你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站,请访问 https://docs.azure.cn 。
在 Azure AI Studio 中创建项目
本文内容
本文介绍如何创建 Azure AI Studio 项目。 项目用于在生成自定义 AI 应用时组织工作并保存状态。
项目由 Azure AI Studio 中心托管,该资源提供企业级安全性和协作环境。 有关项目和资源模型的详细信息,请参阅Azure AI Studio 中心 。
先决条件
创建项目
使用以下选项卡选择要用于创建项目的方法:
要在 Azure AI Studio 中创建项目,请执行以下步骤:
转到 Azure AI Studio 的主 页。
选择“+ New project”。
输入项目的名称。
从下拉列表中选择中心来托管项目。 有关中心和项目之间的关系的信息,请参阅中心和项目概述 文档。 如果还没有中心,请选择“创建新中心” 。
注意
若要创建中心,必须对所选资源组具有所有者 或参与者 权限。 建议与团队共享中心。 这样,你便可以与所有项目共享数据连接等配置,并集中管理安全设置和支出。 有关创建中心的更多选项,请参阅如何创建和管理 Azure AI Studio 中心 。 对于共享同一中心的项目,项目名称必须不得重复。
如果正在创建新中心,请输入名称。
从“订阅” 下拉列表中选择 Azure 订阅。 出于计费、访问权限或管理原因,为项目选择特定的 Azure 订阅。 例如,这会向用户和服务主体授予对项目的订阅级访问权限。
将资源组 保留为默认组,以创建新资源组。 也可以从下拉列表中选择现有资源组。
提示
特别是在开始阶段,建议为项目创建一个新的资源组。 这允许你轻松管理项目及其所有资源。 创建项目时,会在资源组中创建多个资源,包括中心、容器注册表和存储帐户。
输入中心的位置 ,然后选择“下一步” 。 位置是中心所在的位置。 中心的位置也是项目的位置。 Azure AI 服务可用性因区域而异。 例如,某些模型在某些区域中可能不可用。
从下拉列表中选择现有 Azure AI 服务资源(包括 Azure OpenAI)或创建新资源。
在“评审和完成” 页面上,可以看到 Azure AI 服务资源名称和其他要评审的设置。
查看项目详细信息,然后选择“创建项目 ”。 可以看到资源创建进度,该过程完成时项目便创建完毕。
创建项目后,可以访问左侧导航面板中的操场、工具和其他资源。
安装 Python,如 SDK 快速入门 中所述。
安装 Azure 机器学习 SDK v2 。
安装 azure-identity:pip install azure-identity
。 如果在笔记本单元格中,请使用 %pip install azure-identity
。
提供订阅的详细信息:
# Enter details of your subscription
subscription_id = "<SUBSCRIPTION_ID>"
resource_group = "<RESOURCE_GROUP>"
获取订阅的句柄。 本文中的所有 Python 代码都使用 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)
(可选)如果有多个帐户,请添加要在 DefaultAzureCredential
中使用的 Microsoft Entra ID 的租户 ID。 在 Azure 门户 的“Microsoft Entra ID 外部标识”下 找到你的租户 ID。
DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
(可选)如果你在 Azure 政府 - 美国 或 Azure 中国世纪互联 区域工作,请指定要在其中进行身份验证的区域。 可以使用 DefaultAzureCredential
指定区域。 以下示例向 Azure 政府 - 美国区域进行身份验证:
from azure.identity import AzureAuthorityHosts
DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
使用以下代码在你或你的管理员之前创建的中心中创建项目。 将示例字符串值替换为自己的值:
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()
如果未安装 Azure CLI 和机器学习扩展,请按照安装和设置机器学习扩展 一文中的步骤操作。
要从 Azure CLI 向 Azure 订阅进行身份验证,请使用以下命令:
az login
有关身份验证的详细信息,请参阅身份验证方法 。
安装扩展并向 Azure 订阅进行身份验证后,使用以下命令在现有 Azure AI Studio 中心中新建一个 Azure AI Studio 项目:
az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
查看项目设置
在项目“设置”页,可以找到有关项目的信息,例如项目名称、说明和托管项目的中心 。 还可以找到用于通过 SDK 或 API 标识项目的项目 ID。
名称:项目的名称对应于左侧面板中的选定项目。
中心:托管项目的中心。
位置:托管项目的中心的位置。 有关受支持的位置,请参阅 Azure AI Studio 区域 。
订阅:托管项目的中心所在的订阅。
资源组:托管项目的中心所在的资源组。
选择“在 Azure 门户中管理 ”,以导航到 Azure 门户中的项目资源。
若要管理或使用新项目,请将其包含在 MLClient
中:
ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())
若要查看项目的设置,请使用 az ml workspace show
命令。 例如:
az ml workspace show --name {my_project_name} --resource-group {my_resource_group}
访问项目资源
系统会与项目共享中心上的常见配置,包括连接、计算实例和网络访问,以便你可以立即开始开发。
此外,许多资源只有项目工作区中的用户才能访问:
组件包括数据集、流程、索引、部署的模型 API 端点(开放和无服务器)。
在“项目设置”下创建的连接。
Azure 存储 Blob 容器和用于在项目中上传数据的文件共享。 使用以下连接访问存储:
数据连接
存储位置
目的
workspaceblobstore
{project-GUID}-azureml-blobstore
数据上传的默认容器
workspaceartifactstore
{project-GUID}-azureml
存储项目的组件和元数据,例如模型权重
workspacefilestore
{project-GUID}-code
托管在计算机上创建并使用提示流的文件
注意
在将存储帐户的“可通过公共网络访问”设置为禁用时,系统不会直接创建连接至项目的存储链接。 当第一个用户通过专用网络连接访问 AI Studio 时,系统才会创建这些内容。 排查存储连接问题
相关内容