Udostępnij za pośrednictwem

Tworzenie centrum przy użyciu zestawu AZURE Machine Learning SDK i interfejsu wiersza polecenia

  • Artykuł

Ważne

Elementy oznaczone (wersja zapoznawcza) w tym artykule są obecnie dostępne w publicznej wersji zapoznawczej. Ta wersja zapoznawcza jest udostępniana bez umowy dotyczącej poziomu usług i nie zalecamy korzystania z niej w przypadku obciążeń produkcyjnych. Niektóre funkcje mogą być nieobsługiwane lub ograniczone. Aby uzyskać więcej informacji, zobacz Uzupełniające warunki korzystania z wersji zapoznawczych platformy Microsoft Azure.

Z tego artykułu dowiesz się, jak utworzyć następujące zasoby usługi AI Studio przy użyciu zestawu AZURE Machine Learning SDK i interfejsu wiersza polecenia platformy Azure (z rozszerzeniem uczenia maszynowego):

  • Centrum usługi Azure AI Studio
  • Połączenie usług Azure AI

Wymagania wstępne

  • Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, przed rozpoczęciem utwórz bezpłatne konto. Wypróbuj bezpłatną lub płatną wersję usługi Azure AI Studio już dziś.

Konfigurowanie środowiska

Użyj następujących kart, aby wybrać, czy używasz zestawu SDK języka Python, czy interfejsu wiersza polecenia platformy Azure:

  1. Zainstaluj język Python zgodnie z opisem w przewodniku Szybki start zestawu SDK.

  2. Zainstaluj zestaw Azure Machine Learning SDK w wersji 2.

  3. Zainstaluj usługę azure-identity: pip install azure-identity. Jeśli w komórce notesu użyj polecenia %pip install azure-identity.

  4. Podaj szczegóły subskrypcji:

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

  5. Uzyskaj dojście 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)

  6. (Opcjonalnie) Jeśli masz wiele kont, dodaj identyfikator dzierżawy identyfikatora Entra firmy Microsoft, którego chcesz użyć w pliku DefaultAzureCredential. Znajdź swój identyfikator dzierżawy z witryny Azure Portal w obszarze Microsoft Entra ID, External Identities.

    DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")

  7. (Opcjonalnie) Jeśli pracujesz w regionach Azure Government — USA lub Azure (Chiny 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)

Tworzenie połączenia centrum programu AI Studio i usług sztucznej inteligencji

Skorzystaj z poniższych przykładów, aby utworzyć nowe centrum. Zastąp przykładowe wartości ciągu własnymi wartościami:

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()

Tworzenie połączenia usług sztucznej inteligencji

Po utworzeniu własnych usług sztucznej inteligencji możesz połączyć ją z centrum:

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)

Tworzenie centrum AI Studio przy użyciu istniejących zasobów zależności

Centrum można również utworzyć przy użyciu istniejących zasobów, takich jak Azure Storage i Azure Key Vault. W poniższych przykładach zastąp przykładowe wartości ciągu własnymi wartościami:

Napiwek

Identyfikator zasobu konta magazynu i magazynu kluczy można pobrać z witryny Azure Portal, przechodząc do przeglądu zasobu i wybierając widok JSON. Identyfikator zasobu znajduje się w polu id . Możesz również użyć interfejsu wiersza polecenia platformy Azure, aby pobrać identyfikator zasobu. Przykład: az storage account show --name {my_storage_account_name} --query "id" i 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()