通过

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。

使用 Azure 机器学习 SDK 和 CLI 创建中心

  • 项目

重要

本文中标记了“（预览版）”的项目目前为公共预览版。 此预览版未提供服务级别协议，不建议将其用于生产工作负载。 某些功能可能不受支持或者受限。 有关详细信息，请参阅 Microsoft Azure 预览版补充使用条款。

本文介绍了如何使用 Azure 机器学习 SDK 和Azure CLI（具有机器学习扩展）创建以下 AI Studio 资源：

  • 一个 Azure AI Studio 中心
  • Azure AI 服务连接

先决条件

设置你的环境

使用以下选项卡选择是使用 Python SDK 还是 Azure CLI：

  1. 安装 Python，如 SDK 快速入门中所述。

  2. 安装 Azure 机器学习 SDK v2。

  3. 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。

  4. 提供订阅的详细信息：

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

  5. 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)

  6. （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>")

  7. （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)

创建 AI Studio 中心和 AI 服务连接

使用以下示例新建中心。 将示例字符串值替换为自己的值：

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()

创建 AI 服务连接

创建自己的 AI 服务后，可以将其连接到中心：

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)

使用现有依赖项资源创建 AI Studio 中心

还可以使用现有资源（例如 Azure 存储和 Azure 密钥保管库）创建中心。 在以下示例中，将示例字符串值替换为你自己的值：

提示

可以通过转到资源概述并选择“JSON 视图”，从 Azure 门户检索存储帐户和密钥保管库的资源 ID。 资源 ID 位于 ID 字段中。 还可以使用 Azure CLI 检索资源 ID。 例如，az storage account show --name {my_storage_account_name} --query "id" 和 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()