Criar um hub usando o SDK e a CLI do Azure Machine Learning

Importante

Os itens marcados (versão prévia) neste artigo estão atualmente em versão prévia pública. Essa versão prévia é fornecida sem um contrato de nível de serviço e não recomendamos isso para cargas de trabalho de produção. Alguns recursos podem não ter suporte ou podem ter restrição de recursos. Para obter mais informações, consulte Termos de Uso Complementares de Versões Prévias do Microsoft Azure.

Neste artigo, você aprenderá a criar os seguintes recursos do Estúdio de IA usando o SDK do Azure Machine Learning e a CLI do Azure (com extensão de machine learning):

• Um hub do Estúdio de IA do Azure
• Uma conexão dos Serviços de IA do Azure

Pré-requisitos

• Uma assinatura do Azure. Se você não tiver uma assinatura do Azure, crie uma conta gratuita antes de começar. Experimente hoje mesmo a versão gratuita ou a versão paga do Estúdio de IA do Azure.

Configure seu ambiente

Use as seguintes guias para selecionar se você está usando o SDK do Python ou a CLI do Azure:

SDK do Python

1. Instale o Python conforme descrito no Início rápido do SDK.

2. Instale o SDK do Azure Machine Learning v2.

3. Instalar azure-identity: pip install azure-identity. Se estiver em uma célula de notebook, use %pip install azure-identity.

4. Forneça os detalhes da sua assinatura:

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

5. Obtenha um identificador para a assinatura. Todo o código Python nesse artigo 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. (Opcional) Se você tiver várias contas, adicione a ID de locatário do Microsoft Entra ID que deseja usar no DefaultAzureCredential. Localize sua ID de locatário do portal do Azure no Microsoft Entra ID, Identidades Externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Opcional) Se você estiver trabalhando nas regiões Azure Governamental – EUA ou Azure China 21Vianet, especifique a região na qual você quer se autenticar. Você pode especificar a região com DefaultAzureCredential. O seguinte exemplo faz a autenticação na região Azure Governamental – EUA:

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

CLI do Azure

1. Se você não tiver a CLI do Azure e a extensão de machine learning instaladas, siga as etapas no artigo Instalar e configurar a extensão de machine learning.

2. Para se autenticar em sua assinatura do Azure a partir da CLI do Azure, use o seguinte comando:

   az login
   

   Para obter mais informações sobre autenticação, consulte Métodos de autenticação.

Criar o hub do Estúdio de IA e a conexão dos Serviços de IA

Use os exemplos a seguir para criar um novo hub. Substitua os valores de cadeia de caracteres de exemplo por seus próprios valores:

SDK do Python

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()

CLI do Azure

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name}

Criar uma conexão dos Serviços de IA

Depois de criar seus próprios Serviços de IA, você pode conectá-lo ao seu hub:

SDK do Python

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)

CLI do Azure

az ml connection create --file {connection.yml} --resource-group {my_resource_group} --workspace-name {my_hub_name}

Você pode usar uma chave de API ou um arquivo de configuração YAML sem credencial. Para obter mais informações sobre o arquivo de configuração YAML, confira o esquema YAML de conexão dos Serviços de IA:

• Exemplo de chave de API:

  name: myazai_ei
  type: azure_ai_services
  endpoint: https://contoso.cognitiveservices.azure.com/
  api_key: XXXXXXXXXXXXXXX
  

• Sem credencial

  name: myazai_apk
  type: azure_ai_services
  endpoint: https://contoso.cognitiveservices.azure.com/
  

Criar um hub do Estúdio de IA usando recursos de dependência existentes

Você também pode criar um hub usando recursos existentes, como Armazenamento do Azure e Azure Key Vault. Nos exemplos a seguir, substitua os valores de cadeia de exemplo pelos seus próprios valores:

Dica

Você pode recuperar a ID do recurso da conta de armazenamento e do cofre de chaves no Portal do Azure acessando a visão geral do recurso e selecionando Exibição JSON. A ID do recurso está localizada no campo id. Você também pode usar a CLI do Azure para recuperar a ID do recurso. Por exemplo, az storage account show --name {my_storage_account_name} --query "id" e az keyvault show --name {my_key_vault_name} --query "id".

SDK do Python

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()

CLI do Azure

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name} --location {hub-region} --storage-account {my_storage_account_id} --key-vault {my_key_vault_id}

Conteúdo relacionado

• Comece a criar um aplicativo de chat usando o SDK do prompt flow
• Trabalhar com projetos no Visual Studio Code
• Configurar uma rede gerenciada