為 Microsoft Foundry（經典版）建立一個樞紐專案

備註

本文件指的是 Microsoft Foundry（經典版） 入口網站。

🔍 請參閱 Microsoft Foundry（新）文件 以了解新入口網站。

這很重要

本文為集線器專案提供舊版支援。 這方法無法用於 Foundry 專案。 看看 ，我怎麼知道我手上的專案類型？

SDK 相容性說明：範例程式碼需要特定的 Microsoft Foundry SDK 版本。 如果你遇到相容性問題，可以考慮 從樞紐式專案遷移到 Foundry 專案。

小提示

另有一篇替代的 Foundry 專案建立文章：為 Microsoft Foundry 建立專案（Foundry 專案）。

本文說明如何在 Foundry 中建立一個以樞紐為基礎的專案。 當你需要提示流程、管理運算、Azure Machine Learning 相容性或進階開發功能時，可以使用樞紐專案。

欲了解更多不同專案類型的資訊，請參閱 專案類型。

先決條件

選擇一種方法：

Foundry 入口網站

• Azure 訂閱。
• 必備角色： hub 資源的擁有者 或 貢獻 者。

Python SDK

• Azure 訂閱。
• 必備角色： hub 資源的擁有者 或 貢獻 者。
• Azure Machine Learning SDK v2.
• 現有的中樞資源 （請參閱建立中樞一文）。
• Azure CLI安裝並驗證（az login）。

Azure CLI

• Azure 訂閱。
• 必備角色： hub 資源的擁有者 或 貢獻 者。
• 安裝了 Azure CLI 和機器學習擴充功能。 請依照安裝並設定機器學習擴充功能文章中的步驟進行安裝。
• 現有的中樞資源。

設定您的環境

Foundry 入口網站

如果你使用 Foundry 入口網站，不需要額外設定。

Python SDK

1. 安裝套件。 （如果在筆記本的儲存格中，請改用 %pip install 。

   pip install azure-ai-ml
   pip install azure-identity
   

2. 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>"

3. 取得訂用帳戶的控制代碼。 本文中所有Python程式碼均使用 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)

4. （可選）如果你有多個帳號，請把你想用的Microsoft Entra ID的租戶 ID 加入 DefaultAzureCredential。 在Azure入口網站的Microsoft Entra ID外部身份下查詢您的租戶ID。

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. （可選）如果你在 Azure Government - US 或 Azure China 21Vianet 區域工作，請指定你想要驗證的區域。 您可以使用 DefaultAzureCredential 來指定區域。 以下範例認證至 Azure 美國政府區域：

   from azure.identity import AzureAuthorityHosts
   DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_GOVERNMENT)
   

6. 確認連接。

   for hub in ml_client.workspaces.list():
       print(f"  - {hub.name}")
   

若收到認證錯誤，請確保Azure憑證已設定（執行 az login 或透過 Azure Identity SDK 設定憑證）。 如果你收到權限錯誤，請檢查你在訂閱或資源群組中是否有貢獻者角色。

參考資料： MLClient， DefaultAzureCredential

請透過列出現有的樞紐來驗證你的身份驗證：

hubs = ml_client.workspaces.list()
for hub in hubs:
    print(f"Hub: {hub.name}")

若收到認證錯誤，請確保Azure憑證已設定（執行 az login 或透過 Azure Identity SDK 設定憑證）。 如果你收到權限錯誤，請檢查你在訂閱或資源群組中是否有貢獻者角色。

Azure CLI

1. 要從 Azure CLI 驗證你的 Azure 訂閱，請使用以下指令：

   az login
   

   如需有關驗證的詳細資訊，請參閱驗證方法。

2. 請透過列出現有的樞紐來驗證你的身份驗證：

   az ml workspace list --resource-group <your-resource-group-name>
   

   如果指令成功並顯示任何現有的中樞，代表你的認證是正確的。

建立中樞專案

Foundry 入口網站

要在 Microsoft Foundry 中建立基於樞紐的專案，請遵循以下步驟：

1. 登入 Microsoft Foundry。 確定新鑄造廠的開關是關閉的。 這些步驟指的是 Foundry (傳統版)。

   

2. 接下來要做什麼取決於您的位置：

   • 如果你沒有現有專案：請依照 快速入門的步驟：開始使用 Microsoft Foundry 建立你的第一個專案。

   • 如果您位於專案中：選取專案階層連結，然後選取 [建立新資源]。

     

   • 如果你不在專案中：請選擇右上角的 「建立新」 以建立新的 Foundry 專案

     

3. 選取 [AI 中樞資源]，然後選取 [ 下一步]。

4. 輸入專案名稱。

5. 如果您有中樞，您會看到所選取最近使用的中樞。

   • 如果您有多個中樞的存取權，您可以從下拉式清單中選取不同的中樞。

   • 如果你想建立一個新的集會中心，請從下拉選單選擇 「建立一個新的集會中心 」。

     

6. 如果您沒有中樞，則會為您建立預設中樞。

7. 選取 ，創建。

或者，如果您想要自定義新的中樞，請在選取 [ 建立] 之前，遵循下一節中的步驟。

自訂中樞

中樞型專案存在於中樞內。 中樞可讓您共用設定，例如與所有專案的數據連線，以及集中管理安全性設定和支出。 如果您是小組的一員，則中樞會在您的訂用帳戶中與其他小組成員共用。 如需中樞與專案之間關聯性的詳細資訊，請參閱中 樞和專案概觀 檔。

當您建立新的中樞時，您必須擁有 所選資源群組的擁有者 或 參與者 許可權。 如果您是團隊的一員，但沒有這些許可權，您的系統管理員應該為您建立一個樞紐。

小提示

雖然您可以在專案建立過程中建立中樞，但您可以擁有更多控制權，而且如果您個別建立中樞，可以設定更進階的設定。 例如，你可以自訂網路安全或底層的 Azure Storage 帳號。 欲了解更多資訊，請參閱「如何建立與管理 Microsoft Foundry 中樞」。

當您在專案建立時建立新的中樞時，會提供預設設定。 如果您要自訂這些設定，請在建立專案之前執行此動作：

1. 在 [ 建立專案 ] 窗體中，選取右側的箭號。

   

2. 選取您想要使用的現有 資源群組 ，或保留預設值以建立新的資源群組。

   小提示

   尤其是在初期階段，我們建議您為您的專案建立一個新的資源群組。 資源群組可讓您輕鬆地一起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。

3. 選取 [ 位置 ] 或使用預設值。 位置是裝載中樞所在的區域。 樞紐的位置也是項目的位置。 鑄造廠工具的可用性因地區而異。 例如，某些區域中可能無法使用特定模型。

4. 選取 [建立專案]。 您會看到資源創建的進度。 專案會在程式完成時建立。

Python SDK

from azure.ai.ml.entities import Project

my_project_name = "myexampleproject"  # Project names must be lowercase, 3–64 chars, alphanumeric with hyphens
my_display_name = "My Example Project"
hub_name = "myhubname"  # Hub resource name
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()
print(f"Project '{created_project.name}' created successfully.")

這段內容 ：定義專案屬性，並在現有樞紐上建立專案。 方法 .result() 等待建立完成。 預期輸出：顯示已建立專案名稱的確認訊息。

參考：

• 專案實體
• MLClient.workspaces
• Azure Identity DefaultAzureCredential

Azure CLI

az ml workspace create --kind project --hub-id <my-hub-id> --resource-group <my-resource-group> --name <my-project-name>

取代下列各項的預留位置：

• <my-hub-id>：集線器完整資源 ID 的格式為 /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}
• <my-resource-group>： 包含你樞紐的資源群組名稱
• <my-project-name>： 新專案名稱（小寫，3–64 個字元，字母數字連字號）

這個指令的作用： 建立一個與指定樞紐相關的新樞紐專案。

參考：

• az ml workspace Create

檢視項目設定

Foundry 入口網站

打開專案 概覽 以查看名稱、訂閱及資源群組。 共用資產可使用 Management center，底層資源則可在 Azure 入口網站 中管理。

Python SDK

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

Azure CLI

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

專案資源

從中樞共用：連線、計算、網路組態。

專案範圍資源：

• 元件 （資料集、流程、索引、部署）
• 專案連線
• 儲存容器與檔案分享：
  • workspaceblobstore – 預設資料上傳
  • WorkspaceArtifactStore – 元件與元資料
  • workspacefilestore – 來自計算與 prompt flow 的檔案

備註

如果您停用儲存體公用存取，儲存體連線可能會延後建立，直到第一次私用網路存取為止。

刪除專案

1. 在入口網站中開啟中樞。
2. 前往管理中心 > 總覽。
3. 選擇要移除的專案。
4. 選取 [刪除專案]。

要刪除一個集線器及其所有專案，請在集線器屬性中選擇刪除集線器以開啟Azure入口網站集線器刪除。

相關內容

• 建立一個鑄造廠專案。
• 快速入門：開始使用 Foundry（Hub 專案）。
• 了解更多關於 Foundry 的資訊。