管理 Azure Machine Learning 登錄

Azure Machine Learning 實體可以分成兩大的類別：

• 「資產」，例如模型、環境、元件和資料集是「無關工作區」的耐久性實體。 例如，您可以用任何工作區登錄模型，然後將其部署至任何端點。
• 「資源」，例如計算、作業和端點是特定於工作區的暫時性實體。 例如，線上端點具有評分 URI ，其對特定工作區中的特定執行個體是唯一的。 同樣地，作業會在已知期間執行，並在每次執行產生記錄和計量。

資產適合儲存在中央存放庫，並用於不同的工作區，甚或不同的區域。 資源則是特定於工作區。

Azure Machine Learning 登錄讓您在不同的工作區中建立和使用這些資產。 登錄支援多區域複寫，以提供對資產的低延遲存取，所以您可在位於不同 Azure 區域的工作區中使用資產。 建立登錄會佈建輔助複寫所需的 Azure 資源。 首先是每個支援區域中的 Azure Blob 儲存體帳戶。 接著是啟用每個支援區域複寫的單一 Azure Container Registry。

必要條件

遵循本文中的步驟之前，請確定您已滿足下列必要條件：

• Azure CLI 和 Azure CLI 的 ml 擴充功能。 如需詳細資訊，請參閱安裝、設定和使用 CLI (v2)。

  重要

  本文中的 CLI 範例假設您使用 Bash (或相容的) 殼層。 例如，從 Linux 系統或 Windows 子系統 Linux 版。

• Azure Machine Learning 工作區。 如果沒有，請依安裝、設定和使用 CLI (v2) 中的步驟建立。

提示

如果您使用舊版的 CLI ml 延伸模組，您可能需要將它更新為最新版本，才能使用此功能。 若要更新最新版本，請使用下列命令:

az extension update -n ml

如需詳細資訊，請參閱安裝、設定和使用 CLI (v2)。

準備建立登錄

繼續建立登錄前，請謹慎決定下列資訊：

選擇名稱

挑選名稱前，請考慮下列因素。

• 登錄是為了促進組織中所有小組在所有工作區共用 ML 資產。 選擇反映共用範圍的名稱。 名稱應有助於識別群組、部門或組織。
• 登錄名稱是組織的唯一名稱 (Microsoft Entra 租用戶)。 例如，您可以在小組或組織名稱前面加上前置詞，並避免使用通用名稱。
• 登錄名稱建立後即無法變更，因為這些名稱會用於程式碼中所參考的模型、環境和元件識別碼。
  • 長度可介於 2 到 32 個字元。
  • 允許英數字元、底線、連字號。 不可使用其他特殊字元。 無空格 - 登錄名稱是程式碼中可能會參考的模型、環境和元件識別碼的一部分。
  • 名稱可以包含底線或連字號，但不能以底線或連字號開頭。 請以英數字元開頭。

選擇 Azure 區域

登錄讓您跨工作區共用資產。 為此登錄會跨多個 Azure 區域複寫內容。 建立登錄時，您必須定義登錄支援的區域清單。 針對目前有工作區，及日後規劃新增工作區的所有區域建立清單。 此清單的區域很適合作為開始。 建立登錄時，您要定義主要區域和一組其他區域。 建立登錄後，您無法變更主要區域，但稍後可以更新其他區域。

檢查權限

請確定您在規劃建立登錄的訂閱或資源群組中是「擁有者」或「參與者」。 如果您沒有其中一個內建角色，請參閱本文結尾的權限章節。

建立登錄

Azure CLI

建立 YAML 定義並命名為 registry.yml。

注意

主要位置會在 YAML 檔案中列出兩次。 在下列範例中，eastus 會先列出為主要位置 (location 項目)，同時也會列在 replication_locations 清單中。

name: DemoRegistry1
tags:
  description: Basic registry with one primary region and to additional regions
  foo: bar
location: eastus
replication_locations:
  - location: eastus
  - location: eastus2
  - location: westus

如需 YAML 檔案結構的詳細資訊，請參閱登錄 YAML 參考文章。

提示

您通常會在 Azure 入口網站中看到 Azure 區域的顯示名稱，例如「美國東部」，但登錄建立 YAML 的區域名稱不得有空格或小寫字母。 使用 az account list-locations -o table 尋找區域顯示名稱與可在 YAML 中指定之區域名稱對應的名稱。

執行登錄建立命令。

az ml registry create --file registry.yml

Azure Machine Learning studio

您可以使用下列步驟，在 Azure Machine Learning 工作室中建立登錄：

1. 在 Azure Machine Learning 工作室中，選取 [登錄]，然後選取 [管理登錄]。 選取 [+ 建立登錄]。

   提示

   如果您目前在工作區，請按一下瀏覽窗格中的組織或租用戶名稱，瀏覽至全域 UI 尋找 [登錄] 項目。 您也可以瀏覽至 https://ml.azure.com/registries，直接移至登錄項目。

   

2. 輸入登錄名稱，選取訂閱和資源群組，然後選取 [下一步]。

   

3. 選取 [主要區域] 和 [其他區域]，然後選取 [下一步]。

   

4. 檢閱您提供的資訊，然後選取 [建立]。 您可以在 Azure 入口網站追蹤作業的進度。 成功建立登錄後，即可在 [管理登錄] 索引標籤中找到該登錄。

   

Azure 入口網站

1. 從 Azure 入口網站，瀏覽至 Azure Machine Learning 服務。 您可以在頁面頂端的搜尋列搜尋 Azure Machine Learning，或移至 [所有服務] 尋找 [AI + 機器學習] 類別下的 [Azure Machine Learning]。

2. 選取 [建立]，然後選取 [Azure Machine Learning 登錄]。 輸入登錄名稱，選取訂閱、資源群組和主要區域，然後選取 [下一步]。

3. 選取登錄必須支援的更多區域，然後選取 [下一步]，直到到達 [檢閱 + 建立] 索引標籤。

   

4. 檢閱資訊並選取 [建立]。

REST API

提示

您需要 curl 公用程式才能完成此步驟。 Windows 子系統 Linux 版或任何 UNIX 發行版本中都有 curl 程式。 在 PowerShell 中，curl 是 Invoke-WebRequest 的別名，而 curl -d "key=val" -X POST uri 會變成 Invoke-WebRequest -Body "key=val" -Method POST -Uri uri。

若要驗證 REST API 呼叫，您需要 Azure 使用者帳戶的驗證權杖。 您可以使用下列命令來擷取權杖:

az account get-access-token 

回應應提供有效期為一個小時的存取權杖。 請記下權杖，因為您會使用此權杖來驗證所有管理要求。 下列 JSON 為回應的範例:

提示

[access_token] 欄位的值是權杖。

{
    "access_token": "YOUR-ACCESS-TOKEN",
    "expiresOn": "<expiration-time>",
    "subscription": "<subscription-id>",
    "tenant": "your-tenant-id",
    "tokenType": "Bearer"
}

若要建立登錄，請使用下列命令。 您可以編輯 JSON 以視需要變更輸入。 將 <YOUR-ACCESS-TOKEN> 值取代為先前擷取的存取權杖:

提示

使用 REST API 時，建議您使用最新的 API 版本。 如需 Azure Machine Learning 的目前 REST API 版本清單，請參閱 Machine Learning REST API 參考。 目前的 API 版本會列在頁面左側的目錄中。

curl -X PUT https://management.azure.com/subscriptions/<your-subscription-id>/resourceGroups/<your-resource-group>/providers/Microsoft.MachineLearningServices/registries/reg-from-rest?api-version=2024-04-01 -H "Authorization:Bearer <YOUR-ACCESS-TOKEN>" -H 'Content-Type: application/json' -d ' 
{
    "properties":
    {
        "regionDetails": 
        [
            {
                "location": "eastus",
                "storageAccountDetails":
                [
                    {
                        "systemCreatedStorageAccount": 
                        {
                            "storageAccountType": "Standard_LRS"
                        }
                    }
                ],
                "acrDetails": 
                [
                    {
                        "systemCreatedAcrAccount":
                        {
                            "acrAccountSku": "Premium"
                        }
                    }
                ]
            }
        ]
    },
    "identity": {
        "type": "SystemAssigned"
        },
    "location": "eastus"
}
'

您應該會收到 202 Accepted 回應。

指定儲存體帳戶類型和 SKU (選擇性)

提示

只能透過 Azure CLI 指定 Azure 儲存體帳戶類型和 SKU。

Azure 儲存體提供具有不同功能和定價的數種儲存體帳戶類型。 如需詳細資訊，請參閱儲存體帳戶類型文章。 找到最符合需求的理想儲存體帳戶 SKU 後，請尋找適當的 SKU 類型值。 在 YAML 檔案中，使用您選取的 SKU 類型作為 storage_account_type 欄位的值。 此欄位在 replication_locations 清單中每個 location 的下方。

接著，決定要使用 Azure Blob 儲存體帳戶或 Azure Data Lake Storage Gen2。 若要建立 Azure Data Lake Storage Gen2，請將 storage_account_hns 設為 true。 若要建立 Azure Blob 儲存體，請將 storage_account_hns 設為 false。 storage_account_hns 欄位在 replication_locations 清單中每個 location 的下方。

注意

storage_account_hns 的 hns 部分會參考 Azure Data Lake Storage Gen2 帳戶的階層命名空間功能。

下列範例 YAML 檔案示範此進階儲存體設定:

name: DemoRegistry2
tags:
  description: Registry with additional configuration for storage accounts
  foo: bar
location: eastus
replication_locations:
  - location: eastus
    storage_config:
      storage_account_hns: False
      storage_account_type: Standard_LRS
  - location: eastus2
    storage_config:
      storage_account_hns: False
      storage_account_type: Standard_LRS
  - location: westus
    storage_config:
      storage_account_hns: False
      storage_account_type: Standard_LRS

新增使用者至登錄

決定您是否允許使用者僅能使用登錄的資產 (模型、環境和元件)，或可在登錄中使用和建立資產。 如果您不熟悉如何使用 Azure 角色型存取控制來管理權限，請參閱指派角色的步驟。

允許使用者使用登錄的資產

若要使用者僅可讀取資產，請授與使用者內建的讀者角色。 如果不想使用內建角色，請建立包含下列權限的自訂角色

權限	描述
Microsoft.MachineLearningServices/registries/read	允許使用者列出登錄並取得登錄中繼資料
Microsoft.MachineLearningServices/registries/assets/read	允許使用者瀏覽資產並使用工作區中的資產

允許使用者建立並使用登錄的資產

若要使用者可讀取和建立或刪除資產，除了先前的讀取權限，也請授與下列寫入權限。

權限	描述
Microsoft.MachineLearningServices/registries/assets/write	在登錄中建立資產
Microsoft.MachineLearningServices/registries/assets/delete	在登錄中刪除資產

警告

內建的參與者和擁有者角色讓使用者能建立、更新和刪除登錄。 如果您希望使用者建立並使用登錄的資產，但不要建立或更新登錄，則需要建立自訂角色。 請參閱自訂角色，了解如何從權限建立自訂角色。

允許使用者建立並管理登錄

若要使用者可建立、更新和刪除登錄，請授與他們內建的參與者或擁有者角色。 如果您不想使用內建角色，請在上述讀取、建立和刪除登錄資產的權限以外，建立包含下列權限的自訂角色。

權限	描述
Microsoft.MachineLearningServices/registries/write	允許使用者建立或更新登錄
Microsoft.MachineLearningServices/registries/delete	允許使用者刪除登錄

相關內容

• 瞭解如何透過登錄跨工作區共用模型、元件和環境
• 使用登錄的網路隔離