Erstellen eines Projekts in Azure KI Studio

In diesem Artikel wird beschrieben, wie Sie ein Azure KI Studio-Projekt erstellen. Ein Projekt wird verwendet, um Ihre Arbeit zu organisieren und den Zustand zu speichern, während Sie benutzerdefinierte KI-Apps erstellen.

Projekte werden von einem Azure KI Studio-Hub gehostet, der Sicherheit auf Unternehmensniveau und eine Zusammenarbeitsumgebung bietet. Weitere Informationen zu den Projekten und dem Ressourcenmodell finden Sie unter Azure KI Studio-Hubs.

Erstellen eines Projekts

Verwenden Sie die folgenden Registerkarten, um die Methode auszuwählen, die Sie zum Erstellen eines Projekts verwenden möchten:

Azure KI Studio

Um ein Azure KI-Projekt in Azure KI Studio zu erstellen, führen Sie diese Schritte aus:

1. Wechseln Sie zur Homepage von Azure KI Studio.

2. Wählen Sie + New project aus.

3. Geben Sie einen Namen für das Projekt ein.

4. Wählen Sie in der Dropdownliste einen Hub zum Hosten Ihres Projekts aus. Wenn Sie noch keinen Zugriff auf einen Hub haben, wählen Sie Neuen Hub erstellen aus.

   

   Hinweis

   Zum Erstellen eines Hub benötigen Sie Berechtigungen als Besitzer oder Mitwirkender für die ausgewählte Ressourcengruppe. Es wird empfohlen, einen Hub für Ihr Team freizugeben. So können Sie Konfigurationen wie Datenverbindungen für alle Projekte gemeinsam nutzen und Sicherheitseinstellungen und Ausgaben zentral verwalten. Weitere Optionen zum Erstellen eines Hubs finden Sie unter Erstellen und Verwalten eines Azure KI Studio-Hubs. Ein Projektname muss zwischen Projekten, die denselben Hub verwenden, eindeutig sein.

5. Wenn Sie einen neuen Hub erstellen, geben Sie einen Namen ein.

6. Wählen Sie Ihr Azure-Abonnement aus dem Dropdownmenü Abonnement aus. Wählen Sie für Ihr Projekt ein bestimmtes Azure-Abonnement für Abrechnungs-, Zugriffs- oder Verwaltungszwecke aus. Dadurch wird Benutzer*innen und Dienstprinzipalen beispielsweise Zugriff auf Abonnementebene auf Ihr Projekt gewährt.

7. Übernehmen Sie für die Ressourcengruppe die Standardressourcengruppe, um eine neue Ressourcengruppe zu erstellen. Alternativ dazu können Sie eine vorhandene Ressourcengruppe aus der Dropdownliste auswählen.

   Tipp

   Insbesondere für die ersten Schritte wird empfohlen, eine neue Ressourcengruppe für Ihr Projekt zu erstellen. Auf diese Weise können Sie das Projekt und alle zugehörigen Ressourcen problemlos zusammen verwalten. Wenn Sie ein Projekt erstellen, werden mehrere Ressourcen in der Ressourcengruppe erstellt, einschließlich eines Hub, einer Containerregistrierung und eines Speicherkontos.

8. Geben Sie den Speicherort für den Hub ein, und wählen Sie dann Weiter aus. Der Speicherort ist die Region, in der der Hub gehostet wird. Der Speicherort des Hubs ist auch der Speicherort des Projekts. Die Verfügbarkeit von Azure KI-Diensten unterscheidet sich je nach Region. Beispielsweise sind bestimmte Modelle in bestimmten Regionen möglicherweise nicht verfügbar.

9. Wählen Sie eine vorhandene Azure KI Services-Ressource (einschließlich Azure OpenAI) aus der Dropdownliste aus, oder erstellen Sie eine neue Ressource.

   

10. Auf der Seite Überprüfen und Fertigstellen werden der Name der Azure KI Services-Ressource und andere Einstellungen angezeigt, die Sie überprüfen sollten.

    

11. Überprüfen Sie die Projektdetails, und wählen Sie dann Projekt erstellen aus. Sie sehen den Fortschritt der Ressourcenerstellung. Das Projekt wird erstellt, wenn der Prozess abgeschlossen ist.

    

Sobald ein Projekt erstellt worden ist, können Sie im linken Navigationsbereich auf den Playground, die Tools und andere Objekte zugreifen.

Python SDK

1. Installieren Sie Python, wie im SDK-Schnellstart beschrieben.

2. Installieren Sie das Azure Machine Learning SDK v2.

3. Installieren Sie azure-identity: pip install azure-identity. Verwenden Sie in einer Notebookzelle %pip install azure-identity.

4. Geben Sie Ihre Abonnementdetails an:

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

5. Rufen Sie ein Handle für das Abonnement ab. Der gesamte Python-Code in diesem Artikel verwendet 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. (Optional) Wenn Sie über mehrere Konten verfügen, fügen Sie die Mandanten-ID der Microsoft Entra ID-Instanz, die Sie verwenden möchten, in DefaultAzureCredential hinzu. Ihre Mandanten-ID finden Sie im Azure-Portal unter Microsoft Entra ID, Externe Identitäten.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Optional:) Wenn Sie in den Regionen Azure Government – USA oder Azure China 21Vianet arbeiten, geben Sie die Region an, in der Sie die Authentifizierung durchführen möchten. Sie können die Region über DefaultAzureCredential angeben. Das folgende Beispiel führt die Authentifizierung in der Region „Azure Government – USA“ aus:

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

8. Verwenden Sie den folgenden Code, um ein Projekt aus einem Hub zu erstellen, den Sie zuvor erstellt haben oder Ihr Administrator zuvor erstellt hat. Ersetzen Sie die Beispielzeichenfolge durch Ihre eigenen Werte:

   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-Befehlszeilenschnittstelle

1. Wenn Sie die Azure CLI- und Machine Learning-Erweiterung nicht installiert haben, führen Sie die Schritte im Artikel Installieren und Einrichten der Machine Learning-Erweiterung aus.

2. Führen Sie den folgenden Befehl aus, um sich über die Azure CLI bei Ihrem Azure-Abonnement zu authentifizieren.

   az login
   

   Weitere Informationen zur Authentifizierung finden Sie unter Authentifizierungsmethoden.

3. Nachdem die Erweiterung installiert und bei Ihrem Azure-Abonnement authentifiziert wurde, verwenden Sie den folgenden Befehl, um ein neues Azure KI-Projekt aus einem vorhandenen Azure KI-Hub zu erstellen:

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

Projekteinstellungen

Azure KI Studio

Auf der Seite Einstellungen des Projekts finden Sie Informationen zum Projekt, z. B. den Projektnamen, die Beschreibung und den Hub, der das Projekt hostet. Dort finden Sie auch die Projekt-ID, die verwendet wird, um das Projekt über das SDK oder die API zu identifizieren.

• Name: Der Name des Projekts entspricht dem ausgewählten Projekt im linken Bereich.
• Hub: der Hub, der das Projekt hosten soll.
• Standort: der Standort des Hubs, der das Projekt hostet. Unterstützte Speicherorte finden Sie unter Azure KI Studio-Regionen.
• Abonnement: das Abonnement, das den Hub hostet, der das Projekt hostet.
• Ressourcengruppe: die Ressourcengruppe, die den Hub hostet, der das Projekt hostet.

Wählen Sie Im Azure-Portal verwalten aus, um zu den Projektressourcen im Azure-Portal zu navigieren.

Python SDK

Um das neue Projekt zu verwenden oder zu verwalten, fügen Sie es in MLClient ein.

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

Azure-Befehlszeilenschnittstelle

Verwenden Sie den Befehl az ml workspace show, um die Einstellungen für das Projekt anzuzeigen. Zum Beispiel:

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

Zugriff auf Projektressourcen

Allgemeine Konfigurationen auf dem Hub werden für Ihr Projekt freigegeben, einschließlich Verbindungen, Compute-Instanzen und Netzwerkzugriff, sodass Sie sofort mit der Entwicklung beginnen können.

Darüber hinaus kann nur von Benutzern in Ihrem Projektarbeitsbereich auf eine Reihe von Ressourcen zugegriffen werden:

1. Komponenten, einschließlich Datasets, Flows, Indizes und bereitgestellte Modell-API-Endpunkte (offen und serverlos)

2. Verbindungen, die von Ihnen unter „Projekteinstellungen“ erstellt wurden

3. Azure Storage Blob-Container und eine Dateifreigabe für den Datenupload in Ihrem Projekt. Greifen Sie mithilfe der folgenden Verbindungen auf den Speicher zu:

   Datenverbindung	Speicherort	Zweck
   workspaceblobstore	{project-GUID}-blobstore	Standardcontainer für den Datenupload
   workspaceartifactstore	{project-GUID}-blobstore	Speichert Komponenten und Metadaten für Ihr Projekt, z. B. Modellgewichtungen
   workspacefilestore	{project-GUID}-code	Hostet Dateien, die auf Ihrem Computer erstellt wurden, und verwendet Prompt Flow

Hinweis

Speicherverbindungen werden nicht direkt mit dem Projekt erstellt, wenn für Ihr Speicherkonto der Zugriff auf das öffentliche Netzwerk auf „Deaktiviert“ festgelegt ist. Diese werden stattdessen erstellt, wenn ein erster Benutzer über eine private Netzwerkverbindung auf KI Studio zugreift. Problembehandlung für Speicherverbindungen

Nächste Schritte

• Bereitstellen einer Unternehmenschat-Web-App
• Weitere Informationen zu Azure KI Studio
• Weitere Informationen zu Hubs