Anpassa en basavbildning för beräkningssession

Varning

Prompt Flow-funktionsutvecklingen avslutades den 20 april 2026. Funktionen dras tillbaka helt den 20 april 2027. På pensionsdatumet växlar Prompt Flow till skrivskyddat läge. Dina befintliga flöden fortsätter att fungera fram till det datumet.

Recommended action: Migrera dina Prompt Flow-arbetsbelastningar till Microsoft Agent Framework före 20 april 2027.

Kontrollera att du är bekant med Docker och Azure Machine Learning miljöer innan du börjar.

Steg 1: Förbereda Docker-kontexten

Skapa image_build mapp

I din lokala miljö skapar du en mapp som innehåller följande filer. Mappstrukturen bör se ut så här:

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

Definiera nödvändiga paket i requirements.txt

Valfritt: Lägg till paket i en privat PyPI-lagringsplats.

Använd följande kommando för att ladda ned paketen lokalt: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

requirements.txt Öppna filen och lägg till dina extra paket och deras specifika versioner. Till exempel:

###### 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

Mer information om hur du strukturerar requirements.txt filen finns i Kravfilformat i pip-dokumentationen.

Definiera Dockerfile

Skapa en Dockerfile och lägg till följande innehåll och spara sedan filen:

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

Observera

Skapa den här Docker-avbildningen från basavbildningen mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>för promptflödet . Använd om möjligt den senaste versionen av basavbildningen.

Steg 2: Skapa anpassad Azure Machine Learning miljö

Definiera din miljö i environment.yaml

På den lokala datorn använder du CLI (v2) för att skapa en anpassad miljö baserat på din Docker-avbildning.

Observera

az login # if not already authenticated

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

environment.yaml Öppna filen och lägg till följande innehåll. Ersätt platshållaren <environment_name> med önskat miljönamn.

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

Skapa en miljö

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

Observera

Det kan ta flera minuter att skapa miljöbilden.

Gå till arbetsytans användargränssnittssida, gå sedan till miljösidan och leta upp den anpassade miljö som du skapade.

Du kan också hitta bilden på detaljsidan för miljön och använda den som basavbildning för en beräkningssession för promptflöde. Den här avbildningen används också för att skapa en miljö för flödesdistribution från användargränssnittet. Mer information finns i hur du anger basavbildning i beräkningssessionen.

Mer information om cli-miljön finns i Hantera miljöer.

Nästa steg

  • Last updated on