Feinabstimmen von KI-Modellen in Microsoft Foundry mit der Azure Developer CLI-Erweiterung für Feinabstimmung

In diesem Artikel erfahren Sie, wie Sie die Azure Developer CLI (azd) KI-Feinabstimmungserweiterung verwenden, um Feinabstimmungsaufträge in Microsoft Foundry einzurichten und auszuführen. Mit der Erweiterung können Sie Projekte aus Vorlagen initialisieren, Aufträge zur Feinabstimmung übermitteln und verwalten sowie fein abgestimmte Modelle direkt über Ihr Terminal bereitstellen.

Voraussetzungen

• Die Azure Developer CLI (azd) installiert (Version 1.22.1 oder höher) und authentifiziert (azd auth login).
• Die installierte KI-Optimierungserweiterung azd (azd ext install azure.ai.finetune). Einzelheiten finden Sie unter Installation der Fine-Tuning-Erweiterung.
• Ein Azure-Abonnement mit der Berechtigung zum Erstellen und Verwalten von Microsoft Foundry-Ressourcen.
• (Optional) Die GitHub CLI installiert, wenn Sie Beispielvorlagen aus GitHub Repositorys herunterladen möchten.

Installieren Sie die Azure Developer CLI

Installieren Sie azd für Ihr Betriebssystem.

winget install microsoft.azd

brew tap azure/azd && brew install azd

curl -fsSL https://aka.ms/install-azd.sh | bash

Überprüfen der Installation

Überprüfen Sie nach der Installation, ob azd installiert ist und die Mindestversionsanforderung erfüllt:

azd version

Vergewissern Sie sich, dass die Ausgabe Version 1.22.1 oder höher anzeigt. Wenn Sie ein Upgrade durchführen müssen, führen Sie Folgendes aus:

winget upgrade Microsoft.azd

Installieren Sie die Feinabstimmungserweiterung

Fügen Sie die Azure KI-Feinabstimmungserweiterung zu azd hinzu:

azd ext install azure.ai.finetune

Überprüfen Sie, ob die Erweiterung installiert ist:

azd ext list

Authentifizieren

Anmelden bei Azure (erforderlich)

Authentifizieren Sie sich mit Ihrem Azure Konto, um auf Ihr Abonnement und Ihre Ressourcen zuzugreifen:

azd auth login

Initialisieren des Projekts

Verwenden Sie den azd ai finetuning init-Befehl, um ein Feinabstimmungsprojekt zu strukturieren. Navigieren Sie zu Ihrem gewünschten Arbeitsverzeichnis, bevor Sie eine der folgenden Initialisierungsmethoden ausführen.

Finden Sie die ARM-Ressourcen-ID Ihres Projekts

Zum Initialisieren mit einem Azure AI Foundry Projekt benötigen Sie die ARM-Ressourcen-ID des Projekts. Die Ressourcen-ID folgt diesem Format:

/subscriptions/{sub}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project}

Sie finden diesen Wert im Azure-Portal, indem Sie unter Projektdetails die Seite des Projektprofils aufrufen.

Option 1: Project + Vorlage

Verwenden Sie ein vorhandenes Azure AI Foundry Projekt mit einer Vorlage:

azd ai finetuning init -p <project-resource-id> -t <template-url>

Beispiel:

azd ai finetuning init \
  -t https://github.com/achauhan-scc/foundry-samples/blob/main/samples/python/finetuning/supervised \
  -p /subscriptions/{sub}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project}

Option 2: Project + Vorhandener Auftrag

Konfiguration von einem vorhandenen Feinabstimmungsauftrag klonen:

azd ai finetuning init -p <project-resource-id> -j <job-id>

Beispiel:

azd ai finetuning init \
  -p /subscriptions/{sub}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}/projects/{project} \
  -j ftjob-4cad7de198a34baeb4f0c95ff01ac844

Option 3: Nur Vorlage

Beginnen Sie mit einer Vorlage, und konfigurieren Sie das Projekt später:

azd ai finetuning init -t <template-url>

Beispiel:

azd ai finetuning init -t https://github.com/achauhan-scc/foundry-samples/blob/main/samples/python/finetuning/supervised

Option 4: Aus Einzelvorgang klonen

Klonkonfiguration aus vorhandener Einzelvorgangs-ID:

azd ai finetuning init -j <job-id>

Beispiel:

azd ai finetuning init -j ftjob-4cad7de198a34baeb4f0c95ff01ac844

Option 5: Projektendpunkt nur

Initialisieren nur mit Ihrem Azure AI Foundry -Projektendpunkt:

azd ai finetuning init -e <project-endpoint>

Beispiel:

azd ai finetuning init -e https://account.services.ai.azure.com/api/projects/project-name

Option 6: Interaktiver Modus

Ausführen ohne Parameter für geführte Einrichtungsprompts:

azd ai finetuning init

Option 7: Minimale Initialisierung (mit Abonnementssuche)

Verwenden Sie die minimale Initialisierung für eine vereinfachte interaktive Erfahrung mit der Abonnementsuche:

azd init --minimal

Diese Option enthält geführte Eingabeaufforderungen, um Ihr Abonnement auszuwählen und Ihre Umgebung zu konfigurieren.

Ausführen von Optimierungsbefehlen

Navigieren Sie zu Ihrem Projektordner (wo fine-tune-job.yaml sich befindet) und verwenden Sie folgende Befehle, um Feinabstimmungsjobs zu verwalten.

Schnelle Übermittlung (Initialisierung überspringen)

Sie können einen Auftrag direkt einreichen, ohne vorher azd init auszuführen, indem Sie das Abonnement und den Projektendpunkt direkt angeben:

azd ai finetuning jobs submit -f <path-to-yaml> -s <subscription-id> -e <project-endpoint>

Beispiel:

azd ai finetuning jobs submit \
  -f /path-from-working-directory-to-config/job.yaml \
  -s a9096eb7-bfec-47e8-be27-b040b82afac9 \
  -e https://my-resource.services.ai.azure.com/api/projects/my-project

Einen Auftrag einreichen

azd ai finetuning jobs submit -f ./fine-tune-job.yaml

Aufträge auflisten

azd ai finetuning jobs list

Auftragsdetails anzeigen

azd ai finetuning jobs show -i <job-id>

Anhalten eines Auftrags

azd ai finetuning jobs pause -i <job-id>

Einen Job fortsetzen

azd ai finetuning jobs resume -i <job-id>

Abbrechen eines Auftrags

azd ai finetuning jobs cancel -i <job-id>

Bereitstellen Ihres optimierten Modells

Nachdem Ihr Feinabstimmungsauftrag erfolgreich abgeschlossen wurde, stellen Sie das Modell für die Ableitung bereit:

azd ai finetuning jobs deploy -i <job-id> -d "<deployment-name>" -c 100 -m "OpenAI" -s "GlobalStandard" -v "1"

Kurzübersicht

Init-Parameter

Auftragsparameter

Weitere Ressourcen

• Installieren Sie die Azure Developer CLI
• Azure Developer CLI-Dokumentation
• Microsoft Foundry-Dokumentation
• GitHub CLI
• Repository für Foundry-Beispiele – Beispiele für CLI-Optimierung
• Feedback senden