Criar um projeto de hub para Microsoft Foundry (clássico)

• Assinatura do Azure.
• Função necessária: Proprietário ou Colaborador no recurso do hub.

• assinatura Azure
• Função necessária: Proprietário ou Colaborador no recurso do hub.
• Azure Machine Learning SDK v2.
• Recurso de hub existente (consulte o artigo criar hub).
• CLI do Azure instalado e autenticado (az login).

• Assinatura do Azure
• Função necessária: Proprietário ou Colaborador no recurso do hub.
• CLI do Azure e extensão de machine learning instalada. Siga as etapas no artigo Instalar e configurar a extensão de machine learning a ser instalada.
• Recurso de hub existente.

Nenhuma configuração adicional será necessária se você estiver usando o portal do Foundry.

1. Instalar pacotes. (Se estiver em uma célula de notebook, use %pip install em vez disso.)

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

2. Forneça os detalhes da sua assinatura:

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

3. Obtenha um identificador para a assinatura. Todo o código Python neste artigo usa 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. (Opcional) Se você tiver várias contas, adicione o ID de locatário do Microsoft Entra ID que deseja usar no DefaultAzureCredential. Localize sua ID de locatário no portal Azure em Microsoft Entra ID, Identidades Externas.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Opcional) Se você estiver trabalhando nas regiões Azure Governamental - US ou Azure China 21Vianet, especifique a região na qual você deseja autenticar. Você pode especificar a região com DefaultAzureCredential. O exemplo a seguir autentica-se na região Azure Governamental - EUA:

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

6. Verifique a conexão.

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

Se você receber um erro de autenticação, verifique se suas credenciais de Azure estão configuradas (execute az login ou configure suas credenciais por meio do SDK de Identidade do Azure). Se você receber um erro de permissão, verifique se você tem a função Colaborador na assinatura ou no grupo de recursos.

Referências: MLClient, DefaultAzureCredential

Verifique sua autenticação listando hubs existentes:

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

Se você receber um erro de autenticação, verifique se suas credenciais de Azure estão configuradas (execute az login ou configure suas credenciais por meio do SDK de Identidade do Azure). Se você receber um erro de permissão, verifique se você tem a função Colaborador na assinatura ou no grupo de recursos.

1. Para autenticar em sua assinatura de Azure do CLI do Azure, use o seguinte comando:

   az login
   

   Para obter mais informações sobre autenticação, consulte métodos de autenticação.

2. Verifique sua autenticação listando hubs existentes:

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

   Se o comando for bem-sucedido e exibir todos os hubs existentes, sua autenticação estará correta.

Para criar um projeto baseado em hub em Microsoft Foundry, siga estas etapas:

1. Entre no Microsoft Foundry. Certifique-se de que o alternador New Foundry está desativado. Essas etapas se referem ao Foundry (clássico).

   

2. O que você faz a seguir depende de onde você está:

   • Se você não estiver em um projeto ou ainda não tiver nenhum projeto: selecione Criar novo no canto superior direito para criar um novo projeto do Foundry

     

   • Se você estiver em um projeto: selecione a trilha do projeto e, em seguida, selecione Criar novo recurso.

     

3. Selecione o recurso do hub de IA e selecione Avançar.

4. Insira um nome para o projeto.

5. Se você tiver um hub, verá selecionado aquele que você usou mais recentemente.

   • Se você tiver acesso a mais de um hub, poderá selecionar um hub diferente na lista suspensa.

   • Se você deseja criar um novo, selecione Criar um novo hub no menu suspenso.

     

6. Se você não tiver um hub, um hub padrão será criado para você.

7. Selecione Criar.

Ou, se você quiser personalizar um novo hub, siga as etapas na próxima seção antes de selecionar Criar.

Personalizar o hub

Existe um projeto baseado em hub dentro de um hub. Um hub permite que você compartilhe configurações como conexões de dados com todos os projetos e gerencie centralmente as configurações de segurança e os gastos. Se você fizer parte de uma equipe, os hubs serão compartilhados entre outros membros da equipe em sua assinatura. Para obter mais informações sobre a relação entre hubs e projetos, consulte a documentação de visão geral de hubs e projetos .

Ao criar um novo hub, você deve ter permissões de Proprietário ou Colaborador no grupo de recursos selecionado. Se você fizer parte de uma equipe e não tiver essas permissões, o administrador deverá criar um hub para você.

Quando você cria um novo hub como parte da criação do projeto, as configurações padrão são fornecidas. Se você quiser personalizar essas configurações, faça isso antes de criar o projeto:

1. No formulário Criar um projeto , selecione a seta no lado direito.

   

2. Selecione um grupo de recursos existente que você deseja usar ou deixe o padrão para criar um novo grupo de recursos.

   Dica

   Especialmente para começar, recomendamos que você crie um novo grupo de recursos para seu projeto. O grupo de recursos permite que você gerencie facilmente o projeto e todos os seus recursos juntos. Quando você cria um projeto, vários recursos são criados no grupo de recursos, incluindo um hub, um registro de contêiner e uma conta de armazenamento.

3. Selecione um Local ou utilize o padrão. O local é a região onde o hub está hospedado. O local do hub também é o local do projeto. A disponibilidade das Ferramentas de Fundição difere por região. Por exemplo, determinados modelos podem não estar disponíveis em determinadas regiões.

4. Selecione Criar um projeto. Você acompanha o progresso da criação do recurso. O projeto é criado quando o processo é concluído.

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.")

O que este snippet de código faz: Define as propriedades do projeto e cria o projeto no hub existente. O .result() método aguarda a conclusão da criação. Saída esperada: uma mensagem de confirmação exibindo o nome do projeto criado.

Referências:

• entidade de projeto
• 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>

Substitua os placeholders da seguinte maneira:

• <my-hub-id>: ID de recurso completo do hub no formato /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}
• <my-resource-group>: nome do grupo de recursos que contém seu hub
• <my-project-name>: nome do novo projeto (minúscula, 3 a 64 caracteres, alfanumérico com hifens)

O que este comando faz: Cria um novo projeto baseado em hub associado ao hub especificado.

Referências:

• az ml workspace create

Abra a visão geral do projeto para ver o nome, a assinatura e o grupo de recursos. Use Management center para ativos compartilhados ou Manage no portal Azure para o recurso subjacente.

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}