Erstellen eines Hubs mit dem Azure Machine Learning-SDK und der CLI

Von Bedeutung

Die in diesem Artikel markierten Elemente (Vorschau) sind aktuell als öffentliche Vorschau verfügbar. Diese Vorschauversion wird ohne Vereinbarung zum Servicelevel bereitgestellt und sollte nicht für Produktionsworkloads verwendet werden. Manche Features werden möglicherweise nicht unterstützt oder sind nur eingeschränkt verwendbar. Weitere Informationen finden Sie unter Zusätzliche Nutzungsbestimmungen für Microsoft Azure-Vorschauen.

In diesem Artikel erfahren Sie, wie Sie die folgenden Azure AI Foundry-Ressourcen mithilfe des Azure Machine Learning SDK und der Azure CLI (mit Machine Learning-Erweiterung) erstellen:

• Ein Azure KI Foundry-Hub
• Eine Azure KI Services-Verbindung

Hinweis

Ein Hub wird nur für ein hubbasiertes Projekt verwendet. Ein Foundry-Projekt verwendet keinen Hub. Weitere Informationen finden Sie unter Projekttypen.

Voraussetzungen

• Ein Azure-Abonnement. Wenn Sie kein Azure-Abonnement besitzen, können Sie ein kostenloses Konto erstellen, bevor Sie beginnen. Probieren Sie noch heute die kostenlose oder kostenpflichtige Version von Azure KI Foundry aus.

Richten Sie Ihre Umgebung ein

Verwenden Sie die folgenden Registerkarten, um auszuwählen, ob Sie das Python SDK oder die Azure CLI verwenden:

Python SDK

1. Installieren von Paketen. (Verwenden Sie %pip install stattdessen in einer Notizbuchzelle.)

   pip install azure-ai-ml
   pip install azure-identity
   

2. Geben Sie Ihre Abonnementdetails an:

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

3. 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)

4. (Optional) Wenn Sie mehrere Konten haben, fügen Sie die Mandanten-ID der gewünschten Microsoft Entra ID in DefaultAzureCredential ein. Ihre Mandanten-ID finden Sie im Azure-Portal unter Microsoft Entra ID, Externe Identitäten.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (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 authentifiziert sich in der Azure Government-US-Region:

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

Azure CLI

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.

Erstellen des Azure AI Foundry-Hubs und der Azure KI Services-Verbindung

Verwenden Sie die folgenden Beispiele, um einen neuen Hub zu erstellen. Ersetzen Sie die Beispielzeichenfolge durch Ihre eigenen Werte:

Python SDK

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()

Azure CLI

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name}

AI-Foundry-Verbindung erstellen

Nachdem Sie ihre eigene KI Foundry-Ressource oder Azure OpenAI-Ressource in derselben Ressourcengruppe erstellt haben, können Sie sie mit Ihrem Hub verbinden. Sie können Azure AI Search auch über jede Ressourcengruppe in Ihremselben Abonnement verbinden.

Python SDK

1. Ihre ml_client-Verbindung muss jetzt Ihren Hub enthalten:

   • Geben Sie Ihre Abonnementdetails an. Verwenden Sie für <AML_WORKSPACE_NAME> Ihren Hubnamen:

     # Enter details of your AML workspace
     subscription_id = "<SUBSCRIPTION_ID>"
     resource_group = "<RESOURCE_GROUP>"
     workspace = "<AML_WORKSPACE_NAME>"

   • Rufen Sie sich einen Handle für den Hub ab:

     # 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
     )

2. Verwenden Sie ml_client, um die Verbindung zu Ihren KI-Diensten herzustellen. Endpunkte finden Sie im Azure-Portal unter Ressourcenverwaltungsschlüssel > und Endpunkte. Verwenden Sie für eine AI Foundry-Ressource den AI Services-Endpunkt . Verwenden Sie für Azure AI Search die URL für den Endpunkt.

   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 portal
   my_endpoint = "<endpoint>" # copy from Azure 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)
   

Azure CLI

az ml connection create --file {connection.yml} --resource-group {my_resource_group} --workspace-name {my_hub_name}

Sie können entweder einen API-Schlüssel oder eine YAML-Konfigurationsdatei ohne Anmeldeinformationen verwenden. Weitere Informationen zur YAML-Konfigurationsdatei finden Sie im YAML-Verbindungsschema für KI Services:

• API-Schlüsselbeispiel:

  name: myazai_ei
  type: azure_ai_services
  endpoint: <endpoint for your AI Services>
  api_key: XXXXXXXXXXXXXXX
  ai_services_resource_id: <fully_qualified_resource_id>
  

• Ohne Anmeldeinformationen

  name: myazai_apk
  type: azure_ai_services
  endpoint: <endpoint for your AI Services>
  ai_services_resource_id: <fully_qualified_resource_id>
  

<fully_qualified_resource_id> ist die Ressourcen-ID Ihrer KI Services-Ressource. Sie liegt im Format /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.CognitiveServices/accounts/{aiservices_resource_name} vor.

Erstellen eines Azure AI Foundry-Hubs mithilfe von vorhandenen Abhängigkeitsressourcen

Sie können einen Hub auch mit vorhandenen Ressourcen wie Azure Storage und Azure Key Vault erstellen. Ersetzen Sie in den folgenden Beispielen die Beispielzeichenfolgewerte durch ihre eigenen Werte:

Tipp

Sie können die Ressourcen-ID des Speicherkontos und des Schlüsseltresors aus dem Azure-Portal abrufen, indem Sie zur Übersicht der Ressource wechseln und JSON-Ansicht auswählen. Die Ressourcen-ID befindet sich im Feld ID. Sie können auch die Azure CLI verwenden, um die Ressourcen-ID abzurufen. Beispiel: az storage account show --name {my_storage_account_name} --query "id" und az keyvault show --name {my_key_vault_name} --query "id".

Python SDK

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()

Azure CLI

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name} --location {hub-region} --storage-account {my_storage_account_id} --key-vault {my_key_vault_id}

Verwandte Inhalte

• Erste Schritte beim Erstellen einer Chat-App mit dem prompt flow-SDK
• Arbeiten mit Projekten in Visual Studio Code
• Konfigurieren eines verwalteten Netzwerks