Создание центрального проекта для Microsoft Foundry (классическая модель)

• подписка Azure.
• Необходимая роль: владелец или участник в ресурсе концентратора.

• подписка Azure.
• Необходимая роль: владелец или участник в ресурсе концентратора.
• пакет SDK версии 2 Машинное обучение Azure.
• Существующий ресурс концентратора (см. статью о создании концентратора).
• Azure CLI установлен и прошел проверку подлинности (az login).

• подписка Azure.
• Необходимая роль: владелец или участник в ресурсе концентратора.
• установлен Azure CLI и расширение машинного обучения. Выполните действия, описанные в статье "Установка и настройка расширения машинного обучения " для установки.
• Существующий ресурс узла.

Если вы используете портал Foundry, дополнительная настройка не требуется.

1. Установите пакеты. (Если в ячейке записной книжки, используйте %pip install вместо этого.)

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

2. Укажите сведения о подписке:

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

3. Получите дескриптор подписки. Весь код Python в этой статье использует 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. (Необязательно) Если у вас несколько учетных записей, добавьте идентификатор клиента Microsoft Entra ID, который вы хотите использовать в DefaultAzureCredential. Найдите идентификатор клиента на портале Azure в разделе Microsoft Entra ID, внешние удостоверения.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Необязательно) Если вы работаете в Azure для государственных организаций - US или Azure для Китая (21Vianet), укажите регион, в который требуется пройти проверку подлинности. Можно указать регион с помощью DefaultAzureCredential. В следующем примере выполняется проверка подлинности в регионе США Azure для государственных организаций:

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

6. Проверьте подключение.

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

Если вы получили ошибку проверки подлинности, убедитесь, что учетные данные Azure настроены (выполните az login или настройте учетные данные с помощью пакета SDK для удостоверений Azure). Если вы получили ошибку с разрешением, проверьте, есть ли у вас роль участника в подписке или в группе ресурсов.

Ссылки: MLClient, DefaultAzureCredential

Проверьте проверку подлинности, перечислив существующие центры:

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

Если вы получили ошибку проверки подлинности, убедитесь, что учетные данные Azure настроены (выполните az login или настройте учетные данные с помощью пакета SDK для удостоверений Azure). Если вы получили ошибку разрешения, убедитесь, что у вас есть роль участника в подписке или группе ресурсов.

1. Чтобы выполнить проверку подлинности в подписке Azure из Azure CLI, выполните следующую команду:

   az login
   

   Дополнительные сведения о проверке подлинности см. в разделе "Методы проверки подлинности".

2. Проверьте проверку подлинности, перечислив существующие центры:

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

   Если команда выполнится успешно и отобразит существующие центры, аутентификация выполнена правильно.

Чтобы создать центральный проект в Microsoft Foundry, выполните следующие действия:

1. Войдите в Microsoft Foundry. Убедитесь, что переключатель New Foundry отключен. Эти шаги относятся к Foundry (classic).

   

2. Дальнейшие действия зависят от того, где вы находитесь:

   • Если вы еще не находитесь в проекте или у вас еще нет проектов: нажмите кнопку "Создать" в правом верхнем углу, чтобы создать проект Foundry

     

   • Если вы находитесь в проекте: выберите элемент навигации проекта, а затем нажмите кнопку "Создать ресурс".

     

3. Выберите ресурс центра ИИ, а затем нажмите кнопку "Далее".

4. Введите имя проекта.

5. Если у вас есть концентратор, вы увидите тот, который вы недавно использовали.

   • Если у вас есть доступ к более чем одному хабу, вы можете выбрать другой хаб из выпадающего списка.

   • Если вы хотите создать новую, выберите "Создать новый концентратор " в раскрывающемся списке.

     

6. Если у вас нет концентратора, то он будет создан для вас по умолчанию.

7. Нажмите кнопку "Создать".

Или, если вы хотите настроить новый концентратор, выполните действия, описанные в следующем разделе перед нажатием кнопки "Создать".

Настройка хаба

В узле существует проект внутри узла. Центр позволяет делиться конфигурациями, такими как подключения к данным, со всеми проектами, а также централизованно управлять параметрами безопасности и расходами. Если вы состоите в команде, то центры становятся доступными для других участников вашей команды в рамках подписки. Дополнительные сведения о связи между центрами и проектами см. в документации по центрам и проектам .

При создании нового концентратора необходимо иметь разрешения владельца или участника в выбранной группе ресурсов. Если вы являетесь частью команды и у вас нет этих разрешений, администратор должен создать центр для вас.

При создании нового концентратора в процессе создания проекта предоставляются параметры по умолчанию. Если вы хотите настроить эти параметры, перед созданием проекта сделайте следующее:

1. В форме создания проекта щелкните стрелку в правой части.

   

2. Выберите существующую группу ресурсов , которую вы хотите использовать, или оставьте ее по умолчанию, чтобы создать новую группу ресурсов.

   Совет

   Особенно для начала работы мы рекомендуем создать новую группу ресурсов для проекта. Группа ресурсов позволяет легко управлять проектом и всеми его ресурсами вместе. При создании проекта в группе ресурсов создаются несколько ресурсов, включая концентратор, реестр контейнеров и учетную запись хранения.

3. Выберите расположение или используйте значение по умолчанию. Расположение — это регион, в котором размещается хаб. Местоположение концентратора также является местоположением проекта. Доступность инструментов Фаундри отличается в зависимости от региона. Например, некоторые модели могут быть недоступны в определенных регионах.

4. Выберите "Создать проект". Вы видите процесс создания ресурса. Проект создается после завершения процесса.

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.")

Что делает этот фрагмент кода: Определяет свойства проекта и создает проект в существующем концентраторе. Метод .result() ожидает завершения создания. Ожидаемые выходные данные: сообщение подтверждения, отображающее имя созданного проекта.

Ссылки:

• Сущность проекта
• 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>

Замените заполнители следующим образом:

• <my-hub-id>: полный идентификатор ресурса хаба в формате /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}
• <my-resource-group>: имя группы ресурсов, содержащей центр
• <my-project-name>: имя нового проекта (строчными буквами, от 3 до 64 символов, буквенно-цифровые, могут включать дефисы)

Что делает эта команда: Создает новый центральный проект, связанный с указанным концентратором.

Ссылки:

• az ml workspace create

Откройте обзор проекта, чтобы просмотреть имя, подписку и группу ресурсов. Используйте Центр управления для общих ресурсов или Управление на портале Azure для базового ресурса.

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}