Erstellen eines Hubprojekts für Microsoft Foundry (klassisch)

• Azure Abonnement.
• Erforderliche Rolle: Besitzer oder Mitwirkender in der Hubressource.

• Azure Abonnement.
• Erforderliche Rolle: Besitzer oder Mitwirkender in der Hubressource.
• Azure Machine Learning SDK v2.
• Vorhandene Hubressource (siehe Artikel zum Erstellen eines Hubs).
• Azure CLI installiert und authentifiziert (az login).

• Azure Abonnement.
• Erforderliche Rolle: Besitzer oder Mitwirkender in der Hubressource.
• Azure CLI- und Machine Learning-Erweiterung installiert. Folgen Sie den Schritten im Artikel Installieren und Einrichten der Machine-Learning-Erweiterung, um die Installation abzuschließen.
• Vorhandene Hubressource.

Es ist kein zusätzliches Setup erforderlich, wenn Sie das Foundry-Portal verwenden.

1. Installieren Sie Pakete. (Verwenden Sie %pip install stattdessen in einer Notizbuchzelle.)

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

2. Geben Sie Ihre Abonnementdetails an:

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

3. Rufen Sie ein Handle für das Abonnement ab. Der gesamte Python Code in diesem Artikel verwendet 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. (Optional) Wenn Sie über mehrere Konten verfügen, fügen Sie die Mandanten-ID der Microsoft Entra ID, die Sie verwenden möchten, in das DefaultAzureCredential ein. Suchen Sie Ihre Mandanten-ID aus dem portal Azure unter Microsoft Entra ID, External Identities.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Optional) Wenn Sie in den Regionen Azure Government - US oder Azure China 21Vianet arbeiten, geben Sie die Region an, in der Sie sich authentifizieren möchten. Sie können die Region mit DefaultAzureCredential angeben. Im folgenden Beispiel erfolgt die Authentifizierung bei der Azure Government - US-Region:

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

6. Überprüfen Sie die Verbindung.

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

Wenn Sie einen Authentifizierungsfehler erhalten, stellen Sie sicher, dass Ihre Azure Anmeldeinformationen konfiguriert sind (führen Sie az login aus, oder richten Sie Ihre Anmeldeinformationen über das Azure Identity SDK ein). Wenn Sie einen Berechtigungsfehler erhalten, überprüfen Sie, ob Sie über die Rolle "Mitwirkender" für das Abonnement oder die Ressourcengruppe verfügen.

Verweise: MLClient, DefaultAzureCredential

Überprüfen Sie Ihre Authentifizierung, indem Sie vorhandene Hubs auflisten:

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

Wenn Sie einen Authentifizierungsfehler erhalten, stellen Sie sicher, dass Ihre Azure Anmeldeinformationen konfiguriert sind (führen Sie az login aus, oder richten Sie Ihre Anmeldeinformationen über das Azure Identity SDK ein). Wenn Sie einen Berechtigungsfehler erhalten, überprüfen Sie, ob Sie über die Rolle "Mitwirkender" für das Abonnement oder die Ressourcengruppe verfügen.

1. Verwenden Sie den folgenden Befehl, um sich bei Ihrem Azure-Abonnement vom Azure CLI zu authentifizieren:

   az login
   

   Weitere Informationen zur Authentifizierung finden Sie unter Authentifizierungsmethoden.

2. Überprüfen Sie Ihre Authentifizierung, indem Sie vorhandene Hubs auflisten:

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

   Wenn der Befehl erfolgreich ist und vorhandene Hubs anzeigt, ist Ihre Authentifizierung korrekt.

Führen Sie die folgenden Schritte aus, um ein hubbasiertes Projekt in Microsoft Foundry zu erstellen:

1. Melden Sie sich bei Microsoft Foundry an. Stellen Sie sicher, dass der Umschalter "Neue Gießerei " deaktiviert ist. Diese Schritte beziehen sich auf Foundry (klassisch).

   

2. Was Sie als Nächstes tun, hängt davon ab, wo Sie sich befinden:

   • Wenn Sie sich noch nicht in einem Projekt befinden oder noch keine Projekte haben: Wählen Sie oben rechts " Neu erstellen " aus, um ein neues Foundry-Projekt zu erstellen.

     

   • Wenn Sie sich in einem Projekt befinden: Wählen Sie das Projekt Breadcrumb aus, und wählen Sie dann "Neue Ressource erstellen" aus.

     

3. Wählen Sie die KI-Hubressource und dann "Weiter" aus.

4. Geben Sie einen Namen für das Projekt ein.

5. Wenn Sie über einen Hub verfügen, wird der zuletzt verwendete ausgewählt.

   • Wenn Sie Zugriff auf mehrere Hubs haben, können Sie einen anderen Hub aus der Dropdownliste auswählen.

   • Wenn Sie ein neues Erstellen möchten, wählen Sie im Dropdownmenü " Neuen Hub erstellen " aus.

     

6. Wenn Sie keinen Hub haben, wird für Sie ein Standard-Hub erstellt.

7. Wählen Sie "Erstellen" aus.

Wenn Sie einen neuen Hub anpassen möchten, führen Sie die Schritte im nächsten Abschnitt aus, bevor Sie "Erstellen" auswählen.

Anpassen des Hubs

Ein hubbasiertes Projekt ist innerhalb eines Hubs vorhanden. Mit einem Hub können Sie Konfigurationen wie Datenverbindungen mit allen Projekten freigeben und Sicherheitseinstellungen und Ausgaben zentral verwalten. Wenn Sie Teil eines Teams sind, werden Hubs für andere Teammitglieder in Ihrem Abonnement freigegeben. Weitere Informationen zur Beziehung zwischen Hubs und Projekten finden Sie in der Übersicht über Hubs und Projekte .

Wenn Sie einen neuen Hub erstellen, müssen Sie über die Berechtigung Eigentümer oder Beitragender für die ausgewählte Ressourcengruppe verfügen. Wenn Sie Teil eines Teams sind und nicht über diese Berechtigungen verfügen, sollte Ihr Administrator einen Hub für Sie erstellen.

Wenn Sie einen neuen Hub als Teil der Projekterstellung erstellen, werden Standardeinstellungen bereitgestellt. Wenn Sie diese Einstellungen anpassen möchten, führen Sie dies aus, bevor Sie das Projekt erstellen:

1. Wählen Sie im Formular "Projekt erstellen " den Pfeil auf der rechten Seite aus.

   

2. Wählen Sie eine vorhandene Ressourcengruppe aus, die Sie verwenden möchten, oder lassen Sie die Standardeinstellung, um eine neue Ressourcengruppe zu erstellen.

   Tipp

   Insbesondere für die ersten Schritte empfehlen wir, eine neue Ressourcengruppe für Ihr Projekt zu erstellen. Mit der Ressourcengruppe können Sie das Projekt und alle zugehörigen Ressourcen problemlos verwalten. Wenn Sie ein Projekt erstellen, werden mehrere Ressourcen in der Ressourcengruppe erstellt, einschließlich eines Hubs, einer Containerregistrierung und eines Speicherkontos.

3. Wählen Sie einen Speicherort aus, oder verwenden Sie den Standardwert. Der Standort ist die Region, in der der Hub gehostet wird. Der Standort des Hubs ist auch der Standort des Projekts. Die Verfügbarkeit von Foundry Tools unterscheidet sich je nach Region. Beispielsweise sind bestimmte Modelle in bestimmten Regionen möglicherweise nicht verfügbar.

4. Wählen Sie "Projekt erstellen" aus. Der Fortschritt der Ressourcenerstellung wird angezeigt. Das Projekt wird erstellt, wenn der Prozess abgeschlossen ist.

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.")

Funktionsweise dieses Codeausschnitts: Definiert Projekteigenschaften und erstellt das Projekt auf dem vorhandenen Hub. Die .result() Methode wartet auf den Abschluss der Erstellung. Erwartete Ausgabe: Eine Bestätigungsmeldung, in der der name des erstellten Projekts angezeigt wird.

Verweise:

• Projektentität
• MLClient.workspaces
• Azure Identity DefaultAzureCredential

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

Ersetzen Sie die Platzhalter wie folgt:

• <my-hub-id>: Vollständige Ressourcen-ID des Hubs im Format /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}
• <my-resource-group>: Name der Ressourcengruppe, die Ihren Hub enthält
• <my-project-name>: Name für das neue Projekt (Kleinbuchstaben, 3 bis 64 Zeichen, alphanumerisch mit Bindestrichen)

Funktionsweise dieses Befehls: Erstellt ein neues hubbasiertes Projekt, das dem angegebenen Hub zugeordnet ist.

Verweise:

• az ml workspace create

Öffnen Sie die Projektübersicht , um den Namen, das Abonnement und die Ressourcengruppe anzuzeigen. Verwenden Sie Management Center für freigegebene Ressourcen oder Manage im Azure Portal für die zugrunde liegende Ressource.

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

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