Condividi tramite

Creare un hub usando l’SDK Azure Machine Learning e l'interfaccia della riga di comando

  • Articolo

Importante

Gli elementi contrassegnati (anteprima) in questo articolo sono attualmente disponibili in anteprima pubblica. Questa anteprima viene fornita senza un contratto di servizio e non è consigliabile per i carichi di lavoro di produzione. Alcune funzionalità potrebbero non essere supportate o potrebbero presentare funzionalità limitate. Per altre informazioni, vedere le Condizioni supplementari per l'uso delle anteprime di Microsoft Azure.

Questo articolo illustra come creare le risorse di AI Studio seguenti usando Azure Machine Learning SDK e l'interfaccia della riga di comando di Azure (con estensione Machine Learning):

  • Un hub di Studio AI della piattaforma Azure
  • Una connessione ai Servizi di Azure AI

Prerequisiti

Configurazione dell'ambiente

Usare le schede seguenti per selezionare se si usa Python SDK o l'interfaccia della riga di comando di Azure:

  1. Installare Python come descritto nella Guida introduttiva all'SDK.

  2. Installare l'SDK di Azure Machine Learning v2.

  3. Installare azure-identity: pip install azure-identity. Se si trova in una cella del notebook, usare %pip install azure-identity.

  4. Fornire i dettagli della sottoscrizione:

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

  5. Ottenere un handle per la sottoscrizione. Tutto il codice Python in questo articolo usa 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. (Facoltativo) Se si dispone di più account, aggiungere l'ID tenant del Microsoft Entra ID da usare in DefaultAzureCredential. Trovare l'ID tenant dal portale di Azure in Microsoft Entra ID, Identità esterne.

    DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")

  7. (Facoltativo) Se si lavora nelle aree Azure per enti pubblici - Stati Uniti o Azure Cina (21Vianet), specificare l'area in cui si desidera eseguire l'autenticazione. È possibile specificare l'area con DefaultAzureCredential. Nell'esempio seguente si illustra l'autenticazione nell'area Azure per enti pubblici - Stati Uniti:

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

Creare la connessione all'hub di Studio AI e ai servizi di intelligenza artificiale

Usare gli esempi seguenti per creare un nuovo hub. Sostituire i valori stringa di esempio con i propri valori:

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()

Creare una connessione ai servizi di intelligenza artificiale

Dopo aver creato i propri servizi di intelligenza artificiale, è possibile connetterli all'hub:

from azure.ai.ml.entities import AzureAIServicesConnection

# constrict an AI Services connection
my_connection_name = "myaiservivce"
my_endpoint = "demo.endpoint" # this could also be called target
my_api_keys = None # leave blank for Authentication type = AAD
my_ai_services_resource_id = "" # ARM id required

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)

Creare un hub di AI Studio usando le risorse di dipendenza esistenti

È anche possibile creare un hub usando risorse esistenti, ad esempio Archiviazione di Azure e Azure Key Vault. Negli esempi seguenti sostituire i valori stringa di esempio con i propri valori:

Suggerimento

È possibile recuperare l'ID risorsa dell'account di archiviazione e dell'insieme di credenziali delle chiavi dal portale di Azure passando alla panoramica della risorsa e selezionando visualizzazione JSON. L'ID risorsa si trova nel campo ID . È anche possibile usare l'interfaccia della riga di comando di Azure per recuperare l'ID risorsa. Ad esempio, az storage account show --name {my_storage_account_name} --query "id" e 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()