Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Nota
Dokumen ini mengacu pada portal Microsoft Foundry (klasik ).
🔍 Lihat dokumentasi Microsoft Foundry (baru) untuk mempelajari tentang portal baru.
Penting
Item-item yang ditandai (pratinjau) dalam artikel ini saat ini sedang berada dalam pratinjau publik. Pratinjau ini disediakan tanpa kesepakatan tingkat layanan, dan kami tidak merekomendasikannya untuk penggunaan dalam lingkungan produksi. Fitur tertentu mungkin tidak didukung atau mungkin memiliki kemampuan terbatas. Untuk informasi lebih lanjut, lihat Supplemental Terms of Use for Microsoft Azure Previews.
Dalam artikel ini, Anda mempelajari cara membuat sumber daya Microsoft Foundry berikut menggunakan Azure Machine Learning SDK dan Azure CLI (dengan ekstensi pembelajaran mesin):
- Pusat Foundry
- Koneksi dengan Microsoft Foundry
Nota
Hub hanya digunakan untuk proyek berbasis hub. Proyek Foundry tidak menggunakan hub. Untuk informasi selengkapnya, lihat Jenis proyek.
Prasyarat
- Sebuah akun Azure dengan langganan aktif. Jika Anda tidak memilikinya, buat akun Azure gratis, yang menyertakan langganan uji coba gratis.
Atur lingkungan Anda
Gunakan tab berikut untuk memilih apakah Anda menggunakan Python SDK atau Azure CLI:
Instal paket. (Jika dalam sel buku catatan, gunakan
%pip installsebagai gantinya.)pip install azure-ai-ml pip install azure-identityBerikan detail langganan Anda:
# Enter details of your subscription subscription_id = "<SUBSCRIPTION_ID>" resource_group = "<RESOURCE_GROUP>"Dapatkan kendali atas langganan. Semua kode Python dalam artikel ini menggunakan
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)(Opsional) Jika Anda memiliki beberapa akun, tambahkan ID tenant Microsoft Entra yang ingin Anda gunakan ke dalam
DefaultAzureCredential. Temukan ID tenant Anda dari portal Azure di bawah Microsoft Entra ID, Identitas Eksternal.DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")(Opsional) Jika Anda sedang mengerjakan wilayah Azure Government - AS atau Azure China 21Vianet , tentukan wilayah tempat Anda ingin mengautentikasi. Anda dapat menentukan wilayah dengan
DefaultAzureCredential. Contoh berikut mengautentikasi ke wilayah Azure Government - AS:from azure.identity import AzureAuthorityHosts DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
Membuat hub Foundry dan koneksi Microsoft Foundry
Gunakan contoh berikut untuk membuat hub baru. Ganti contoh nilai string dengan nilai Anda sendiri:
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()
Membuat koneksi Foundry
Setelah membuat sumber daya Foundry Anda sendiri atau sumber daya Azure OpenAI dalam grup sumber daya yang sama, Anda dapat menyambungkannya ke hub Anda. Anda juga dapat menyambungkan Azure AI Search dari grup sumber daya apa pun di langganan yang sama.
Koneksi Anda
ml_clientsekarang perlu menyertakan hub Anda:Berikan detail langganan Anda. Untuk
<AML_WORKSPACE_NAME>, gunakan nama hub Anda:# Enter details of your AML workspace subscription_id = "<SUBSCRIPTION_ID>" resource_group = "<RESOURCE_GROUP>" workspace = "<AML_WORKSPACE_NAME>"Dapatkan handel ke hub:
# 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 )
Gunakan
ml_clientuntuk membuat koneksi ke Foundry Tools Anda. Anda dapat menemukan titik akhir di portal Microsoft Azure di bawah Kunci manajemen > sumber daya dan titik akhir. Untuk sebuah sumber daya Foundry, gunakan endpoint Foundry Tools. Untuk Pencarian Azure AI, gunakan Url untuk titik akhir.from azure.ai.ml.entities import AzureAIServicesConnection # construct a Foundry 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)
Membuat hub Foundry menggunakan sumber daya dependensi yang ada
Anda juga dapat membuat hub menggunakan sumber daya yang ada seperti Azure Storage dan Azure Key Vault. Dalam contoh berikut, ganti contoh nilai string dengan nilai Anda sendiri:
Petunjuk / Saran
Anda dapat mengambil ID sumber daya akun penyimpanan dan brankas kunci dari portal Azure dengan membuka gambaran umum sumber daya dan memilih tampilan JSON. ID sumber daya terletak di bidang id . Anda juga dapat menggunakan Azure CLI untuk mengambil ID sumber daya. Misalnya, az storage account show --name {my_storage_account_name} --query "id" dan az keyvault show --name {my_key_vault_name} --query "id".
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()