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。

将专用 Python 包与 Azure 机器学习一起使用

项目
09/03/2024

适用于：Python SDK azureml v1

本文介绍如何在 Azure 机器学习内安全地使用专用 Python 包。专用 Python 包的用例包括：

已开发不想公开分享的专用包。
希望使用企业防火墙中存储的包的特选存储库。

建议的方法取决于单个 Azure 机器学习工作区有少量包，还是组织中所有工作区有整个包存储库。

通过 Environment 类使用专用包。在环境内可声明要使用的 Python 包，包括专用包。若要大体了解 Azure 机器学习中的环境，请参阅如何使用环境。

先决条件

使用少量包进行开发和测试

对于单个工作区的少量专用包，请使用静态 Environment.add_private_pip_wheel() 方法。此方法可让你快速地将专用包添加到工作区，并且非常适用于开发和测试目的。

将文件路径参数指向本地 wheel 文件，然后运行 add_private_pip_wheel 命令。该命令返回用于跟踪工作区中包位置的 URL。捕获存储 URL，并将其传递给 add_pip_package() 方法。

whl_url = Environment.add_private_pip_wheel(workspace=ws,file_path = "my-custom.whl")
myenv = Environment(name="myenv")
conda_dep = CondaDependencies()
conda_dep.add_pip_package(whl_url)
myenv.python.conda_dependencies=conda_dep

Azure 机器学习服务在内部将 URL 替换为安全的 SAS URL，使 wheel 文件保持专用和安全。

从 Azure DevOps 源使用包的存储库

如果正积极开发机器学习应用程序的 Python 包，可以将它们作为项目托管在 Azure DevOps 存储库，并将其作为源发布。此方法可让你集成 DevOps 工作流，以便通过 Azure 机器学习工作区生成包。若要了解如何使用 Azure DevOps 设置 Python 源，请阅读 Azure Artifacts 中的 Python 包入门

此方法使用个人访问令牌对存储库进行身份验证。同样的方法适用于采用基于令牌的身份验证的其他存储库，如专用 GitHub 存储库。

为 Azure DevOps 实例创建个人访问令牌 (PAT)。将令牌的范围设为 Packaging > Read。

使用 Workspace.set_connection 方法添加 Azure DevOps URL 和 PAT 作为工作区属性。

from azureml.core import Workspace

pat_token = input("Enter secret token")
ws = Workspace.from_config()
ws.set_connection(name="connection-1", 
   category = "PythonFeed",
   target = "https://pkgs.dev.azure.com/<MY-ORG>", 
   authType = "PAT", 
   value = pat_token)

创建 Azure 机器学习环境，并从源添加 Python 包。

from azureml.core import Environment
from azureml.core.conda_dependencies import CondaDependencies

env = Environment(name="my-env")
cd = CondaDependencies()
cd.add_pip_package("<my-package>")
cd.set_pip_option("--extra-index-url https://pkgs.dev.azure.com/<MY-ORG>/_packaging/<MY-FEED>/pypi/simple")")
env.python.conda_dependencies=cd

环境现在已准备就绪，可用于训练运行或 Web 服务终结点部署。构建环境时，Azure 机器学习服务使用 PAT 通过匹配的基 URL 对源进行身份验证。

从专用存储使用包的存储库

可以在组织的防火墙内使用 Azure 存储帐户的包。该存储帐户可以包含一组特选包，或者可公开使用的包的内部镜像。

若要设置此类专用存储，请参阅保护 Azure 机器学习工作区和关联资源。还必须将 Azure 容器注册表 (ACR) 放置在虚拟网络后。

重要

必须完成此步骤才能使用专用包存储库训练或部署模型。

完成这些部署后，便可以通过 Azure Blob 存储中的完整 URL 引用 Azure 机器学习环境定义中的包。

后续步骤

详细了解 Azure 机器学习的企业安全性

通过