Tworzenie projektu dla usługi Azure AI Foundry

W tym artykule opisano sposób tworzenia projektu w usłudze Azure AI Foundry. Projekty umożliwiają organizowanie pracy w celu eksplorowania nowych pomysłów i tworzenia prototypów w konkretnym przypadku użycia.

Usługa Azure AI Foundry obsługuje dwa typy projektów: projekt Foundry i projekt oparty na centrum. Aby uzyskać więcej informacji na temat różnic między tymi dwoma typami projektów, zobacz Typy projektów.

Wskazówka

W pozostałej części tego artykułu pokazano, jak utworzyć projekt oparty na centrum. Wybierz pozycję Projekt Foundry w górnej części tego artykułu, jeśli zamiast tego chcesz utworzyć projekt Foundry.

• Projekt oparty na centrum jest hostowany przez centrum usługi Azure AI Foundry. Jeśli Twoja firma ma zespół administracyjny, który utworzył centrum dla Ciebie, możesz utworzyć projekt z tego centrum. Jeśli pracujesz samodzielnie, możesz utworzyć projekt, a domyślne centrum zostanie automatycznie utworzone.

• Użyj tego typu projektu dla:

  • Przepływ monitu
  • Zarządzane obliczenia
  • Zgodność usługi Azure Machine Learning

• Ten projekt może być również używany do:

  • Agenci (wersja zapoznawcza)
  • Izolacja na poziomie projektu plików i danych wyjściowych
  • Oceny
  • Place zabaw

Wymagania wstępne

Użyj poniższych kart, aby wybrać metodę, która ma zostać użyta do utworzenia projektu opartego na centrum:

• Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.

Zestaw SDK dla języka Python

• Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.
• Azure Machine Learning SDK wersja 2.
• Centrum usługi Azure AI Foundry. Jeśli nie masz centrum, zobacz Tworzenie centrum przy użyciu zestawu AZURE Machine Learning SDK i interfejsu wiersza polecenia.
• Interfejs wiersza polecenia platformy Azure
• Uwierzytelnij się za pomocą az login lub az login --use-device-code w swoim środowisku przed uruchomieniem kodu.

Interfejs wiersza polecenia platformy Azure

• Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.
• Interfejs wiersza polecenia platformy Azure i rozszerzenie uczenia maszynowego. Jeśli nie masz zainstalowanego interfejsu wiersza polecenia platformy Azure i rozszerzenia uczenia maszynowego, wykonaj kroki opisane w artykule Instalowanie i konfigurowanie rozszerzenia uczenia maszynowego.
• Centrum usługi Azure AI Foundry. Jeśli nie masz centrum, zobacz Tworzenie centrum przy użyciu zestawu AZURE Machine Learning SDK i interfejsu wiersza polecenia.

Tworzenie projektu opartego na centrum

Aby utworzyć projekt oparty na centrum w usłudze Azure AI Foundry, wykonaj następujące kroki:

1. Zaloguj się do usługi Azure AI Foundry.

2. To, co robisz dalej, zależy od tego, gdzie jesteś:

   • Jeśli nie masz żadnych istniejących projektów: wykonaj kroki opisane w przewodniku Szybki start: Rozpoczynanie pracy z usługą Azure AI Foundry w celu utworzenia pierwszego projektu.

   • Jeśli jesteś w projekcie: wybierz okruszek nawigacyjny projektu, a następnie wybierz pozycję Utwórz nowy zasób.

     

   • Jeśli nie jesteś w projekcie: wybierz pozycję Utwórz nowy w prawym górnym rogu, aby utworzyć nowy projekt Foundry

     

3. Wybierz pozycję Zasób centrum sztucznej inteligencji, a następnie wybierz pozycję Dalej.

4. Wprowadź nazwę dla projektu.

5. Jeśli masz koncentrator, zobaczysz, że wybrano ten, którego ostatnio używałeś.

   • Jeśli masz dostęp do więcej niż jednego centrum, możesz wybrać inne centrum z listy rozwijanej.

   • Jeśli chcesz utworzyć nowy, wybierz pozycję Utwórz nowe centrum i podaj nazwę.

     

6. Jeśli nie masz centrum, zostanie utworzone domyślne centrum.

7. Wybierz Utwórz.

Jeśli chcesz dostosować nowe centrum, przed wybraniem pozycji Utwórz wykonaj kroki opisane w następnej sekcji.

Dostosuj hub

Projekt oparty na centrum istnieje wewnątrz centrum. Centrum umożliwia udostępnianie konfiguracji, takich jak połączenia danych ze wszystkimi projektami, oraz centralne zarządzanie ustawieniami zabezpieczeń i wydatków. Jeśli jesteś częścią zespołu, centra są współużytkowane przez innych członków zespołu w ramach subskrypcji. Aby uzyskać więcej informacji na temat relacji między centrami i projektami, zobacz dokumentację przeglądu centrów i projektów.

Podczas tworzenia nowego centrum musisz mieć uprawnienia Właściciel lub Współautor w wybranej grupie zasobów. Jeśli jesteś częścią zespołu i nie masz tych uprawnień, administrator powinien utworzyć centrum dla Ciebie.

Wskazówka

Chociaż możesz utworzyć centrum w ramach tworzenia projektu, masz większą kontrolę i możesz ustawić bardziej zaawansowane ustawienia dla centrum, jeśli tworzysz je oddzielnie. Można na przykład dostosować zabezpieczenia sieciowe lub bazowe konto usługi Azure Storage. Aby uzyskać więcej informacji, zobacz How to create and manage an Azure AI Foundry hub (Jak utworzyć centrum usługi Azure AI Foundry i zarządzać nim).

Podczas tworzenia nowego centrum w ramach tworzenia projektu są udostępniane ustawienia domyślne. Jeśli chcesz dostosować te ustawienia, przed utworzeniem projektu wykonaj następujące czynności:

1. W formularzu Tworzenie projektu wybierz strzałkę po prawej stronie.

   

2. Wybierz istniejącą grupę zasobów, której chcesz użyć, lub pozostaw wartość domyślną, aby utworzyć nową grupę zasobów.

   Wskazówka

   Szczególnie w przypadku rozpoczynania pracy zalecamy utworzenie nowej grupy zasobów dla projektu. Grupa zasobów umożliwia łatwe zarządzanie projektem i wszystkimi jego zasobami. Podczas tworzenia projektu w grupie zasobów jest tworzonych kilka zasobów, w tym centrum, rejestr kontenerów i konto magazynu.

3. Wybierz lokalizację lub użyj wartości domyślnej. Lokalizacja to region, w którym jest hostowane centrum. Lokalizacja centrum jest również lokalizacją projektu. Dostępność usług sztucznej inteligencji platformy Azure różni się w zależności od regionu. Na przykład niektóre modele mogą nie być dostępne w niektórych regionach.

4. Wybierz pozycję Utwórz projekt. Widzisz postęp tworzenia zasobu. Projekt jest tworzony po zakończeniu procesu.

Zestaw SDK dla języka Python

W kodzie w tej sekcji założono, że masz istniejące centrum. Jeśli nie masz centrum, zobacz Jak utworzyć centrum usługi Azure AI Foundry i zarządzać nim, aby je utworzyć.

1. Instalowanie pakietów. (Jeśli w komórce notesu, użyj %pip install zamiast tego).

   pip install azure-ai-ml
   pip install azure-identity
   

2. Podaj szczegóły subskrypcji:

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

3. Uzyskaj dostęp do subskrypcji. Cały kod języka Python w tym artykule używa elementu 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)

4. (Opcjonalnie) Jeśli masz wiele kont, dodaj Microsoft Entra ID dzierżawy, którego chcesz użyć, do DefaultAzureCredential. Znajdź swój identyfikator dzierżawcy w portalu Azure w obszarze Microsoft Entra ID, External Identities.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Opcjonalnie) Jeśli pracujesz w Azure Government - USA lub Azure China 21Vianet, określ region, w którym chcesz się uwierzytelnić. Możesz określić region za pomocą polecenia DefaultAzureCredential. Poniższy przykład uwierzytelnia się w regionie Azure Government — USA:

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

6. Użyj poniższego kodu, aby utworzyć projekt z hubu utworzonego wcześniej przez Ciebie lub przez administratora. Zastąp przykładowe wartości ciągu własnymi wartościami:

   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()
   

Interfejs wiersza polecenia platformy Azure

W kodzie w tej sekcji założono, że masz istniejące centrum. Jeśli nie masz centrum, zobacz Jak utworzyć centrum usługi Azure AI Foundry i zarządzać nim, aby je utworzyć.

1. Aby uwierzytelnić się w subskrypcji platformy Azure z poziomu interfejsu wiersza polecenia platformy Azure, użyj następującego polecenia:

   az login
   

   Aby uzyskać więcej informacji na temat uwierzytelniania, zobacz Metody uwierzytelniania.

2. Po zainstalowaniu i uwierzytelnieniu rozszerzenia w ramach subskrypcji platformy Azure użyj następującego polecenia, aby utworzyć nowy projekt rozwiązania Azure AI Foundry z istniejącego centrum usługi Azure AI Foundry:

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

   Formularz my_hub_ID z tą składnią: /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}.

Wyświetlanie ustawień projektu

Na stronie Przegląd projektu można znaleźć informacje o projekcie.

• Nazwa: nazwa projektu jest wyświetlana w lewym górnym rogu.
• Subskrypcja: subskrypcja, która hostuje centrum hostujące projekt.
• Grupa zasobów: grupa zasobów, która hostuje centrum hostujące projekt.

Wybierz pozycję Centrum zarządzania, aby przejść do zasobów projektu w portalu usługi Azure AI Foundry. Wybierz pozycję Zarządzaj w witrynie Azure Portal , aby przejść do zasobów projektu w witrynie Azure Portal.

Zestaw SDK dla języka Python

Aby zarządzać nowym projektem lub korzystać z niego, uwzględnij go w elemecie MLClient:

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

Interfejs wiersza polecenia platformy Azure

Aby wyświetlić ustawienia projektu, użyj az ml workspace show polecenia . Na przykład:

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

Uzyskiwanie dostępu do zasobów projektu

Typowe konfiguracje w centrum są udostępniane projektowi, w tym połączenia, wystąpienia obliczeniowe i dostęp do sieci, dzięki czemu można od razu rozpocząć tworzenie.

Ponadto wiele zasobów jest dostępnych tylko dla użytkowników w obszarze roboczym projektu:

• Składniki, w tym zestawy danych, przepływy, indeksy, wdrożone punkty końcowe interfejsu API modelu (otwarte i bezserwerowe).

• Połączenia utworzone przez Użytkownika w obszarze "ustawienia projektu".

• Kontenery obiektów blob usługi Azure Storage i udostępnienie plików do przesyłania danych w ramach projektu. Uzyskaj dostęp do magazynu przy użyciu następujących połączeń:

  Połączenie danych	Lokalizacja usługi Storage	Przeznaczenie
  workspaceblobstore	{project-GUID}-azureml-blobstore	Domyślny kontener przekazywania danych
  magazyn artefaktów przestrzeni roboczej	{project-GUID}-azureml	Przechowuje składniki i metadane dla projektu, takie jak wagi modelu
  przechowalnia plików w przestrzeni roboczej	{project-GUID}-kod	Hostuje pliki utworzone na Twoim urządzeniu komputerowym i przy użyciu funkcji prompt flow

Uwaga

Połączenia magazynowe nie są bezpośrednio tworzone w projekcie, jeśli konto magazynowe ma ustawiony dostęp do sieci publicznej jako wyłączony. Są one tworzone, gdy pierwszy użytkownik uzyskuje dostęp do usługi Azure AI Foundry za pośrednictwem połączenia z siecią prywatną. Rozwiązywanie problemów z połączeniami przechowywania

Powiązana treść

• Szybki przewodnik: Użyj czatowego placu zabaw w portalu Azure AI Foundry

• Dowiedz się więcej o centrach

Wskazówka

W pozostałej części tego artykułu pokazano, jak utworzyć projekt Foundry. Wybierz projekt oparty na centrum w górnej części tego artykułu, jeśli zamiast tego chcesz utworzyć projekt oparty na centrum.

• Projekt Foundry jest oparty na zasobie usługi Azure AI Foundry. Ten typ projektu umożliwia prostą konfigurację, dostęp do agentów i wiodących w branży modeli z platform OpenAI, Mistral, Meta i innych.

• Ten typ projektu zapewnia najlepszą obsługę:

  • Agenci
  • Interfejs API AI Foundry do pracy z agentami i pomiędzy modelami
  • Modele sprzedawane bezpośrednio przez platformę Azure — Azure OpenAI, DeepSeek, xAI itp.
  • Modele partnerskie i społecznościowe sprzedawane za pośrednictwem witryny Marketplace — stabilność, Bria, Cohere itp.
  • Pliki projektu (bezpośrednie przekazywanie plików i rozpoczynanie eksperymentowania)
  • Izolacja na poziomie projektu plików i danych wyjściowych
  • Oceny
  • Precyzyjne dostosowanie
  • Place zabaw

Wymagania wstępne

Użyj poniższych kart, aby wybrać metodę, której chcesz użyć do utworzenia projektu Foundry:

• Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.
• Musisz być właścicielem subskrypcji, aby mieć odpowiednią kontrolę dostępu niezbędną do utworzenia zasobu usługi Azure AI Foundry, który jest elementem nadrzędnym projektu. Jeśli nie masz tego dostępu, poproś swojego administratora o utworzenie zasobu rozwiązania AI Foundry, którego możesz użyć. Następnie przejdź do sekcji Tworzenie wielu projektów w tym samym zasobie , aby utworzyć projekt.

Zestaw SDK dla języka Python

• Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.
• Aby uzyskać odpowiednią kontrolę dostępu wymaganą do korzystania z projektu, musisz być właścicielem subskrypcji.
• Konfigurowanie środowiska projektowego
• Uwierzytelnij się za pomocą az login lub az login --use-device-code w swoim środowisku przed uruchomieniem kodu.
• Wykonaj następujące kroki, aby uruchomić skrypt języka Python:

  1. Zainstaluj pakiety: pip install azure-identity azure-mgmt-cognitiveservices~=13.7.0b1 . Jeśli w komórce notesu, użyj %pip install zamiast tego.

  2. Użyj polecenia pip show azure-mgmt-cognitiveservices , aby sprawdzić, czy wersja ma wartość 13.7 lub nowszą.

  3. Uruchom skrypt przy użyciu następującego kodu, aby utworzyć client połączenie i zmienne używane w tym artykule. W tym przykładzie tworzony jest projekt w regionie Wschodnie USA:

     from azure.identity import DefaultAzureCredential
     from azure.mgmt.cognitiveservices import CognitiveServicesManagementClient
     
     subscription_id = 'your-subscription-id'
     resource_group_name = 'your-resource-group-name'
     foundry_resource_name = 'your-foundry-resource-name'
     foundry_project_name = 'your-foundry-project-name'
     location = 'eastus'
     
     client = CognitiveServicesManagementClient(
         credential=DefaultAzureCredential(), 
         subscription_id=subscription_id,
         api_version="2025-04-01-preview"
     )
     

  4. (Opcjonalnie) Jeśli masz wiele kont, dodaj Microsoft Entra ID dzierżawy, którego chcesz użyć, do DefaultAzureCredential. Znajdź swój identyfikator dzierżawcy w portalu Azure w obszarze Microsoft Entra ID, External Identities.

     DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
     

  5. (Opcjonalnie) Jeśli pracujesz w Azure Government - USA lub Azure China 21Vianet, określ region, w którym chcesz się uwierzytelnić. Możesz określić region za pomocą polecenia DefaultAzureCredential. Poniższy przykład uwierzytelnia się w regionie Azure Government — USA:

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

Interfejs wiersza polecenia platformy Azure

• Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.
• Aby uzyskać odpowiednią kontrolę dostępu wymaganą do korzystania z projektu, musisz być właścicielem subskrypcji.
• Interfejs wiersza polecenia platformy Azure

Utwórz projekt Foundry

Te kroki umożliwiają utworzenie nowego zasobu platformy Azure z podstawowymi, domyślnymi ustawieniami.

Wskazówka

Jeśli Twoja organizacja wymaga dostosowanych konfiguracji platformy Azure, takich jak alternatywne nazwy, mechanizmy kontroli zabezpieczeń lub tagi kosztów, użyj jednej z tych metod, aby zapewnić zgodność z zasadami organizacji:

• Tworzenie pierwszego zasobu usługi AI Foundry
• Tworzenie zasobu usługi Azure AI Foundry przy użyciu pliku Bicep

Aby utworzyć projekt Foundry w usłudze Azure AI Foundry, wykonaj następujące kroki:

1. Zaloguj się do usługi Azure AI Foundry.

2. To, co robisz dalej, zależy od tego, gdzie jesteś:

   • Jeśli nie masz żadnych istniejących projektów: wykonaj kroki opisane w przewodniku Szybki start: Rozpoczynanie pracy z usługą Azure AI Foundry w celu utworzenia pierwszego projektu.

   • Jeśli jesteś w projekcie: wybierz okruszek nawigacyjny projektu, a następnie wybierz pozycję Utwórz nowy zasób.

     

   • Jeśli nie jesteś w projekcie: wybierz pozycję Utwórz nowy w prawym górnym rogu, aby utworzyć nowy projekt Foundry

     

3. Wybierz zasób usługi Azure AI Foundry, a następnie wybierz pozycję Dalej.

4. Podaj nazwę projektu i wybierz pozycję Utwórz. Możesz też zapoznać się z następną sekcją dotyczącą opcji zaawansowanych.

Opcje zaawansowane

Projekt Foundry jest tworzony na zasobie AI Foundry . Ten zasób jest tworzony automatycznie podczas tworzenia projektu.

Aby dostosować ustawienia projektu, wykonaj następujące kroki:

1. W formularzu Tworzenie projektu wybierz pozycję Opcje zaawansowane.

2. Wybierz istniejącą grupę zasobów, której chcesz użyć, lub pozostaw wartość domyślną, aby utworzyć nową grupę zasobów.

   Wskazówka

   Szczególnie w przypadku rozpoczynania pracy zalecamy utworzenie nowej grupy zasobów dla projektu. Grupa zasobów umożliwia łatwe zarządzanie projektem i wszystkimi jego zasobami.

3. Wybierz lokalizację lub użyj wartości domyślnej. Lokalizacja to region, w którym jest hostowane centrum. Dostępność usług sztucznej inteligencji platformy Azure różni się w zależności od regionu. Na przykład niektóre modele mogą nie być dostępne w niektórych regionach.

4. Wybierz Utwórz. Zobaczysz postęp tworzenia zasobów i projekt jest tworzony po zakończeniu procesu.

Zestaw SDK dla języka Python

Aby utworzyć projekt Foundry:

1. Dodaj ten kod, aby utworzyć projekt Foundry, używając zmiennych i połączenia client z sekcji Wymagania wstępne.

   # Create resource
   resource = client.accounts.begin_create(
       resource_group_name=resource_group_name,
       account_name=foundry_resource_name,
       account={
           "location": location,
           "kind": "AIServices",
           "sku": {"name": "S0",},
           "identity": {"type": "SystemAssigned"},
           "properties": {
               "allowProjectManagement": True,
               "customSubDomainName": foundry_resource_name
           }
       }
   )
   
   # Wait for the resource creation to complete
   resource_result = resource.result()
   
   # Create default project
   project = client.projects.begin_create(
       resource_group_name=resource_group_name,
       account_name=foundry_resource_name,
       project_name=foundry_project_name,
       project={
           "location": location,
           "identity": {
               "type": "SystemAssigned"
           },
           "properties": {}
       }
   )
   

Interfejs wiersza polecenia platformy Azure

Polecenia interfejsu wiersza polecenia nie są obecnie dostępne do tworzenia projektu Foundry.

Tworzenie wielu projektów w tym samym zasobie

Utwórz wiele projektów Foundry w istniejącym zasobie, aby udostępnić swoje środowisko zespołowi do wspólnej pracy.

Projekty Odlewni jako zasoby podrzędne platformy Azure mogą mieć przypisane własne kontrole dostępu, ale współużytkują typowe ustawienia, takie jak zabezpieczenia sieciowe, wdrożenia i integracja narzędzi platformy Azure z zasobu nadrzędnego.

Pierwszy projekt (projekt domyślny) odgrywa szczególną rolę i ma dostęp do większej liczby funkcji:

Funkcja	Domyślny projekt Foundry	Projekt Niezdefault Foundry
Wnioskowanie modelu	✅	✅
Place zabaw	✅	✅
Agenci	✅	✅
Oceny	✅	✅
Połączenia	✅	✅
Interfejs API usługi AI Foundry, który współpracuje z agentami i modelami	✅	✅
Izolacja na poziomie projektu plików i danych wyjściowych	✅	✅
Azure OpenAI z pakietowym przetwarzaniem, przechowywanymi wynikami, dostrajaniem	✅
Wstecznie zgodne z interfejsem API płaszczyzny danych bez projektu {account}.cognitiveservices.com	✅
Bezpieczeństwo zawartości	✅

• Aby dodać projekt nondefault do zasobu:

  Wskazówka

  Ponieważ możesz dostosować okienko po lewej stronie w portalu azure AI Foundry, możesz zobaczyć inne elementy niż pokazano w tych krokach. Jeśli nie widzisz szukanych danych, wybierz pozycję ... Więcej w dolnej części okienka po lewej stronie.

  1. W usłudze Azure AI Foundry wybierz projekt Foundry lub skojarzony z nim zasób.

  2. W okienku po lewej stronie wybierz pozycję Centrum zarządzania.

  3. W sekcji zasobów wybierz pozycję Przegląd.

  4. Wybierz pozycję Nowy projekt i podaj nazwę.

     

  Zestaw SDK dla języka Python

  Dodaj ten kod do skryptu, aby utworzyć nowy projekt w istniejącym zasobie:

  # Create additional project
  new_project_name = 'your-new-project-name'
  
  project = client.projects.begin_create(
      resource_group_name=resource_group_name,
      account_name=foundry_resource_name,
      project_name=new_project_name,
      project={
          "location": location,
          "identity": {
              "type": "SystemAssigned"
          },
          "properties": {}
      }
  )
  

  Interfejs wiersza polecenia platformy Azure

  Polecenia interfejsu wiersza polecenia nie są obecnie dostępne do tworzenia projektu Foundry.

• Jeśli usuniesz domyślny projekt zasobu Foundry, następny utworzony projekt stanie się domyślnym projektem.

Wyświetlanie ustawień projektu

Na stronie głównej projektu można znaleźć informacje o projekcie.

• Nazwa: nazwa projektu jest wyświetlana w lewym górnym rogu.
• Subskrypcja: subskrypcja, która hostuje centrum hostujące projekt.
• Grupa zasobów: grupa zasobów, która hostuje centrum hostujące projekt.

Zestaw SDK dla języka Python

# Get project
project = client.projects.get(
    resource_group_name=resource_group_name,
    account_name=foundry_resource_name,
    project_name=foundry_project_name
)
print(project)

Interfejs wiersza polecenia platformy Azure

Aby wyświetlić ustawienia projektu, użyj az cognitiveservices account connection show polecenia . Na przykład:

az cognitiveservices account connection show --name {my_project_name} --resource-group {my_resource_group}

Powiązana treść

• Szybki start: rozpoczynanie pracy z usługą Azure AI Foundry
• Dowiedz się więcej o usłudze Azure AI Foundry