Projekt létrehozása az Azure AI Studióban

Ez a cikk bemutatja, hogyan hozhat létre Azure AI Studio-projektet. A projektekkel rendszerezheti a munkáját és mentheti az állapotot, miközben testre szabott AI-alkalmazásokat hoz létre.

A projekteket egy Azure AI Studio-központ üzemelteti, amely nagyvállalati szintű biztonságot és együttműködési környezetet biztosít. A projektekről és az erőforrások modelljéről további információt az Azure AI Studio Hubsban talál.

Előfeltételek

• Azure-előfizetés. Ha nem rendelkezik Azure-előfizetéssel, hozzon létre egy ingyenes fiókot.
• Egy Azure AI Studio-központ. Ha nem rendelkezik központokkal, tekintse meg az Azure AI Studio-központ létrehozását és kezelését ismertető témakört.

Projekt létrehozása

A projekt létrehozásához használni kívánt módszer kiválasztásához használja az alábbi lapokat:

Azure AI Studio

Ha projektet szeretne létrehozni az Azure AI Studióban, kövesse az alábbi lépéseket:

1. Nyissa meg az Azure AI Studio kezdőlapját.

2. Válassza az + Új projekt lehetőséget.

3. Adjon meg a projekt nevét.

4. Válasszon ki egy központot a legördülő listából a projekt üzemeltetéséhez. A központok és projektek közötti kapcsolatról a központok és projektek áttekintési dokumentációjában talál további információt. Ha még nem rendelkezik hubbal, válassza az Új központ létrehozása lehetőséget.

   

   Feljegyzés

   Központ létrehozásához tulajdonosi vagy közreműködői engedélyekkel kell rendelkeznie a kijelölt erőforráscsoporton. Javasoljuk, hogy ossza meg a központot a csapatával. Ez lehetővé teszi a konfigurációk, például az adatkapcsolatok megosztását az összes projekttel, és központilag kezelheti a biztonsági beállításokat és a kiadásokat. A hubok létrehozásának további lehetőségeiért tekintse meg az Azure AI Studio-központ létrehozásának és kezelésének módját. A projektnévnek egyedinek kell lennie az azonos központot használó projektek között.

5. Ha új központot hoz létre, adjon meg egy nevet.

6. Válassza ki azure-előfizetését az Előfizetés legördülő listából. Válasszon egy adott Azure-előfizetést a projekthez számlázási, hozzáférési vagy adminisztratív okokból. Ez például előfizetési szintű hozzáférést biztosít a felhasználóknak és a szolgáltatásneveknek a projekthez.

7. Hagyja az erőforráscsoportot alapértelmezettként egy új erőforráscsoport létrehozásához. Másik lehetőségként kiválaszthat egy meglévő erőforráscsoportot a legördülő listából.

   Tipp.

   Különösen az első lépéseknél ajánlott új erőforráscsoportot létrehozni a projekthez. Ez lehetővé teszi a projekt és az összes erőforrás együttes kezelését. Projekt létrehozásakor több erőforrás is létrejön az erőforráscsoportban, beleértve a központot, a tárolóregisztrációs adatbázist és a tárfiókot.

8. Adja meg a központ helyét, majd válassza a Tovább gombot. A hely az a régió, ahol a központ üzemel. A központ helye egyben a projekt helye is. Az Azure AI-szolgáltatások elérhetősége régiónként eltérő. Előfordulhat például, hogy bizonyos modellek nem érhetők el bizonyos régiókban.

9. Válasszon ki egy meglévő Azure AI-szolgáltatási erőforrást (beleértve az Azure OpenAI-t) a legördülő listából, vagy hozzon létre egy újat.

   

10. A Véleményezés és befejezés lapon megjelenik az Azure AI-szolgáltatások erőforrásneve és az áttekintendő egyéb beállítások.

    

11. Tekintse át a projekt részleteit, majd válassza a Projekt létrehozása lehetőséget. Láthatja az erőforrás-létrehozás előrehaladását, és a projekt akkor jön létre, amikor a folyamat befejeződött.

    

A projekt létrehozása után a bal oldali navigációs panelen elérheti a játszóteret, az eszközöket és más eszközöket.

Python

1. Telepítse a Pythont az SDK rövid útmutatójában leírtak szerint.

2. Telepítse az Azure Machine Learning SDK 2-s verzióját.

3. Az azure-identity telepítése: pip install azure-identity. Ha jegyzetfüzetcellában van, használja a következőt %pip install azure-identity: .

4. Adja meg az előfizetés adatait:

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

5. Fogópont lekérése az előfizetéshez. A cikkben szereplő összes Python-kód a következőket használja 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. (Nem kötelező) Ha több fiókkal rendelkezik, adja hozzá a használni kívánt Microsoft Entra-azonosító bérlőazonosítóját a DefaultAzureCredential. Keresse meg a bérlőazonosítót az Azure Portalon a Microsoft Entra ID, External Identityes területen.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Nem kötelező) Ha az Azure Government – USA vagy az Azure China 21Vianet régióban dolgozik, adja meg azt a régiót, amelyben hitelesíteni szeretné. Megadhatja a régiót a következővel DefaultAzureCredential: . Az alábbi példa hitelesíti az Azure Government – USA régiót:

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

8. Az alábbi kód használatával hozzon létre egy projektet egy korábban létrehozott központból, amelyet Ön vagy a rendszergazdája hozott létre. Cserélje le a példasztring-értékeket a saját értékeire:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   hub_id=f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}"
   
   my_project = Project(name=my_project_name, 
                   display_name=my_display_name,
                   hub_id=hub_id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_project).result()
   

Azure CLI

1. Ha nincs telepítve az Azure CLI és a machine learning bővítmény, kövesse a Telepítés és a Gépi tanulás bővítményről szóló cikk lépéseit.

2. Az Azure CLI-ből történő hitelesítéshez használja a következő parancsot:

   az login
   

   A hitelesítésről további információt a Hitelesítési módszerek című témakörben talál.

3. Miután telepítette és hitelesítette a bővítményt az Azure-előfizetésében, az alábbi paranccsal hozzon létre egy új Azure AI Studio-projektet egy meglévő Azure AI Studio-központból:

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

Projektbeállítások megtekintése

Azure AI Studio

A projekt beállításai lapon információkat talál a projektről, például a projekt nevét, leírását és a projektet üzemeltető központot. Megtalálhatja a projektazonosítót is, amely a projekt SDK-val vagy API-val történő azonosítására szolgál.

• Név: A projekt neve a bal oldali panelen kijelölt projektnek felel meg.
• Központ: A projektet üzemeltető központ.
• Hely: A projektet üzemeltető központ helye. A támogatott helyekért tekintse meg az Azure AI Studio régióit.
• Előfizetés: A projektet üzemeltető központot üzemeltető előfizetés.
• Erőforráscsoport: A projektet üzemeltető központot üzemeltető erőforráscsoport.

Válassza a Kezelés lehetőséget az Azure Portalon a projekterőforrásokhoz való navigáláshoz az Azure Portalon.

Python

Az új projekt kezeléséhez vagy használatához vegye fel a MLClientkövetkezőbe:

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

Azure CLI

A projekt beállításainak megtekintéséhez használja a az ml workspace show parancsot. Példa:

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

Projekterőforrások elérése

A központ általános konfigurációi meg vannak osztva a projekttel, beleértve a kapcsolatokat, a számítási példányokat és a hálózati hozzáférést, így azonnal megkezdheti a fejlesztést.

Emellett számos erőforrást csak a projekt-munkaterület felhasználói érhetnek el:

1. Összetevők, beleértve az adathalmazokat, a folyamatokat, az indexeket, az üzembe helyezett modell API-végpontjait (nyitott és kiszolgáló nélküli).

2. Az Ön által a projektbeállítások alatt létrehozott kapcsolatok.

3. Azure Storage-blobtárolók és a projekten belüli adatfeltöltéshez szükséges fájlok. A tárterület elérése a következő kapcsolatokkal:

   Adatkapcsolat	Tárolási hely	Cél
   workspaceblobstore	{project-GUID}-azureml-blobstore	Alapértelmezett tároló adatfeltöltésekhez
   workspaceartifactstore	{project-GUID}-azureml	A projekt összetevőit és metaadatait, például a modell súlyozását tárolja
   workspacefilestore	{project-GUID}-code	A számításon létrehozott és a parancssori folyamatot használó fájlokat üzemelteti

Feljegyzés

A tárkapcsolatok nem jönnek létre közvetlenül a projekttel, ha a tárfiók nyilvános hálózati hozzáférése le van tiltva. Ezek akkor jönnek létre, ha egy első felhasználó privát hálózati kapcsolaton keresztül fér hozzá az AI Studióhoz. Tárkapcsolatok hibaelhárítása

Kapcsolódó tartalom

• Vállalati csevegő webalkalmazás üzembe helyezése
• További információ az Azure AI Studióról
• További információ a hubokról