Compartir a través de


Personalización de la imagen base para la sesión de proceso

Esta sección asume que tiene conocimientos de Docker y los entornos de Azure Machine Learning.

Paso 1: Preparación del contexto de Docker

Crear carpeta de image_build

En su entorno local, cree una carpeta que contenga los siguientes archivos, la estructura de la carpeta debe tener este aspecto:

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

Defina los paquetes necesarios en requirements.txt

Opcional: agregue paquetes en el repositorio pypi privado.

Use el siguiente comando para descargar los paquetes en local: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

Abra el archivo requirements.txt y añada los paquetes adicionales y la versión específica. Por ejemplo:

###### 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

Para obtener más información sobre cómo estructurar el archivo requirements.txt, consulte Formato de archivo de requisitos en la documentación de pip.

Defina el Dockerfile

Cree un Dockerfile y agregue el siguiente contenido, después guarde el archivo:

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

Nota

Esta imagen de Docker debe compilarse a partir de la imagen base de flujo de solicitudes que es mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>. Si es posible, utilice la última versión de la imagen de base.

Paso 2: Crear un entorno personalizado de Azure Machine Learning

Defina su entorno en environment.yaml

En su equipo local, puede utilizar la CLI (v2) para crear un entorno personalizado basado en su imagen de Docker.

Nota

az login # if not already authenticated

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

Abra el archivo environment.yaml y agregue el siguiente contenido. Sustituya el marcador de posición <environment_name> por el nombre del entorno que desee.

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

Crear un entorno

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

Nota:

La creación de la imagen de entorno puede tardar varios minutos.

Vaya a la página de interfaz de usuario de su área de trabajo, después vaya a la página de entorno y localice el entorno personalizado que ha creado.

También puede encontrar la imagen en la página de detalles del entorno y usarla como imagen base para la sesión de proceso del flujo de avisos. Esta imagen también se usará para compilar el entorno para la implementación de flujo desde la interfaz de usuario. Más información sobre cómo especificar la imagen base en la sesión de proceso.

Para más información sobre la CLI de entornos, consulte Administración de entornos.

Pasos siguientes