在 Azure AI Studio 中建立專案

發行項
06/13/2024

本文會說明如何建立 Azure AI Studio 專案。專案可用來組織工作並儲存狀態，同時建置自訂的 AI 應用程式。

專案是由 Azure AI Studio 中樞所裝載，可提供企業級安全性和共同作業環境。如需此專案和資源模型的詳細資訊，請參閱 Azure AI Studio 中樞。

建立專案

使用下列索引標籤來選取您計劃用來建立專案的方法：

若要在 Azure AI Studio 中建立專案，請遵循下列步驟：

移至 Azure AI Studio 的 [首頁] 頁面。
選取 [+ 新增專案]。
輸入專案名稱。
從下拉式清單中選取中樞來裝載您的專案。如果您還沒有中樞的存取權，請選取 [建立新的中樞]。

注意

若要建立中樞，您必須具備所選取資源群組的擁有者或參與者權限。建議您與小組共用中樞。這可讓您與所有專案共用資料連線等設定，並集中管理安全性設定和支出。如需建立中樞的更多選項，請參閱如何建立和管理 Azure AI Studio 中樞。專案名稱在共用相同中樞的項目之間必須是唯一的。
如果您要建立新的中樞，請輸入名稱。
從 [訂用帳戶] 下拉式清單中選取您的 Azure 訂用帳戶。基於計費、存取或系統管理因素，為您的專案選擇特定的 Azure 訂用帳戶。例如，這會為使用者和服務主體授與對您專案的訂用帳戶層級存取權。
將資源群組保留為預設值，以建立新的資源群組。或者，您可以從下拉式清單中選取現有的資源群組。

提示

特別是在一開始，建議您為專案建立新的資源群組。這可讓您輕鬆地一併管理專案及其所有資源。當您建立專案時，會在資源群組中建立數個資源，包括中樞、容器登錄和儲存體帳戶。
輸入中樞的 [位置]，然後選取 [下一步]。位置是裝載中樞所在的區域。中樞的位置也是專案的位置。 Azure AI 服務可用性會因每個區域而異。例如，某些區域中可能無法使用特定模型。
從下拉式清單中選取現有的 Azure AI 服務資源 (包括 Azure OpenAI)，或建立新的資源。
在 [檢閱並完成] 頁面上，您會看到要檢閱的 Azure AI 服務資源名稱和其他設定。
檢閱專案詳細資料，然後選取 [建立專案]。您會看到資源建立進度，專案會在程序完成時建立。

建立專案之後，您可以在左側瀏覽窗格中存取遊樂場、工具及其他資產。

依照 SDK 快速入門中所述安裝 Python。
安裝 Azure Machine Learning SDK v2。
安裝 azure-identity：pip install azure-identity。如果在筆記本資料格中，請使用 %pip install azure-identity。

提供您的訂用帳戶詳細資料：

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

取得訂用帳戶的控制代碼。本文中的所有 Python 程式碼都會使用 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)

(選擇性) 如果您有多個帳戶，請將您想要使用的 Microsoft Entra ID 租用戶識別碼新增至 DefaultAzureCredential。在 Azure 入口網站的 [Microsoft Entra ID，外部身分識別] 下，尋找您的租用戶識別碼。
```
DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
```
(選擇性) 如果您正在 Azure Government - US 或 Azure China 21Vianet 區域，請指定您要驗證的區域。您可以使用 DefaultAzureCredential 來指定區域。下列範例會向 Azure Government - 美國區域進行驗證：
```
from azure.identity import AzureAuthorityHosts
DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
```

使用下列程式代碼，從您或先前建立的系統管理員中樞建立專案。請以您自己的值取代範例字串：

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()

如果您沒有安裝 Azure CLI 和機器學習延伸模組，請遵循安裝和設定機器學習擴充功能一文中的步驟。
若要從 Azure CLI 向 Azure 訂用帳戶進行驗證，請使用下列命令：
```
az login
```
如需驗證的詳細資訊，請參閱驗證方法。
在擴充功能安裝並驗證至您的 Azure 訂用帳戶之後，請使用下列命令，從現有的 Azure AI 中樞建立新的 Azure AI 專案：
```
az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
```

專案設定

您可以在專案 [設定] 頁面上找到專案的相關資訊，例如專案名稱、描述和裝載專案的中樞。您也可以尋找專案識別碼，會使用此識別碼來透過 SDK 或 API 識別專案。

名稱: 專案的名稱會對應至左面板中選取的專案。
中樞：裝載此專案的中樞。
位置：裝載此專案的中樞位置。如需支援的位置，請參閱 Azure AI Studio 區域。
訂用帳戶：裝載中樞的訂用帳戶，而該中樞會裝載此專案。
資源群組：裝載中樞的資源群組，而該中樞會裝載此專案。

選取 [在 Azure 入口網站中管理]，以瀏覽至 Azure 入口網站中的專案資源。

若要管理或使用新專案，請將它包含在中 MLClient：

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

若要檢視項目的設定，請使用 az ml workspace show 命令。例如：

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

項目資源存取

中樞上的常見組態會與您的項目共用，包括連線、計算實例和網路存取，因此您可以立即開始開發。

此外，只有專案工作區中的使用者才能存取一些資源：

元件，包括數據集、流程、索引、已部署的模型 API 端點（開啟和無伺服器）。
您在 [項目設定] 底下建立的連線。

Azure 儲存體 Blob 容器，以及專案內上傳數據的檔案共用。使用下列連線存取記憶體：

資料連線	儲存位置	目的
workspaceblobstore	{project-GUID}-blobstore	數據上傳的預設容器
workspaceartifactstore	{project-GUID}-blobstore	儲存專案的元件和元數據，例如模型權數
workspacefilestore	{project-GUID}-code	裝載在您的計算和使用提示流程上建立的檔案

注意

當記憶體帳戶的公用網路存取設定為停用時，不會直接與專案建立記憶體連線。當第一個使用者透過專用網連線存取 AI Studio 時，會改為建立這些專案。針對記憶體連線進行疑難解答

共用方式為

在 Azure AI Studio 中建立專案

建立專案

專案設定

項目資源存取

下一步

意見反應

意見反應

其他資源