Personalizar uma imagem base para sessão de computação

Aviso

O desenvolvimento de funcionalidades do Prompt Flow terminou em 20 de abril de 2026. O recurso será totalmente desativado em 20 de abril de 2027. Na data de desativação, o Fluxo de Prompt entra no modo somente leitura. Seus fluxos existentes continuarão a operar até essa data.

Ação recomendada: Migre suas cargas de trabalho de Fluxo de Prompt para Microsoft Agent Framework antes de 20 de abril de 2027.

Antes de começar, verifique se você está familiarizado com ambientes Docker e Azure Machine Learning.

Etapa 1: Preparar o contexto do Docker

Criar image_build pasta

Em seu ambiente local, crie uma pasta que contenha os arquivos a seguir. A estrutura da pasta deve ter esta aparência:

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

Definir seus pacotes necessários em requirements.txt

Opcional: adicionar pacotes no repositório PyPI privado.

Use o seguinte comando para baixar seus pacotes localmente: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

Abra o requirements.txt arquivo e adicione seus pacotes extras e suas versões específicas. Por exemplo:

###### 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

Para obter mais informações sobre como estruturar o requirements.txt arquivo, consulte o formato de arquivo Requisitos na documentação do pip.

Definir o Dockerfile

Crie um Dockerfile e adicione o seguinte conteúdo e salve o arquivo:

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

Nota

Crie esta imagem Docker a partir da imagem base do "prompt flow".mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version> Se possível, use a versão mais recente da imagem base.

Etapa 2: Criar um ambiente de Azure Machine Learning personalizado

Defina seu ambiente em environment.yaml

No computador local, use a CLI (v2) para criar um ambiente personalizado com base na imagem do Docker.

Nota

az login # if not already authenticated

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

Abra o environment.yaml arquivo e adicione o conteúdo a seguir. Substitua o marcador <environment_name> pelo nome do ambiente desejado.

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

Criar um ambiente

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

Nota

A criação da imagem do ambiente pode levar vários minutos.

Vá para a página da interface do usuário do workspace, vá para a página de ambiente e localize o ambiente personalizado que você criou.

Você também pode encontrar a imagem na página de detalhes do ambiente e usá-la como imagem base na sessão de computação do fluxo de comandos. Essa imagem também é usada para criar um ambiente para implantação de fluxo da interface do usuário. Para saber mais, veja como especificar a imagem base na sessão de computação.

Para saber mais sobre a CLI do ambiente, consulte Gerenciar ambientes.

Próximas etapas

  • Last updated on