Intégrer le réglage fin d'Azure OpenAI avec Weights & Biases (préversion)
Weights &Biases (W&B) est une puissante plateforme de développement IA qui permet aux professionnels de l’apprentissage automatique d’entraîner, d’ajuster et de déployer efficacement des modèles. Le réglage précis d’Azure OpenAI s’intègre à W&B, ce qui vous permet de suivre les métriques et les paramètres ainsi que de visualiser vos exécutions d’entraînement d’optimisation d’Azure OpenAI au sein de vos projets W&B. Dans cet article, nous vous proposons un guide pour configurer l’intégration de Weights & Biases.
Prérequis
- Ressource Azure OpenAI. Pour plus d’informations, consultez l’article Créer une ressource et déployer un modèle à l’aide d’Azure OpenAI. La ressource doit se trouver dans une région qui prend en charge le réglage précis.
- Vérifiez que tous les membres de l’équipe ayant besoin d’optimiser des modèles disposent d’un accès Contributeur OpenAI Cognitive Services pour la nouvelle ressource Azure OpenAI.
- Un compte Weights & Biases et une clé API.
- Azure Key Vault. Pour plus d’informations sur la création d’un coffre de clés, consultez le guide de démarrage rapide d’Azure Key Vault.
Activation de l’identité managée par le système
Tout d’abord, activez l’identité managée par le système pour votre ressource Azure OpenAI.
Récupération de la clé API Weights & Biases
Connectez-vous à https://wandb.ai, puis accédez aux Paramètres utilisateur.
Sous Clés API, sélectionnez Révéler pour accéder à votre clé, puis copiez-la dans le Presse-papiers.
Si vous souhaitez créer une nouvelle clé, utilisez https://wandb.ai/authorize, puis copiez la clé à ajouter ultérieurement à votre configuration d’intégration.
Configurer Azure Key Vault
Pour envoyer de façon sécurisée des données depuis Azure OpenAI à vos projets Weights & Biases, vous devez utiliser Azure Key Vault.
Ajout de votre clé API Weights & Biases en tant que secret à votre Azure Key Vault
Accédez à l’Azure Key Vault que vous souhaitez utiliser.
Pour lire et écrire des secrets dans votre coffre Azure Key Vault, vous devez attribuer explicitement l’accès.
Accédez à Paramètres>Configuration de l’Accès. Sous Modèle d’autorisation, nous vous recommandons de sélectionner le contrôle d’accès en fonction du rôle Azure s’il n’est pas déjà sélectionné. En savoir plus sur le contrôle d’accès en fonction du rôle Azure.
Attribuer le rôle Agent des secrets Key Vault
Maintenant que vous avez défini votre modèle d’autorisation sur Contrôle d’accès en fonction du rôle Azure, vous pouvez vous donner vous-même le rôle Agent des secrets Key Vault.
Accédez au Contrôle d’accès (IAM), puis à Ajouter une attribution de rôle
Choisissez Agent des secrets Key Vault, ajoutez votre compte en tant que membre, puis sélectionnez Vérifier + attribuer.
Créer des secrets
Depuis votre ressource Key Vault, sous Objets, sélectionnez Secrets>Générer/importer.
Donnez un nom à votre secret et enregistrez la clé API Weights & Biases générée dans la Valeur de secret.
Veillez à noter le nom du secret et l’URL du coffre de clés. L’URL du coffre de clés peut être récupérée dans la section Vue d’ensemble de votre coffre de clés.
Activation de la permission à votre Key Vault sur votre compte Azure OpenAI
Si vous avez utilisé auparavant une stratégie d’accès au coffre pour lire ou écrire des secrets dans votre coffre Azure Key Vault, vous devez l’utiliser à nouveau. Sinon, continuez à utiliser le contrôle d’accès en fonction du rôle Azure. Nous vous recommandons d’utiliser le contrôle l’accès en fonction du rôle Azure. Cependant, s’il ne fonctionne pas pour vous, essayez la stratégie d’accès au coffre.
Attribuez à votre ressource Azure OpenAI le rôle Agent des secrets Key Vault.
Liaison de Weight & Biaises à Azure OpenAI
Accédez au portail Azure AI Foundry, puis sélectionnez votre ressource d’optimisation Azure OpenAI.
Ajoutez l’URL et le secret de votre coffre de clés. Ensuite, cliquez sur Mettre à jour.
Désormais, quand vous créez des travaux d’optimisation, vous avez la possibilité de journaliser les données du travail dans votre compte Weights & Biases.
