Vytvoření projektu v Azure AI Studiu

Tento článek popisuje, jak vytvořit projekt Azure AI Studio. Projekt slouží k uspořádání práce a ukládání stavu při sestavování přizpůsobených aplikací AI.

Projekty jsou hostované centrem Azure AI Studio, které poskytuje zabezpečení na podnikové úrovni a prostředí pro spolupráci. Další informace o projektech a modelu prostředků najdete v centrech Azure AI Studio.

Vytvoření projektu

Pomocí následujících karet vyberte metodu, kterou chcete použít k vytvoření projektu:

Azure AI Studio

Pokud chcete vytvořit projekt v Azure AI Studiu, postupujte takto:

1. Přejděte na domovskou stránku azure AI Studia.

2. Vyberte + Nový projekt.

3. Zadejte název projektu.

4. V rozevíracím seznamu vyberte centrum pro hostování projektu. Pokud ještě nemáte přístup k centru, vyberte Vytvořit nové centrum.

   

   Poznámka:

   Pokud chcete vytvořit centrum, musíte mít oprávnění vlastníka nebo přispěvatele pro vybranou skupinu prostředků. Doporučujeme sdílet centrum s týmem. Díky tomu můžete sdílet konfigurace, jako jsou datová připojení, se všemi projekty a centrálně spravovat nastavení zabezpečení a útratu. Další možnosti vytvoření centra najdete v tématu vytvoření a správa centra Azure AI Studio. Název projektu musí být jedinečný mezi projekty, které sdílejí stejné centrum.

5. Pokud vytváříte nové centrum, zadejte název.

6. V rozevíracím seznamu Předplatné vyberte své předplatné Azure. Zvolte konkrétní předplatné Azure pro váš projekt z důvodů fakturace, přístupu nebo správy. To například uděluje uživatelům a instančním objektům přístup k vašemu projektu na úrovni předplatného.

7. Ponechte skupinu prostředků jako výchozí a vytvořte novou skupinu prostředků. Případně můžete v rozevíracím seznamu vybrat existující skupinu prostředků.

   Tip

   Zejména pro začátek se doporučuje vytvořit novou skupinu prostředků pro váš projekt. To vám umožní snadno spravovat projekt a všechny jeho zdroje společně. Při vytváření projektu se ve skupině prostředků vytvoří několik prostředků, včetně centra, registru kontejneru a účtu úložiště.

8. Zadejte umístění centra a pak vyberte Další. Umístění je oblast, ve které je centrum hostované. Umístění centra je také umístěním projektu. Dostupnost služeb Azure AI se liší v jednotlivých oblastech. Některé modely například nemusí být dostupné v určitých oblastech.

9. V rozevíracím seznamu vyberte existující prostředek služeb Azure AI (včetně Azure OpenAI) nebo vytvořte nový.

   

10. Na stránce Kontrola a dokončení se zobrazí název prostředku služby Azure AI a další nastavení, která chcete zkontrolovat.

    

11. Zkontrolujte podrobnosti projektu a pak vyberte Vytvořit projekt. Uvidíte průběh vytváření zdrojů a po dokončení procesu se projekt vytvoří.

    

Po vytvoření projektu můžete na levém navigačním panelu přistupovat k dětskému hřišti, nástrojům a dalším prostředkům.

Python SDK

1. Nainstalujte Python, jak je popsáno v rychlém startu sady SDK.

2. Nainstalujte sadu Azure Machine Learning SDK v2.

3. Nainstalujte azure-identity: pip install azure-identity. Pokud je v buňce poznámkového bloku, použijte %pip install azure-identity.

4. Zadejte podrobnosti o předplatném:

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

5. Získejte popisovač předplatného. Veškerý kód Pythonu v tomto článku používá 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. (Volitelné) Pokud máte více účtů, přidejte ID tenanta Microsoft Entra ID, které chcete použít do DefaultAzureCredential. Id tenanta najdete na webu Azure Portal v části Microsoft Entra ID a externí identity.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Volitelné) Pokud pracujete v oblastech Azure Government – USA nebo Azure China 21Vianet , zadejte oblast, do které chcete provést ověření. Oblast můžete zadat pomocí DefaultAzureCredentialparametru . Následující příklad se ověřuje v oblasti Azure Government – USA:

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

8. Pomocí následujícího kódu vytvořte projekt z centra, které jste vytvořili dříve, nebo z vašeho správce. Nahraďte ukázkové řetězcové hodnoty vlastními hodnotami:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_location = "East US"
   my_display_name = "My Example Project"
   hub_id = "" # Azure resource manager ID of the hub
   
   my_project = Project(name=my_hub_name, 
                   location=my_location,
                   display_name=my_display_name,
                   hub_id=created_hub.id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_hub).result() 
   

Azure CLI

1. Pokud nemáte nainstalované rozšíření Azure CLI a strojového učení, postupujte podle kroků v článku Instalace a nastavení rozšíření strojového učení.

2. K ověření předplatného Azure z Azure CLI použijte následující příkaz:

   az login
   

   Další informace o ověřování najdete v tématu Metody ověřování.

3. Po instalaci a ověření rozšíření pro vaše předplatné Azure pomocí následujícího příkazu vytvořte nový projekt Azure AI z existujícího centra Azure AI:

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

Nastavení projektu

Azure AI Studio

Na stránce Nastavení projektu najdete informace o projektu, například název projektu, popis a centrum, které projekt hostuje. Můžete také najít ID projektu, které slouží k identifikaci projektu prostřednictvím sady SDK nebo rozhraní API.

• Název: Název projektu odpovídá vybranému projektu na levém panelu.
• Centrum: Centrum, které je hostitelem projektu.
• Umístění: Umístění centra, které je hostitelem projektu. Podporovaná umístění najdete v oblastech Azure AI Studia.
• Předplatné: Předplatné, které je hostitelem centra, které je hostitelem projektu.
• Skupina prostředků: Skupina prostředků, která je hostitelem centra, které je hostitelem projektu.

Výběrem možnosti Spravovat na webu Azure Portal přejděte k prostředkům projektu na webu Azure Portal.

Python SDK

Pokud chcete spravovat nebo používat nový projekt, zahrňte ho do :MLClient

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

Azure CLI

Pokud chcete zobrazit nastavení projektu, použijte az ml workspace show příkaz. Příklad:

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

Přístup k prostředkům projektu

Běžné konfigurace v centru se sdílí s vaším projektem, včetně připojení, výpočetních instancí a síťového přístupu, takže můžete začít s vývojem hned.

Kromě toho je řada prostředků přístupná jenom uživatelům v pracovním prostoru projektu:

1. Komponenty, včetně datových sad, toků, indexů, koncových bodů rozhraní API nasazených modelů (otevřené a bezserverové).

2. Připojení vytvořená vámi v části Nastavení projektu

3. Kontejnery objektů blob služby Azure Storage a sdílená složka pro nahrání dat v rámci projektu. Přístup k úložišti pomocí následujících připojení:

   Datové připojení	Umístění úložiště	Účel
   workspaceblobstore	{project-GUID}-blobstore	Výchozí kontejner pro nahrání dat
   workspaceartifactstore	{project-GUID}-blobstore	Ukládá komponenty a metadata pro váš projekt, jako jsou váhy modelu.
   workspacefilestore	{project-GUID}-code	Hostuje soubory vytvořené ve výpočetním prostředí a pomocí toku výzvy

Poznámka:

Připojení k úložišti se nevytvořila přímo s projektem, pokud má váš účet úložiště nastavený přístup k veřejné síti, který je zakázaný. Místo toho se vytvoří, když první uživatel přistupuje k AI Studiu přes privátní síťové připojení. Řešení potíží s připojením k úložišti

Další kroky

• Nasazení podnikové chatovací webové aplikace
• Další informace o Azure AI Studiu
• Další informace o centrech