Создание концентратора с помощью пакета SDK Машинное обучение Azure и CLI
Внимание
Элементы, обозначенные в этой статье как (предварительная версия), сейчас предлагаются в общедоступной предварительной версии. Эта предварительная версия предоставляется без соглашения об уровне обслуживания, и мы не рекомендуем ее для рабочих нагрузок. Некоторые функции могут не поддерживаться или их возможности могут быть ограничены. Дополнительные сведения см. в статье Дополнительные условия использования Предварительных версий Microsoft Azure.
В этой статье вы узнаете, как создать следующие ресурсы Azure AI Foundry с помощью пакета SDK Машинное обучение Azure и Azure CLI (с расширением машинного обучения):
- Центр Azure AI Foundry
- Подключение к службам искусственного интеллекта Azure
Необходимые компоненты
- Подписка Azure. Если у вас еще нет подписки Azure, создайте бесплатную учетную запись, прежде чем начинать работу. Попробуйте бесплатную или платную версию Azure AI Foundry сегодня.
Настройка среды
Используйте следующие вкладки, чтобы выбрать, используете ли вы пакет SDK для Python или Azure CLI:
Установите Python, как описано в кратком руководстве по пакету SDK.
Установите azure-identity:
pip install azure-identity. Если в ячейке записной книжки, используйте%pip install azure-identity.Укажите сведения о подписке:
# Enter details of your subscription subscription_id = "<SUBSCRIPTION_ID>" resource_group = "<RESOURCE_GROUP>"Получите дескриптор подписки. Весь код Python в этой статье использует
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)(Необязательно) Если у вас несколько учетных записей, добавьте идентификатор клиента идентификатора Microsoft Entra, который вы хотите использовать в
DefaultAzureCredential. Найдите идентификатор клиента из портал Azure в разделе "Идентификатор Microsoft Entra", "Внешние удостоверения".DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")(Необязательно) Если вы работаете в регионах Azure для государственных организаций — США или Azure China 21Vianet, укажите регион, в который требуется пройти проверку подлинности. Можно указать регион с
DefaultAzureCredentialпомощью . В следующем примере выполняется проверка подлинности в регионе США Azure для государственных организаций:from azure.identity import AzureAuthorityHosts DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
Создание концентратора ИИ Azure и подключения служб ИИ
Используйте следующие примеры для создания нового концентратора. Замените примеры строковых значений собственными значениями:
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()
Создание подключения служб ИИ
После создания собственных служб ИИ его можно подключить к центру.
Теперь подключение
ml_clientдолжно включать центр:Укажите сведения о подписке. Для
<AML_WORKSPACE_NAME>этого используйте имя концентратора:# Enter details of your AML workspace subscription_id = "<SUBSCRIPTION_ID>" resource_group = "<RESOURCE_GROUP>" workspace = "<AML_WORKSPACE_NAME>"Получите дескриптор в концентратор:
# get a handle to the workspace from azure.ai.ml import MLClient from azure.identity import DefaultAzureCredential ml_client = MLClient( DefaultAzureCredential(), subscription_id, resource_group, workspace )
Используйте
ml_clientдля создания подключения к службам ИИ:from azure.ai.ml.entities import AzureAIServicesConnection # construct an AI Services connection my_connection_name = "myaiservivce" # any name you want aiservices_resource_name = <resource_name> # copy from Azure AI Foundry portal my_endpoint = "<endpoint>" # copy from Azure AI Foundry portal my_api_keys = None # leave blank for Authentication type = AAD my_ai_services_resource_id = f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.CognitiveServices/accounts/{aiservices_resource_name}" 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)
Создание центра Azure AI Foundry с помощью существующих ресурсов зависимостей
Вы также можете создать концентратор с помощью существующих ресурсов, таких как служба хранилища Azure и Azure Key Vault. В следующих примерах замените примеры строковых значений собственными значениями:
Совет
Вы можете получить идентификатор ресурса учетной записи хранения и хранилища ключей из портал Azure, перейдя в обзор ресурса и выбрав представление JSON. Идентификатор ресурса находится в поле идентификатора. Вы также можете использовать Azure CLI для получения идентификатора ресурса. Например, az storage account show --name {my_storage_account_name} --query "id" и 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()