Een basisimage customiseren voor een rekensessie

Waarschuwing

De ontwikkeling van de Prompt Flow-functie is op 20 april 2026 beëindigd. De functie wordt op 20 april 2027 volledig buiten gebruik gesteld. Op de pensioendatum schakelt Prompt Flow over naar een alleen-lezen modus. Uw bestaande stromen blijven actief tot die datum.

Aanbevolen actie: Migreer uw Prompt Flow-workloads naar Microsoft Agent Framework vóór 20 april 2027.

Voordat u begint, moet u bekend zijn met Docker en Azure Machine Learning omgevingen.

Stap 1: De Docker-context voorbereiden

Map maken image_build

Maak in uw lokale omgeving een map met de volgende bestanden. De mapstructuur moet er als volgt uitzien:

|--image_build
|  |--requirements.txt
|  |--Dockerfile
|  |--environment.yaml

Uw vereiste pakketten definiëren in requirements.txt

Optioneel: Voeg pakketten toe in een persoonlijke PyPI-opslagplaats.

Gebruik de volgende opdracht om uw pakketten lokaal te downloaden: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

Open het requirements.txt bestand en voeg uw extra pakketten en hun specifieke versies toe. Bijvoorbeeld:

###### Requirements with Version Specifiers ######
numpy == 2.2.0              # Version Matching. Must be version 2.2.0
requests >= 2.31.0          # Minimum version 2.31.0
coverage != 3.5             # Version Exclusion. Anything except version 3.5
pydantic ~= 2.0             # Compatible release. Same as >= 2.0, == 2.*
<path_to_local_package>     # reference to local pip wheel package

Zie de requirements.txt in de pip-documentatie voor meer informatie over hoe u het bestand structureert.

Definieer de Dockerfile

Maak een Dockerfile en voeg de volgende inhoud toe en sla het bestand op:

FROM <Base_image>
COPY ./* ./
RUN pip install -r requirements.txt

Opmerking

Bouw deze Docker-image afkomstig van de Prompt Flow-basisimage mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>. Gebruik indien mogelijk de nieuwste versie van de basisimage.

Stap 2: Aangepaste Azure Machine Learning-omgeving maken

Uw omgeving definiëren in environment.yaml

Gebruik de CLI (v2) op uw lokale computer om een aangepaste omgeving te maken op basis van uw Docker-installatiekopieën.

Opmerking

az login # if not already authenticated

az account set --subscription <subscription ID>
az configure --defaults workspace=<Azure Machine Learning workspace name> group=<resource group>

Open het environment.yaml bestand en voeg de volgende inhoud toe. Vervang de tijdelijke aanduiding environment_name< door de >gewenste omgevingsnaam.

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: <environment_name>
build:
  path: .

Een omgeving maken

cd image_build
az ml environment create -f environment.yaml --subscription <sub-id> -g <resource-group> -w <workspace>

Opmerking

Het opbouwen van de omgevingsafbeelding kan enkele minuten duren.

Ga naar de gebruikersinterfacepagina van uw werkruimte, ga naar de omgevingspagina en zoek de aangepaste omgeving die u hebt gemaakt.

U kunt de afbeelding ook vinden op de detailpagina van de omgeving en deze gebruiken als basisafbeelding voor een rekensessie in promptflow. Deze image wordt ook gebruikt om een omgeving te bouwen voor flow-implementatie vanuit de gebruikersinterface. Zie voor meer informatie hoe u een basisafbeelding specificeert in een rekensessie.

Zie Omgevingen beheren voor meer informatie over omgevings-CLI.

Volgende stappen

  • Last updated on