Erstellen eines Hubprojekts für Microsoft Foundry

• Azure-Abonnement.
• Erforderliche Rolle: Besitzer oder Mitwirkender in der Hubressource.

• Azure-Abonnement.
• Erforderliche Rolle: Besitzer oder Mitwirkender in der Hubressource.
• Azure Machine Learning SDK v2.
• Vorhandene Hubressource (siehe Artikel zum Erstellen eines Hubs).
• Azure CLI installiert und authentifiziert (az login).

• Azure-Abonnement.
• Erforderliche Rolle: Besitzer oder Mitwirkender in der Hubressource.
• Azure CLI- und Machine Learning-Erweiterung installiert. Führen Sie die Schritte im Artikel Installation und Einrichtung der Machine Learning-Erweiterung aus, um die Installation durchzuführen.
• Vorhandene Hubressource.

Es ist kein zusätzliches Setup erforderlich, wenn Sie das Foundry-Portal verwenden.

1. Installieren von Paketen. (Verwenden Sie %pip install stattdessen in einer Notizbuchzelle.)

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

2. Geben Sie Ihre Abonnementdetails an:

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

3. Rufen Sie ein Handle für das Abonnement ab. Der gesamte Python-Code in diesem Artikel verwendet 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. (Optional) Wenn Sie mehrere Konten haben, fügen Sie die Mandanten-ID der gewünschten Microsoft Entra ID in DefaultAzureCredential ein. Ihre Mandanten-ID finden Sie im Azure-Portal unter Microsoft Entra ID, Externe Identitäten.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Optional:) Wenn Sie in den Regionen Azure Government – USA oder Azure China 21Vianet arbeiten, geben Sie die Region an, in der Sie die Authentifizierung durchführen möchten. Sie können die Region über DefaultAzureCredential angeben. Das folgende Beispiel authentifiziert sich in der Azure Government-US-Region:

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

6. Überprüfen Sie die Verbindung.

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

Wenn Sie einen Authentifizierungsfehler erhalten, stellen Sie sicher, dass Ihre Azure-Anmeldeinformationen konfiguriert sind (führen az login Oder richten Sie Ihre Anmeldeinformationen über das Azure Identity SDK ein). Wenn Sie einen Berechtigungsfehler erhalten, überprüfen Sie, ob Sie über die Rolle "Mitwirkender" für das Abonnement oder die Ressourcengruppe verfügen.

Verweise: MLClient, DefaultAzureCredential

Überprüfen Sie Ihre Authentifizierung, indem Sie vorhandene Hubs auflisten:

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

Wenn Sie einen Authentifizierungsfehler erhalten, stellen Sie sicher, dass Ihre Azure-Anmeldeinformationen konfiguriert sind (führen az login Oder richten Sie Ihre Anmeldeinformationen über das Azure Identity SDK ein). Wenn Sie einen Berechtigungsfehler erhalten, überprüfen Sie, ob Sie über die Rolle "Mitwirkender" für das Abonnement oder die Ressourcengruppe verfügen.

1. Führen Sie den folgenden Befehl aus, um sich über die Azure CLI bei Ihrem Azure-Abonnement zu authentifizieren.

   az login
   

   Weitere Informationen zur Authentifizierung finden Sie unter Authentifizierungsmethoden.

2. Überprüfen Sie Ihre Authentifizierung, indem Sie vorhandene Hubs auflisten:

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

   Wenn der Befehl erfolgreich ist und vorhandene Hubs anzeigt, ist Ihre Authentifizierung korrekt.

Führen Sie die folgenden Schritte aus, um ein hubbasiertes Projekt in Microsoft Foundry zu erstellen:

1. Melden Sie sich bei Microsoft Foundry an. Stellen Sie sicher, dass der Umschalter Neues Foundry deaktiviert ist. Diese Schritte beziehen sich auf Foundry (klassisch).

   

2. Was Sie als Nächstes tun, hängt davon ab, wo Sie sich befinden:

   • Wenn Sie noch keine Projekte haben: Führen Sie die Schritte in der Schnellstartanleitung aus: Erste Schritte mit Microsoft Foundry , um Ihr erstes Projekt zu erstellen.

   • Wenn Sie sich in einem Projekt befinden: Wählen Sie das Projekt Breadcrumb aus, und wählen Sie dann "Neue Ressource erstellen" aus.

     

   • Wenn Sie sich nicht in einem Projekt befinden: Wählen Sie oben rechts " Neu erstellen " aus, um ein neues Foundry-Projekt zu erstellen.

     

3. Wählen Sie die KI-Hubressource und dann "Weiter" aus.

4. Geben Sie einen Namen für das Projekt ein.

5. Wenn Sie über einen Hub verfügen, sehen Sie, dass der zuletzt verwendete Hub ausgewählt ist.

   • Wenn Sie Zugriff auf mehrere Hubs haben, können Sie in der Dropdownliste einen anderen Hub auswählen.

   • Wenn Sie ein neues Erstellen möchten, wählen Sie im Dropdownmenü " Neuen Hub erstellen " aus.

     

6. Wenn Sie keinen Hub haben, wird ein Standardhub für Sie erstellt.

7. Wählen Sie "Erstellen" aus.

Wenn Sie einen neuen Hub anpassen möchten, führen Sie die Schritte im nächsten Abschnitt aus, bevor Sie "Erstellen" auswählen.

Anpassen des Hubs

Ein hubbasiertes Projekt ist innerhalb eines Hubs vorhanden. Ein Hub ermöglicht es Ihnen, Konfigurationen wie Datenverbindungen für alle Projekte freizugeben sowie Sicherheitseinstellungen und Ausgaben zentral zu verwalten. Wenn Sie Teil eines Teams sind, werden Hubs für andere Teammitglieder in Ihrem Abonnement freigegeben. Weitere Informationen zur Beziehung zwischen Hubs und Projekten finden Sie in der Dokumentation Übersicht über Hubs und Projekte.

Zum Erstellen eines neuen Hubs benötigen Sie Berechtigungen vom Typ Besitzer oder Mitwirkender für die ausgewählte Ressourcengruppe. Wenn Sie Teil eines Teams sind und nicht über diese Berechtigungen verfügen, sollte Ihr Administrator einen Hub für Sie erstellen.

Wenn Sie im Rahmen der Projekterstellung einen neuen Hub erstellen, werden Standardeinstellungen bereitgestellt. Falls Sie diese Einstellungen anpassen möchten, nehmen Sie die Änderungen vor dem Erstellen des Projekts vor:

1. Wählen Sie im Formular "Projekt erstellen " den Pfeil auf der rechten Seite aus.

   

2. Wählen Sie eine vorhandene Ressourcengruppe aus, die Sie verwenden möchten, oder übernehmen Sie die Standardeinstellung, um eine neue Ressourcengruppe zu erstellen.

   Tipp

   Insbesondere für die ersten Schritte empfehlen wir, eine neue Ressourcengruppe für Ihr Projekt zu erstellen. Mit der Ressourcengruppe können Sie das Projekt und alle zugehörigen Ressourcen problemlos verwalten. Wenn Sie ein Projekt erstellen, werden mehrere Ressourcen in der Ressourcengruppe erstellt, einschließlich eines Hub, einer Containerregistrierung und eines Speicherkontos.

3. Wählen Sie einen Speicherort aus, oder verwenden Sie die Standardeinstellung. Der Standort ist die Region, in der sich der Hub befindet. Der Standort des Hubs ist auch der Standort des Projekts. Die Verfügbarkeit von Foundry Tools unterscheidet sich je nach Region. Beispielsweise sind bestimmte Modelle in bestimmten Regionen möglicherweise nicht verfügbar.

4. Wählen Sie Projekt erstellen aus. Der Fortschritt der Ressourcenerstellung wird angezeigt. Das Projekt wird erstellt, wenn der Prozess abgeschlossen ist.

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.")

Funktionsweise dieses Codeausschnitts: Definiert Projekteigenschaften und erstellt das Projekt auf dem vorhandenen Hub. Die .result() Methode wartet auf den Abschluss der Erstellung. Erwartete Ausgabe: Eine Bestätigungsmeldung, in der der name des erstellten Projekts angezeigt wird.

Referenzen:

• Projektentität
• 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>

Ersetzen Sie die Platzhalter wie folgt:

• <my-hub-id>: Vollständige Ressourcen-ID des Hubs im Format /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}
• <my-resource-group>: Name der Ressourcengruppe, die Ihren Hub enthält
• <my-project-name>: Name für das neue Projekt (Kleinbuchstaben, 3 bis 64 Zeichen, alphanumerisch mit Bindestrichen)

Funktionsweise dieses Befehls: Erstellt ein neues hubbasiertes Projekt, das dem angegebenen Hub zugeordnet ist.

Referenzen:

• az ml workspace erstellen

Öffnen Sie die Projektübersicht , um den Namen, das Abonnement und die Ressourcengruppe anzuzeigen. Verwenden Sie das Verwaltungscenter für freigegebene Ressourcen oder "Verwalten" im Azure-Portal für die zugrunde liegende Ressource.

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}