共用方式為

自訂計算工作階段的基礎映像

  • 發行項

本節假設您已瞭解 Docker 和 Azure Machine Learning 環境。

步驟 1：準備 Docker 內容

建立 image_build 資料夾

在您的本機環境中，建立資料夾包含下列檔案，資料夾結構看起來應該像這樣：

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

在 requirements.txt 中定義您的必要套件

選擇性：在私人 pypi 存放庫中新增套件。

使用下列命令將套件下載到本機：pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

開啟 requirements.txt 檔案，並在其中新增您的額外套件和特定版本。 例如：

###### 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

如需建構 requirements.txt 檔案的詳細資訊，請參閱 pip 文件中的需求檔案格式。

定義 Dockerfile

建立 Dockerfile 並新增下列內容，然後儲存檔案：

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

注意

此 Docker 映像應該從 mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version> 的提示流程基礎映像組建。 如果可能的話，請使用最新版的基礎映像。

步驟 2：建立自訂 Azure Machine Learning 環境

在 environment.yaml 中定義您的環境

在您的本機計算中，您可以使用 CLI (v2) 根據您的 Docker 映像建立自訂環境。

注意

az login # if not already authenticated

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

開啟 environment.yaml 檔案，並新增下列內容。 將 <environment_name> 預留位置取代為您所需的環境名稱。

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

建立環境

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

注意

建置環境映像可能需要幾分鐘的時間。

移至工作區 UI 頁面，然後移至環境頁面，並找出您建立的自訂環境。

您也可以在環境詳細資料頁面中找到該映像，並將其用作提示流程計算工作階段的基礎映像。 此映像也會用來組建環境，以便從 UI 進行流程部署。 深入了解如何在計算工作階段中指定基礎映像。

若要深入瞭解環境 CLI，請參閱管理環境。

下一步