Azure Machine Learning SDK 및 CLI를 사용하여 허브 만들기

1. 패키지를 설치합니다. Notebook 셀에 있는 경우에는 %pip install를 대신 사용합니다.

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

2. 구독 세부 정보를 제공합니다.

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

3. 구독에 대한 핸들을 가져옵니다. 이 문서에서 모든 Python 코드는 ml_client를 사용합니다.

   # 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. (선택 사항) 계정이 여러 개인 경우 사용하려는 Microsoft Entra ID의 테넌트 ID를 DefaultAzureCredential에 추가합니다. Azure Portal의 Microsoft Entra ID, 외부 ID에서 테넌트 ID를 찾습니다.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (선택 사항) Azure Government - 미국 또는 Azure 중국 21Vianet 지역에서 작업하는 경우 인증할 지역을 지정합니다. DefaultAzureCredential을 사용하여 지역을 지정할 수 있습니다. 다음 예제에서는 Azure Government - 미국 지역에 대해 인증합니다.

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

1. Azure CLI 및 기계 학습 확장이 설치되어 있지 않은 경우 기계 학습 확장 설치 및 설정 문서의 단계를 따르세요.

2. Azure CLI에서 Azure 구독에 인증하려면 다음 명령을 사용합니다.

   az login
   

   인증에 대한 자세한 내용은 인증 방법을 참조하세요.

from azure.ai.ml.entities import Hub

my_hub_name = "myexamplehub"
my_location = "East US"
my_display_name = "My Example Hub"

# construct a basic hub
my_hub = Hub(name=my_hub_name, 
            location=my_location,
            display_name=my_display_name)

created_hub = ml_client.workspaces.begin_create(my_hub).result()

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name}

1. 이제 ml_client 연결에 허브가 포함되어야 합니다.

   • 구독 세부 정보를 제공합니다. <AML_WORKSPACE_NAME>의 경우 허브 이름을 사용합니다.

     # Enter details of your AML workspace
     subscription_id = "<SUBSCRIPTION_ID>"
     resource_group = "<RESOURCE_GROUP>"
     workspace = "<AML_WORKSPACE_NAME>"

   • 허브에 대한 핸들을 가져옵니다.

     # get a handle to the workspace
     from azure.ai.ml import MLClient
     from azure.identity import DefaultAzureCredential
     
     ml_client = MLClient(
         DefaultAzureCredential(), subscription_id, resource_group, workspace
     )

2. ml_client을(를) 사용하여 Foundry 도구에 대한 연결을 만드십시오. Azure Portal의 리소스 관리 > 키 및 엔드포인트에서 엔드포인트를 찾을 수 있습니다. Foundry 리소스의 경우 Foundry 도구 엔드포인트를 사용합니다. Azure AI Search의 경우 엔드포인트에 대한 URL을 사용합니다.

   from azure.ai.ml.entities import AzureAIServicesConnection
   
   # construct a Foundry connection
   my_connection_name = "myaiservivce" # any name you want
   aiservices_resource_name = <resource_name> # copy from Azure portal
   my_endpoint = "<endpoint>" # copy from Azure portal
   my_api_keys = None # leave blank for Authentication type = AAD
   my_ai_services_resource_id = f"/subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.CognitiveServices/accounts/{aiservices_resource_name}"
   
   my_connection = AzureAIServicesConnection(name=my_connection_name,
                                       endpoint=my_endpoint, 
                                       api_key= my_api_keys,
                                       ai_services_resource_id=my_ai_services_resource_id)
   
   # Create the connection
   ml_client.connections.create_or_update(my_connection)
   

az ml connection create --file {connection.yml} --resource-group {my_resource_group} --workspace-name {my_hub_name}

API 키 또는 자격 증명이 없는 YAML 구성 파일을 사용할 수 있습니다. YAML 구성 파일에 대한 자세한 내용은 Foundry Tools 연결 YAML 스키마를 참조하세요.

• API 키 예제:

  name: myazai_ei
  type: azure_ai_services
  endpoint: <endpoint for your Foundry Tools>
  api_key: XXXXXXXXXXXXXXX
  ai_services_resource_id: <fully_qualified_resource_id>
  

• 자격 증명 없는

  name: myazai_apk
  type: azure_ai_services
  endpoint: <endpoint for your Foundry Tools>
  ai_services_resource_id: <fully_qualified_resource_id>
  

<fully_qualified_resource_id>는 AI Services 리소스의 리소스 ID입니다. 형식은 /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.CognitiveServices/accounts/{aiservices_resource_name}입니다.

from azure.ai.ml.entities import Hub

my_hub_name = "myexamplehub"
my_location = "East US"
my_display_name = "My Example Hub"
my_resource_group = "myresourcegroupname"
my_storage_account_id = "/subscriptions/aaaa0a0a-bb1b-cc2c-dd3d-eeeeee4e4e4e/resourceGroups/myresourcegroupname/providers/Microsoft.Storage/storageAccounts/mystorageaccountname"
my_key_vault_id = "/subscriptions/aaaa0a0a-bb1b-cc2c-dd3d-eeeeee4e4e4e/resourceGroups/myresourcegroupname/providers/Microsoft.KeyVault/vaults/mykeyvaultname"

# construct a basic hub
my_hub = Hub(name=my_hub_name, 
            location=my_location,
            display_name=my_display_name,
            resource_group=my_resource_group,
            storage_account_id=my_storage_account_id,
            key_vault_id=my_key_vault_id)

created_hub = ml_client.workspaces.begin_create(my_hub).result()

az ml workspace create --kind hub --resource-group {my_resource_group} --name {my_hub_name} --location {hub-region} --storage-account {my_storage_account_id} --key-vault {my_key_vault_id}

관련 콘텐츠

• 프롬프트 흐름 SDK를 사용하여 채팅 앱 빌드 시작
• Visual Studio Code용 Foundry 확장과 함께 작업하기 (미리보기)
• 관리되는 네트워크 구성