共用方式為

使用 Azure Machine Learning SDK 和 CLI 建立中樞

  • 發行項

重要

本文中標示為 (預覽) 的項目目前處於公開預覽狀態。 此預覽版本沒有服務等級協定，不建議將其用於生產工作負載。 可能不支援特定功能，或可能已經限制功能。 如需詳細資訊，請參閱 Microsoft Azure 預覽版增補使用條款。

在本文中，您將瞭解如何使用 Azure 機器學習 SDK 和 Azure CLI 建立下列 Azure AI Foundry 資源（搭配機器學習延伸模組）：

  • Azure AI Foundry 中樞
  • Azure AI Services 連線

必要條件

設定您的環境

使用下列索引標籤來選取您是否使用 Python SDK 或 Azure CLI：

  1. 依照 SDK 快速入門 中所述安裝 Python。

  2. 安裝 Azure Machine Learning SDK v2。

  3. 安裝 azure-identity：pip install azure-identity。 如果在筆記本資料格中， 請使用 %pip install azure-identity。

  4. 提供您的訂用帳戶詳細資料：

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

  5. 取得訂用帳戶的控制代碼。 本文中的所有 Python 程式碼都會使用 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. (選擇性) 如果您有多個帳戶，請將您想要使用的 Microsoft Entra ID 租用戶識別碼新增至 DefaultAzureCredential。 在 Azure 入口網站的 [Microsoft Entra ID，外部身分識別] 下，尋找您的租用戶識別碼。

    DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")

  7. (選擇性) 如果您正在 Azure Government - US 或 Azure China 21Vianet 區域，請指定您要驗證的區域。 您可以使用 DefaultAzureCredential 來指定區域。 下列範例會向 Azure Government - 美國區域進行驗證：

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

建立 Azure AI Foundry 中樞和 AI 服務連線

使用下列範例來建立新的中樞。 請以您自己的值取代範例字串：

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()

建立 AI 服務連線

建立自己的 AI 服務之後，您可以將它連線到您的中樞：

from azure.ai.ml.entities import AzureAIServicesConnection

# constrict an AI Services connection
my_connection_name = "myaiservivce"
my_endpoint = "demo.endpoint" # this could also be called target
my_api_keys = None # leave blank for Authentication type = AAD
my_ai_services_resource_id = "" # ARM id required

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)

使用現有的相依性資源建立 Azure AI Foundry 中樞

您也可以使用現有的資源來建立中樞，例如 Azure 儲存體 和 Azure 金鑰保存庫。 在下列範例中，將範例字串值取代為您自己的值：

提示

您可以移至資源的概觀並選取 JSON 檢視，從 Azure 入口網站擷取記憶體帳戶和金鑰保存庫的資源識別碼。 資源標識碼位於 [ 標識符 ] 字段中。 您也可以使用 Azure CLI 來擷取資源識別碼。 例如，az storage account show --name {my_storage_account_name} --query "id" 與 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()