Een hub maken met behulp van de Azure Machine Learning SDK en CLI

1. Installeer pakketten. (Als u zich in een notebookcel bevindt, gebruikt u in plaats daarvan %pip install.)

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

2. Geef uw abonnementsgegevens op:

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

3. Verkrijg een toegang tot het abonnement. Alle Python-code in dit artikel maakt gebruik van 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. (Optioneel) Als u meerdere accounts hebt, voegt u de tenant-id van de Microsoft Entra-id toe die u in het DefaultAzureCredentialaccount wilt gebruiken. Zoek uw tenant-id in Azure Portal onder Microsoft Entra ID, Externe identiteiten.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

5. (Optioneel) Als u werkt in de regio Azure Government - VS of Azure China 21Vianet, specificeert u de regio waar u zich wilt authenticeren. U kunt de regio opgeven met DefaultAzureCredential. In het volgende voorbeeld wordt geauthenticeerd bij de Azure Government - Amerikaanse regio:

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

6. Controleer de VPN-verbinding.

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

Als u een verificatiefout ontvangt, controleer dan of uw Azure-referenties juist zijn geconfigureerd (voer az login uit of stel uw referenties in via de Azure Identity SDK). Als u een machtigingsfout krijgt, controleert u of u de rol Inzender hebt voor het abonnement of de resourcegroep.

Verwijzingen: MLClient, DefaultAzureCredential

1. Als u de Azure CLI- en machine learning-extensie niet hebt geïnstalleerd, volgt u de stappen in het artikel over het installeren en instellen van de machine learning-extensie .

2. Gebruik de volgende opdracht om te verifiëren bij uw Azure-abonnement vanuit de Azure CLI:

   az login
   

   Zie Verificatiemethoden voor meer informatie over verificatie.

3. Controleer uw verificatie door bestaande hubs te vermelden:

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

   Als de opdracht slaagt en bestaande hubs weergeeft, is uw verificatie juist geconfigureerd.

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
)

# Create the hub and wait for completion
created_hub = ml_client.workspaces.begin_create(my_hub).result()
print(f"Created hub: {created_hub.name}")

Met deze code maakt u een nieuwe hub met de opgegeven naam, locatie en weergavenaam. Azure richt automatisch gekoppelde Azure Storage- en Azure Key Vault-resources in.

Verwijzingen: Hub, MLClient.workspaces.begin_create

az ml workspace create --kind hub --resource-group <your-resource-group> --name <your-hub-name>

Vervang door <your-resource-group> de naam van uw Azure-resourcegroep en <your-hub-name> door een unieke naam voor uw hub. Azure maakt automatisch gekoppelde opslag- en beheerbronnen voor sleutels.

Verwijzingen: az ml workspace create

1. Neem uw hub op in uw ml_client verbinding:

   • Voer uw abonnementsgegevens in. <AML_WORKSPACE_NAME>Voer de naam van uw hub in:

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

   • Haal een ingang op voor de hub:

     # 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. Gebruik ml_client om de verbinding met uw Foundry Tools te maken. U vindt eindpunten in Azure Portal onder Resourcebeheersleutels > en -eindpunten. Gebruik het AI Services-eindpunt voor een Foundry-resource. Gebruik voor Azure AI Search de URL voor het eindpunt.

   from azure.ai.ml.entities import AzureAIServicesConnection
   
   # Construct a connection to Azure AI Services
   my_connection_name = "my-ai-services-connection"  # Any name you want
   aiservices_resource_name = "<your-resource-name>"  # From Azure portal
   my_endpoint = "<your-endpoint>"  # From Azure portal
   my_api_keys = None  # Leave blank to use Azure Entra ID (AAD) authentication
   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)
   print(f"Created connection: {my_connection.name}")
   

   Verwijzingen: AzureAIServicesConnection, MLClient.connections

az ml connection create --file connection.yml --resource-group <your-resource-group> --workspace-name <your-hub-name>

U kunt een API-sleutel of AAD-verificatie (Azure Entra ID) gebruiken. Maak een YAML-configuratiebestand met de naam connection.yml:

Voorbeeld van API-sleutel:

name: my-ai-services-connection
type: azure_ai_services
endpoint: <your-endpoint>
api_key: <your-api-key>
ai_services_resource_id: /subscriptions/<subscription-id>/resourceGroups/<resource-group>/providers/Microsoft.CognitiveServices/accounts/<resource-name>

AAD-voorbeeld (referentieloos):

name: my-ai-services-connection
type: azure_ai_services
endpoint: <your-endpoint>
ai_services_resource_id: /subscriptions/<subscription-id>/resourceGroups/<resource-group>/providers/Microsoft.CognitiveServices/accounts/<resource-name>

Zie het YAML-schema van de Azure AI Services-verbinding voor gedetailleerde schemagegevens.

Verwijzingen: az ml connection create

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/<subscription-id>/resourceGroups/<resource-group>/providers/Microsoft.Storage/storageAccounts/<storage-account-name>"
my_key_vault_id = "/subscriptions/<subscription-id>/resourceGroups/<resource-group>/providers/Microsoft.KeyVault/vaults/<key-vault-name>"

# Construct a hub with existing dependency resources
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
)

# Create the hub
created_hub = ml_client.workspaces.begin_create(my_hub).result()
print(f"Created hub with existing resources: {created_hub.name}")

Als u resource-id's voor bestaande resources wilt zoeken, gaat u naar Azure Portal, gaat u naar de overzichtspagina van de resource en selecteert u de JSON-weergave. De resource-id wordt weergegeven in het id-veld . Of gebruik de Azure CLI:

# Get Storage account resource ID
az storage account show --name <storage-account-name> --resource-group <resource-group> --query "id"

# Get Key Vault resource ID
az keyvault show --name <key-vault-name> --resource-group <resource-group> --query "id"

Verwijzingen: Hub

az ml workspace create --kind hub --resource-group <your-resource-group> --name <your-hub-name> --location <location> --storage-account <storage-account-resource-id> --key-vault <key-vault-resource-id>

Vervang de placeholders tussen hoekige haken door uw eigen waarden. Als u resource-id's wilt zoeken, gebruikt u:

# Get Storage account resource ID
az storage account show --name <storage-account-name> --resource-group <resource-group> --query "id"

# Get Key Vault resource ID
az keyvault show --name <key-vault-name> --resource-group <resource-group> --query "id"

Verwijzingen: az ml workspace create

from azure.ai.ml.entities import Hub

my_app_insights = "{APPLICATION_INSIGHTS_ARM_ID}"
my_container_registry = "{CONTAINER_REGISTRY_ARM_ID}"

# construct a hub with Application Insights and Container Registry
my_hub = Hub(name="myexamplehub", 
             location="East US", 
             application_insights=my_app_insights,
             container_registry=my_container_registry)

# update_dependent_resources is used to give consent to update the workspace dependent resources.
updated_hub = ml_client.workspaces.begin_update(workspace=my_hub, update_dependent_resources=True).result()
print(f"Hub updated: {updated_hub.name}")

Met dit script wordt een bestaande hub bijgewerkt met de opgegeven Application Insights- en Container Registry-resources. De update_dependent_resources=True parameter bevestigt de update.

Referentie: Hub, MLClient.workspaces.begin_update()

az ml workspace update -n "myexamplehub" -g "{MY_RESOURCE_GROUP}" -a "APPLICATION_INSIGHTS_ARM_ID" -u

Met deze opdracht wordt de hub met de naam 'myexamplehub' bijgewerkt met de opgegeven Application Insights-resource. De -u vlag verleent toestemming om afhankelijke resources bij te werken.

Naslaginformatie: az ml workspace update