o Azure China 21Vianet, especifique la región en la que se quiere autenticar. Puede especificar la región con DefaultAzureCredential. En el ejemplo siguiente se realiza la autenticación en la región Azure Government - EE. UU.:

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

Creación de la conexión de Azure AI Foundry Hub y AI Services

Use los ejemplos siguientes para crear un centro. Reemplace los valores de cadena de ejemplo por valores propios:

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()

Creación de una conexión de AI Services

Después de crear sus propias instancias de AI Services, puede conectarlas al centro:

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)

Creación de un centro de Azure AI Foundry mediante recursos de dependencia existentes

También puede crear un centro mediante recursos existentes, como Azure Storage y Azure Key Vault. En los ejemplos siguientes, reemplace los valores de cadena de ejemplo por sus propios valores:

Sugerencia

Puede recuperar el identificador de recurso de la cuenta de almacenamiento y el almacén de claves desde Azure Portal; para ello, vaya a la información general del recurso y seleccione vista JSON. El identificador de recurso se encuentra en el campo id. También puede usar la CLI de Azure para recuperar el identificador de recurso. Por ejemplo, az storage account show --name {my_storage_account_name} --query "id" y 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()