Criar um projeto no portal do Azure AI Foundry

Este artigo descreve como criar um projeto do Azure AI Foundry. Um projeto é usado para organizar seu trabalho e salvar o estado enquanto cria aplicativos de IA personalizados.

Os projetos são hospedados por um hub do Azure AI Foundry. Se sua empresa tiver uma equipe administrativa que criou um hub para você, você poderá criar um projeto a partir desse hub. Se você estiver trabalhando por conta própria, poderá criar um projeto e um hub padrão será criado automaticamente para você.

Para obter mais informações sobre o modelo de projetos e hubs, consulte Azure AI Foundry hubs.

Pré-requisitos

• Uma subscrição do Azure. Se não tiver uma subscrição do Azure, crie uma conta gratuita.
• Para etapas do SDK ou CLI do Python, um hub do Azure AI Foundry. Se você não tiver um hub, consulte Como criar e gerenciar um hub do Azure AI Foundry.
• Para o Azure AI Foundry, não é necessário um hub. Ele é criado para você quando necessário.

Criar um projeto

Use as seguintes guias para selecionar o método que você planeja usar para criar um projeto:

Portal do Azure AI Foundry

Para criar um projeto no Azure AI Foundry, siga estas etapas:

1. Vá para Azure AI Foundry. Se você estiver em um projeto, selecione Azure AI Foundry no canto superior esquerdo da página para ir para a página inicial .

2. Selecione + Criar projeto.

3. Introduza um nome para o projeto.

4. Se você tiver um hub, verá o que você usou mais recentemente selecionado.

   • Se você tiver acesso a mais de um hub, poderá selecionar um hub diferente na lista suspensa.

   • Se quiser criar um novo, selecione Criar novo hub e forneça um nome. Se você quiser personalizar os valores padrão, consulte a próxima seção.

     

5. Se você não tiver um hub, um padrão será criado para você. Se você quiser personalizar os valores padrão, consulte a próxima seção.

6. Selecione Criar um projeto. Ou, se você quiser personalizar um novo hub, siga as etapas na próxima seção.

Personalizar o hub

Os projetos vivem dentro de um hub. Um hub permite que você compartilhe configurações, como conexões de dados, com todos os projetos e gerencie centralmente as configurações de segurança e os gastos. Se você fizer parte de uma equipe, os hubs serão compartilhados entre outros membros da equipe em sua assinatura. Para obter mais informações sobre a relação entre hubs e projetos, consulte a documentação de visão geral de hubs e projetos.

Ao criar um novo hub, você deve ter permissões de Proprietário ou Colaborador no grupo de recursos selecionado. Se você fizer parte de uma equipe e não tiver essas permissões, o administrador deverá criar um hub para você.

Embora você possa criar um hub como parte da criação do projeto, você tem mais controle e pode definir configurações mais avançadas para o hub se criá-lo separadamente. Por exemplo, você pode personalizar a segurança de rede ou a conta de Armazenamento do Azure subjacente. Para obter mais informações, consulte Como criar e gerenciar um hub do Azure AI Foundry.

Quando você cria um novo hub como parte da criação do projeto, as configurações padrão são fornecidas. Se você quiser personalizar essas configurações, faça isso antes de criar o projeto:

1. No formulário Criar um projeto, selecione Personalizar.

   

2. Selecione um grupo de recursos existente que você deseja usar ou deixe o padrão para criar um novo grupo de recursos.

   Gorjeta

   Especialmente para começar, é recomendável criar um novo grupo de recursos para seu projeto. Isso permite que você gerencie facilmente o projeto e todos os seus recursos juntos. Quando você cria um projeto, vários recursos são criados no grupo de recursos, incluindo um hub, um registro de contêiner e uma conta de armazenamento.

3. Selecione um local ou use o padrão. O local é a região onde o hub está hospedado. A localização do hub é também a localização do projeto. A disponibilidade dos serviços de IA do Azure difere por região. Por exemplo, certos modelos podem não estar disponíveis em determinadas regiões.

4. Selecione um recurso de serviços de IA do Azure existente (incluindo o Azure OpenAI) na lista suspensa, se tiver um, ou use o padrão para criar um novo recurso.

   

5. Selecione Criar um projeto. Você vê o progresso da criação de recursos e o projeto é criado quando o processo é concluído.

   

Python SDK

O código nesta seção pressupõe que você tenha um hub existente. Se você não tiver um hub, consulte Como criar e gerenciar um hub do Azure AI Foundry para criar um.

1. Instale o Python conforme descrito no início rápido do SDK.

2. Instale o SDK do Azure Machine Learning v2.

3. Instale azure-identity: pip install azure-identity. Se estiver em uma célula do bloco de anotações, use %pip install azure-identity.

4. Forneça os detalhes da sua subscrição:

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

5. Obtenha um identificador para a assinatura. Todo o código Python neste artigo 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) Se você tiver várias contas, adicione a ID do locatário da ID do Microsoft Entra que deseja usar no DefaultAzureCredential. Encontre sua ID de locatário no portal do Azure em Microsoft Entra ID, Identidades Externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Opcional) Se estiver a trabalhar nas regiões Azure Government - US ou Azure China 21Vianet , especifique a região na qual pretende autenticar. Você pode especificar a região com DefaultAzureCredential. O exemplo a seguir autentica na região Azure Government - EUA:

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

8. Use o código a seguir para criar um projeto a partir de um hub criado anteriormente por você ou pelo administrador. Substitua valores de cadeia de caracteres de exemplo por seus próprios valores:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

CLI do Azure

O código nesta seção pressupõe que você tenha um hub existente. Se você não tiver um hub, consulte Como criar e gerenciar um hub do Azure AI Foundry para criar um.

1. Se você não tiver a CLI do Azure e a extensão de aprendizado de máquina instaladas, siga as etapas no artigo Instalar e configurar a extensão de aprendizado de máquina.

2. Para autenticar na sua subscrição do Azure a partir da CLI do Azure, utilize o seguinte comando:

   az login
   

   Para obter mais informações sobre autenticação, consulte Métodos de autenticação.

3. Depois que a extensão for instalada e autenticada em sua assinatura do Azure, use o seguinte comando para criar um novo projeto do Azure AI Foundry a partir de um hub existente do Azure AI Foundry:

   az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
   

Ver configurações do projeto

Portal do Azure AI Foundry

Na página Visão geral do projeto, você pode encontrar informações sobre o projeto.

• Nome: O nome do projeto aparece no canto superior esquerdo. Você pode renomear o projeto usando a ferramenta de edição.
• Assinatura: a assinatura que hospeda o hub que hospeda o projeto.
• Grupo de recursos: o grupo de recursos que hospeda o hub que hospeda o projeto.

Selecione Centro de gerenciamento para navegar até os recursos do projeto no portal do Azure AI Foundry. Selecione Gerenciar no portal do Azure para navegar até os recursos do projeto no portal do Azure.

Python SDK

Para gerenciar ou usar o novo projeto, inclua-o MLClientno :

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())

CLI do Azure

Para exibir as configurações do projeto, use o az ml workspace show comando. Por exemplo:

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}

Acessar recursos do projeto

As configurações comuns no hub são compartilhadas com seu projeto, incluindo conexões, instâncias de computação e acesso à rede, para que você possa começar a desenvolver imediatamente.

Além disso, vários recursos só são acessíveis pelos usuários no espaço de trabalho do projeto:

• Componentes, incluindo conjuntos de dados, fluxos, índices, pontos de extremidade de API de modelo implantados (abertos e sem servidor).

• Conexões criadas por você em 'configurações do projeto'.

• Contêineres de blob de Armazenamento do Azure e um compartilhamento de arquivos para carregamento de dados em seu projeto. Acesse o armazenamento usando as seguintes conexões:

  Conexão de dados	Localização de armazenamento	Propósito
  workspaceblobstore	{project-GUID}-azureml-blobstore	Contêiner padrão para uploads de dados
  workspaceartifactstore	{project-GUID}-azureml	Armazena componentes e metadados para seu projeto, como pesos de modelo
  workspacefilestore	{project-GUID}-código	Hospeda arquivos criados em sua computação e usando fluxo de prompt

Nota

As conexões de armazenamento não são criadas diretamente com o projeto quando sua conta de armazenamento tem o acesso à rede pública definido como desativado. Em vez disso, eles são criados quando um primeiro usuário acessa o Azure AI Foundry por meio de uma conexão de rede privada. Solucionar problemas de conexões de armazenamento

Conteúdos relacionados

• Implantar um aplicativo Web de bate-papo corporativo
• Saiba mais sobre o Azure AI Foundry
• Saiba mais sobre hubs