Partilhar via

Personalizar a imagem base para a sessão de computação

  • Artigo

Esta seção pressupõe que você tenha conhecimento dos ambientes Docker e Azure Machine Learning.

Etapa 1: Preparar o contexto do docker

Criar image_build pasta

Em seu ambiente local, criar uma pasta contém os seguintes arquivos, a estrutura de pastas deve ter esta aparência:

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

Defina seus pacotes necessários em requirements.txt

Opcional: Adicione pacotes no repositório pypi privado.

Usando o seguinte comando para baixar seus pacotes para o local: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

Abra o requirements.txt arquivo e adicione seus pacotes extras e versão específica nele. Por exemplo:

###### 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

Para obter mais informações sobre como estruturar o requirements.txt arquivo, consulte Formato de arquivo de requisitos na documentação do pip.

Defina o Dockerfile

Crie um Dockerfile e adicione o seguinte conteúdo e, em seguida, salve o arquivo:

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

Nota

Esta imagem do docker deve ser construída a partir da imagem base do fluxo de prompt que é mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>. Se possível, use a versão mais recente da imagem base.

Etapa 2: Criar um ambiente personalizado do Azure Machine Learning

Defina seu ambiente em environment.yaml

Em sua computação local, você pode usar a CLI (v2) para criar um ambiente personalizado com base na imagem do docker.

Nota

az login # if not already authenticated

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

Abra o environment.yaml arquivo e adicione o seguinte conteúdo. Substitua o espaço reservado environment_name> pelo nome do <ambiente desejado.

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

Criar um ambiente

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

Nota

A criação da imagem do ambiente pode levar vários minutos.

Vá para a página da interface do usuário do espaço de trabalho, vá para a página do ambiente e localize o ambiente personalizado que você criou.

Você também pode encontrar a imagem na página de detalhes do ambiente e usá-la como imagem base para a sessão de computação do fluxo de prompt. Esta imagem também será usada para criar um ambiente para implantação de fluxo a partir da interface do usuário. Saiba mais como especificar a imagem base na sessão de computação.

Para saber mais sobre a CLI do ambiente, consulte Gerenciar ambientes.

Próximos passos