Partager via

Utiliser un modèle Azure Resource Manager pour créer un hub Azure AI Studio

  • Article

Important

Certaines des fonctionnalités décrites dans cet article peuvent uniquement être disponibles en préversion. Cette préversion est fournie sans contrat de niveau de service, nous la déconseillons dans des charges de travail de production. Certaines fonctionnalités peuvent être limitées ou non prises en charge. Pour plus d’informations, consultez Conditions d’Utilisation Supplémentaires relatives aux Évaluations Microsoft Azure.

Utilisez un modèle Microsoft Bicep afin de créer un hub pour Azure AI Studio. Un modèle permet de créer des ressources sous la forme d’une seule opération coordonnée. Un modèle Bicep est un document texte qui définit les ressources nécessaires à un déploiement. Il peut également spécifier des paramètres de déploiement. Les paramètres permettent de fournir des valeurs d’entrée lorsque vous utilisez le modèle.

Le modèle utilisé dans cet article est disponible à l’adresse https://github.com/Azure/azure-quickstart-templates/tree/master/quickstarts/microsoft.machinelearningservices/aistudio-basics. Le fichier source main.bicep et le fichier de modèle (main.json) Azure Resource Manager compilé sont disponibles. Ce modèle crée les ressources suivantes :

  • Un groupe de ressources Azure (s’il n’en existe pas déjà un)
  • Un hub Azure AI Studio
  • Compte Stockage Azure
  • Azure Key Vault
  • Azure Container Registry
  • Azure Application Insights
  • Azure AI services (créés par le modèle)

Prérequis

  • Un abonnement Azure. Si vous n’en avez pas, créez un compte gratuit.

  • Une copie des fichiers de modèle à partir du référentiel GitHub. Pour cloner le référentiel GitHub sur votre ordinateur local, vous pouvez utiliser Git. Utilisez la commande suivante pour cloner le référentiel de démarrage rapide sur votre ordinateur local et accédez au répertoire aistudio-basics.

    git clone https://github.com/Azure/azure-quickstart-templates
cd azure-quickstart-templates/quickstarts/microsoft.machinelearningservices/aistudio-basics

  • Outils en ligne de commande Bicep. Pour installer les outils en ligne de commande Bicep, utilisez l’article Installer l’interface CLI Bicep.

Compréhension du modèle

Le modèle Bicep est constitué des fichiers suivants :

Fichier Description
main.bicep Fichier Bicep principal qui définit les paramètres et les variables. Passage de variables et de paramètres à d’autres modules dans le sous-répertoire modules.
ai-hub.bicep Définit le hub.
dependent-resources.bicep Définit les ressources dépendantes pour le hub, comme le compte de stockage Azure, Container Registry, Key Vault et Application Insights.

Important

Les exemples de modèles n’utilisent peut-être pas toujours la dernière version d’API pour les ressources Azure qu’ils créent. Avant d’utiliser le modèle, nous vous recommandons de le modifier afin qu’il utilise les dernières versions d’API. Chaque service Azure a son propre ensemble de versions d’API. Pour plus d’informations sur l’API d’un service en particulier, consultez les informations du service dans Informations de référence sur les API REST Azure.

Le hub est basé sur Azure Machine Learning. Pour plus d’informations sur les dernières versions d’API pour Azure Machine Learning, consultez les informations de référence concernant l’API REST Azure Machine Learning. Pour mettre à jour cette version d’API, recherchez l’entrée Microsoft.MachineLearningServices/<resource> du type de ressource et mettez-la à jour vers la dernière version. L’exemple suivant est une entrée pour un hub qui utilise la version d’API 2023-08-01-preview :

resource aiResource 'Microsoft.MachineLearningServices/workspaces@2023-08-01-preview' = {

Modèle Azure Resource Manager

Bien que le langage dédié (DSL) Bicep soit utilisé pour définir les ressources, le fichier Bicep est compilé dans un modèle Azure Resource Manager lorsque vous déployez le modèle. Le fichier main.json inclus dans le référentiel GitHub est une version compilée d’Azure Resource Manager du modèle. Ce fichier est généré à partir du fichier main.bicep à l’aide des outils en ligne de commande Bicep. Par exemple, lorsque vous déployez le modèle Bicep, il génère le fichier main.json. Vous pouvez également créer manuellement le fichier main.json à l’aide de la commande bicep build sans déployer le modèle.

bicep build main.bicep

Pour plus d’informations, consultez l’article sur l’interface CLI Bicep.

Configurer le modèle

Pour exécuter le modèle Bicep, utilisez les commandes suivantes à partir du répertoire aistudio-basics :

  1. Pour créer un groupe de ressources Azure, utilisez la commande suivante. Remplacez exampleRG par le nom de votre groupe de ressources et eastus par la région Azure à utiliser :

    az group create --name exampleRG --location eastus

  2. Pour exécuter le modèle, utilisez la commande suivante. Remplacez myai par le nom à utiliser pour vos ressources. Cette valeur est utilisée, ainsi que les préfixes et suffixes générés, pour créer un nom unique pour les ressources créées par le modèle.

    Conseil

    aiResourceName doit comporter 5 caractères ou moins. Il ne peut pas être entièrement numérique ou contenir les caractères suivants : ~ ! @ # $ % ^ & * ( ) = + _ [ ] { } \ | ; : . ' " , < > / ?.

    az deployment group create --resource-group exampleRG --template-file main.bicep --parameters aiResourceName=myai

    Une fois l’opération terminée, vous pouvez utiliser votre hub pour créer des projets IA, gérer des ressources et collaborer avec d’autres personnes.

Étapes suivantes