Создание проекта в Azure AI Studio

В этой статье описывается создание проекта Azure AI Studio. Проект используется для упорядочивания работы и сохранения состояния при создании настраиваемых приложений ИИ.

Проекты размещаются центром Azure AI Studio, который обеспечивает безопасность корпоративного уровня и совместную среду. Дополнительные сведения о модели проектов и ресурсов см . в центрах Azure AI Studio.

Создание проекта

Используйте следующие вкладки, чтобы выбрать метод, который вы планируете использовать для создания проекта:

Azure AI Studio

Чтобы создать проект в Azure AI Studio, выполните следующие действия.

1. Перейдите на домашнюю страницу Azure AI Studio.

2. Выберите +Создать проект.

3. Введите имя проекта.

4. Выберите концентратор из раскрывающегося списка, чтобы разместить проект. Если у вас еще нет доступа к концентратору, нажмите кнопку "Создать новый концентратор".

   

   Примечание.

   Чтобы создать концентратор, необходимо иметь разрешения владельца или участника в выбранной группе ресурсов. Рекомендуется предоставить общий доступ к центру команде. Это позволяет совместно использовать такие конфигурации, как подключения к данным со всеми проектами, а также централизованно управлять параметрами безопасности и тратить их. Дополнительные варианты создания концентратора см. в статье о создании и управлении центром Azure AI Studio. Имя проекта должно быть уникальным между проектами, которые совместно используют один и тот же концентратор.

5. Если вы создаете новый концентратор, введите имя.

6. Выберите подписку Azure в раскрывающемся списке "Подписка ". Выберите определенную подписку Azure для проекта для выставления счетов, доступа или административных причин. Например, это предоставляет пользователям и субъектам-службам доступ к проекту на уровне подписки.

7. Оставьте группу ресурсов в качестве группы ресурсов по умолчанию, чтобы создать новую группу ресурсов. Кроме того, можно выбрать существующую группу ресурсов в раскрывающемся списке.

   Совет

   Особенно для начала работы рекомендуется создать новую группу ресурсов для проекта. Это позволяет легко управлять проектом и всеми его ресурсами вместе. При создании проекта в группе ресурсов создаются несколько ресурсов, включая концентратор, реестр контейнеров и учетную запись хранения.

8. Введите расположение для концентратора и нажмите кнопку "Далее". Расположение — это регион, в котором размещается концентратор. Расположение концентратора также является расположением проекта. Доступность служб искусственного интеллекта Azure отличается в зависимости от региона. Например, некоторые модели могут быть недоступны в определенных регионах.

9. Выберите существующий ресурс служб ИИ Azure (включая Azure OpenAI) в раскрывающемся списке или создайте новый.

   

10. На странице "Проверка и завершение" вы увидите имя ресурса служб ИИ Azure и другие параметры для проверки.

    

11. Просмотрите сведения о проекте и нажмите кнопку "Создать проект". Вы увидите ход создания ресурсов и проект создается после завершения процесса.

    

После создания проекта вы можете получить доступ к игровой площадке, средствам и другим ресурсам на панели навигации слева.

Пакет SDK для Python

1. Установите Python, как описано в кратком руководстве по пакету SDK.

2. Установите пакет SDK Машинное обучение Azure версии 2.

3. Установите azure-identity: pip install azure-identity. Если в ячейке записной книжки, используйте %pip install azure-identity.

4. Укажите сведения о подписке:

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

5. Получите дескриптор подписки. Весь код Python в этой статье использует 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. (Необязательно) Если у вас несколько учетных записей, добавьте идентификатор клиента идентификатора Microsoft Entra, который вы хотите использовать в DefaultAzureCredential. Найдите идентификатор клиента из портал Azure в разделе "Идентификатор Microsoft Entra", "Внешние удостоверения".

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Необязательно) Если вы работаете в регионах Azure для государственных организаций — США или Azure China 21Vianet, укажите регион, в который требуется пройти проверку подлинности. Можно указать регион с DefaultAzureCredentialпомощью . В следующем примере выполняется проверка подлинности в регионе США Azure для государственных организаций:

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

8. Используйте следующий код для создания проекта из центра, созданного вами или администратором ранее. Замените примеры строковых значений собственными значениями:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_location = "East US"
   my_display_name = "My Example Project"
   hub_id = "" # Azure resource manager ID of the hub
   
   my_project = Project(name=my_hub_name, 
                   location=my_location,
                   display_name=my_display_name,
                   hub_id=created_hub.id)
   
   created_project = ml_client.workspaces.begin_create(workspace=my_hub).result() 
   

Azure CLI

1. Если у вас нет установленного расширения Azure CLI и машинного обучения, выполните действия, описанные в статье "Установка и настройка расширения машинного обучения".

2. Чтобы выполнить проверку подлинности в подписке Azure из Azure CLI, выполните следующую команду:

   az login
   

   Дополнительные сведения о проверке подлинности см. в разделе "Методы проверки подлинности".

3. После установки и проверки подлинности расширения в подписке Azure используйте следующую команду, чтобы создать проект ИИ Azure из существующего центра искусственного интеллекта Azure:

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

Параметры проектов

Azure AI Studio

На странице "Параметры проекта " можно найти сведения о проекте, например имя проекта, описание и концентратор, на котором размещен проект. Вы также можете найти идентификатор проекта, который используется для идентификации проекта с помощью пакета SDK или API.

• Имя: имя проекта соответствует выбранному проекту на левой панели.
• Концентратор: концентратор, на котором размещен проект.
• Расположение: расположение концентратора, на котором размещается проект. Сведения о поддерживаемых расположениях см. в регионах Azure AI Studio.
• Подписка: подписка, на которую размещается концентратор, на котором размещен проект.
• Группа ресурсов: группа ресурсов, в которую размещается центр, на котором размещается проект.

Выберите "Управление" в портал Azure, чтобы перейти к ресурсам проекта в портал Azure.

Пакет SDK для Python

Чтобы управлять новым проектом или использовать его, включите его в следующее MLClient:

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

Azure CLI

Чтобы просмотреть параметры проекта, используйте az ml workspace show команду. Например:

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

Доступ к ресурсам project

Общие конфигурации в концентраторе совместно используются в проекте, включая подключения, вычислительные экземпляры и сетевой доступ, чтобы начать разработку сразу.

Кроме того, некоторые ресурсы доступны только пользователям в рабочей области проекта:

1. Компоненты, включая наборы данных, потоки, индексы, развернутые конечные точки API модели (открытые и бессерверные).

2. Подключения, созданные вами в разделе "Параметры проекта".

3. служба хранилища Azure контейнерах BLOB-объектов и общей папке для отправки данных в проекте. Доступ к хранилищу с помощью следующих подключений:

   Подключение к данным	Расположение хранилища	Характер использования
   workspaceblobstore	{project-GUID}-blobstore	Контейнер по умолчанию для отправки данных
   workspaceartifactstore	{project-GUID}-blobstore	Хранит компоненты и метаданные для проекта, такие как вес модели
   workspacefilestore	{project-GUID}-code	Узлы файлов, созданных на вычислительных ресурсах и с помощью потока запросов

Примечание.

Подключения к хранилищу не создаются непосредственно с проектом, если у учетной записи хранения есть доступ к общедоступной сети, для которых задано значение "Отключен". Они создаются вместо того, когда первый пользователь обращается к студии ИИ через частное сетевое подключение. Устранение неполадок подключений к хранилищу

Следующие шаги

• Развертывание корпоративного веб-приложения чата
• Дополнительные сведения об Azure AI Studio
• Дополнительные сведения о центрах