Delen via

Een Azure Resource Manager-sjabloon gebruiken om een Azure AI Foundry-hub te maken

  • Artikel

Belangrijk

Items die in dit artikel zijn gemarkeerd (preview) zijn momenteel beschikbaar als openbare preview. Deze preview wordt aangeboden zonder een service level agreement en we raden deze niet aan voor productieworkloads. Misschien worden bepaalde functies niet ondersteund of zijn de mogelijkheden ervan beperkt. Zie Aanvullende gebruiksvoorwaarden voor Microsoft Azure-previews voor meer informatie.

Gebruik een Microsoft Bicep-sjabloon om een hub te maken voor Azure AI Foundry. Met een sjabloon kunt u eenvoudig resources maken als één gecoördineerde bewerking. Een Bicep-sjabloon is een tekstdocument dat de resources definieert die nodig zijn voor een implementatie. Het kan ook implementatieparameters opgeven. Parameters worden gebruikt om invoerwaarden op te geven bij het gebruik van de sjabloon.

De sjabloon die in dit artikel wordt gebruikt, vindt u op https://github.com/Azure/azure-quickstart-templates/tree/master/quickstarts/microsoft.machinelearningservices/aistudio-basics. Zowel het bronbestand main.bicep als het gecompileerde Azure Resource Manager-sjabloonbestand (main.json) zijn beschikbaar. Met deze sjabloon maakt u de volgende bronnen:

  • Een Azure-resourcegroep (als deze nog niet bestaat)
  • Een Azure AI Foundry-hub
  • Azure-opslagaccount
  • Azure Key Vault
  • Azure Container Registry
  • Azure Application Insights
  • Azure AI-services (gemaakt door de sjabloon)

Vereisten

  • Een Azure-abonnement. Als u nog geen account hebt, kunt u een gratis account maken.

  • Een kopie van de sjabloonbestanden uit de GitHub-opslagplaats. Als u de GitHub-opslagplaats naar uw lokale computer wilt klonen, kunt u Git gebruiken. Gebruik de volgende opdracht om de quickstart-opslagplaats naar uw lokale computer te klonen en naar de aistudio-basics map te navigeren.

    git clone https://github.com/Azure/azure-quickstart-templates
cd azure-quickstart-templates/quickstarts/microsoft.machinelearningservices/aistudio-basics

  • De Bicep-opdrachtregelprogramma's. Als u de Bicep-opdrachtregelprogramma's wilt installeren, gebruikt u het artikel Bicep CLI installeren.

Informatie over de sjabloon

De Bicep-sjabloon bestaat uit de volgende bestanden:

Bestand Beschrijving
main.bicep Het belangrijkste Bicep-bestand dat de parameters en variabelen definieert. Parameters en variabelen doorgeven aan andere modules in de modules submap.
ai-hub.bicep Definieert de hub.
afhankelijke resources.bicep Definieert de afhankelijke resources voor de hub, zoals Azure Storage-account, Container Registry, Key Vault en Application Insights.

Belangrijk

De voorbeeldsjablonen gebruiken mogelijk niet altijd de nieuwste API-versie voor de Azure-resources die worden gemaakt. Voordat u de sjabloon gebruikt, raden we u aan deze te wijzigen om de nieuwste API-versies te gebruiken. Elke Azure-service heeft een eigen set API-versies. Raadpleeg de servicegegevens in de Naslaginformatie over de Azure REST API voor informatie over de API voor een specifieke service.

De hub is gebaseerd op Azure Machine Learning. Zie de naslaginformatie over de Azure Machine Learning REST API voor informatie over de nieuwste API-versies voor Azure Machine Learning. Als u deze API-versie wilt bijwerken, zoekt u de Microsoft.MachineLearningServices/<resource> vermelding voor het resourcetype en werkt u deze bij naar de nieuwste versie. Het volgende voorbeeld is een vermelding voor een hub die gebruikmaakt van een API-versie van 2023-08-01-preview:

resource aiResource 'Microsoft.MachineLearningServices/workspaces@2023-08-01-preview' = {

Azure Resource Manager-sjabloon

Hoewel bicep domain-specific language (DSL) wordt gebruikt om de resources te definiëren, wordt het Bicep-bestand gecompileerd in een Azure Resource Manager-sjabloon wanneer u de sjabloon implementeert. Het main.json bestand dat is opgenomen in de GitHub-opslagplaats is een gecompileerde Azure Resource Manager-versie van de sjabloon. Dit bestand wordt gegenereerd op basis van het main.bicep bestand met behulp van de Bicep-opdrachtregelprogramma's. Wanneer u bijvoorbeeld de Bicep-sjabloon implementeert, wordt het main.json bestand gegenereerd. U kunt het main.json bestand ook handmatig maken met behulp van de bicep build opdracht zonder de sjabloon te implementeren.

bicep build main.bicep

Zie het Bicep CLI-artikel voor meer informatie.

De sjabloon configureren

Gebruik de volgende opdrachten uit de map om de Bicep-sjabloon uit te aistudio-basics voeren:

  1. Gebruik de volgende opdracht om een nieuwe Azure-resourcegroep te maken. Vervang exampleRG door de naam van uw resourcegroep en eastus door de Azure-regio die u wilt gebruiken:

    az group create --name exampleRG --location eastus

  2. Gebruik de volgende opdracht om de sjabloon uit te voeren. Vervang myai door de naam die u voor uw resources wilt gebruiken. Deze waarde wordt gebruikt, samen met gegenereerde voor- en achtervoegsels, om een unieke naam te maken voor de resources die door de sjabloon zijn gemaakt.

    Tip

    Het aiHubName moet 5 of minder tekens zijn. Het mag niet volledig numeriek zijn of de volgende tekens bevatten: ~ ! @ # $ % ^ & * ( ) = + _ [ ] { } \ | ; : . ' " , < > / ?.

    az deployment group create --resource-group exampleRG --template-file main.bicep --parameters aiHubName=myai

    Zodra de bewerking is voltooid, kunt u uw hub gebruiken om projecten te maken, resources te beheren en samen te werken met anderen.

Volgende stappen