在 Azure AI Studio 中建立專案
本文內容
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 。
必要條件
建立專案
使用下列索引標籤來選取您計劃用於建立專案的方法：
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]
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。 如需中樞與專案之間關聯性的相關資訊，請參閱中樞和專案概觀 文件。 如果您還沒有中樞，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專案之間必須是唯一的。
如果您要建立新的中樞，請輸入名稱。
從 [訂用帳戶]
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]
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]
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]
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)
使用下列程式碼，從您或您的系統管理員先前建立的中樞建立專案。 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_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()
如果您沒有安裝 Azure CLI 和機器學習延伸模組，請遵循安裝並設定機器學習延伸模組 一文中的步驟。
若要從 Azure CLI 驗證您的 Azure 訂用帳戶，請使用下列命令：
az login
如需有關驗證的詳細資訊，請參閱驗證方法 。
在安裝延伸模組並驗證至您的 Azure 訂用帳戶之後，請使用下列命令從現有的 Azure AI Studio 中樞中建立新的 Azure AI Studio 專案：
az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
檢視項目設定
您可以在專案 [設定]
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]
若要管理或使用新專案，請將它包括在 MLClient：
ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())
若要檢視專案的設定，請使用 az ml workspace show 命令。 例如：
az ml workspace show --name {my_project_name} --resource-group {my_resource_group}
存取項目資源
中樞上的常見設定會與您的專案共用，包括連線、計算執行個體和網路存取，讓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部分資源：
包括資料集、流程、索引、已部署的模型 API 端點 (開啟和無伺服器) 的元件。
您在 [項目設定] 下建立的連線。
Azure 儲存體 Blob 容器，以及專案內資料上傳的檔案共用。 使用下列連線存取儲存體：
資料連線
儲存位置
目的
workspaceblobstore
{project-GUID}-azureml-blobstore
數據上傳的預設容器
workspaceartifactstore
{project-GUID}-azureml
儲存專案的元件和中繼資料，例如模型權重
workspacefilestore
{project-GUID}-code
在您的計算和使用提示流程上建立的主機檔案
注意
當儲存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儲存體連線。 當第一個使用者透過私人網路連線存取 AI Studio 時，會改為建立這些專案。 疑難排解的儲存體連線
相關內容
