컴퓨팅 세션에 대한 기본 이미지 사용자 지정

이 섹션에서는 사용자가 Docker 및 Azure Machine Learning 환경에 대한 지식이 있다고 가정합니다.

1단계: Docker 컨텍스트 준비

image_build 폴더 만들기

로컬 환경에서 다음 파일이 포함된 폴더를 만듭니다. 폴더 구조는 다음과 같습니다.

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

requirements.txt에서 필수 패키지를 정의합니다.

선택 사항: 프라이빗 pypi 리포지토리에 패키지를 추가합니다.

다음 명령을 사용하여 패키지를 로컬에 다운로드합니다. pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

requirements.txt 파일을 열고 추가 패키지와 특정 버전을 추가합니다. 예시:

###### Requirements with Version Specifiers ######
langchain == 0.0.149        # Version Matching. Must be version 0.0.149
keyring >= 4.1.1            # Minimum version 4.1.1
coverage != 3.5             # Version Exclusion. Anything except version 3.5
Mopidy-Dirble ~= 1.1        # Compatible release. Same as >= 1.1, == 1.*
<path_to_local_package>     # reference to local pip wheel package

requirements.txt 파일 구조화에 대한 자세한 내용은 pip 설명서의 요구 사항 파일 형식을 참조하세요.

Dockerfile 정의

Dockerfile을 만들고 다음 콘텐츠를 추가한 후 파일을 저장합니다.

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

2단계: 사용자 지정 Azure Machine Learning 환경 만들기

environment.yaml에서 환경을 정의합니다.

로컬 컴퓨팅에서는 CLI(v2)를 사용하여 Docker 이미지를 기반으로 사용자 지정 환경을 만들 수 있습니다.

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 파일을 열고 다음 콘텐츠를 추가합니다. <environment_name> 자리 표시자를 원하는 환경 이름으로 바꿉니다.

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

환경 만들기

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

작업 영역 UI 페이지로 이동한 다음 환경 페이지로 이동하여 만든 사용자 지정 환경을 찾습니다.

환경 세부 정보 페이지에서 이미지를 찾아 프롬프트 흐름의 컴퓨팅 세션에 대한 기본 이미지로 사용할 수도 있습니다. 이 이미지는 UI에서 흐름 배포를 위한 환경을 빌드하는 데도 사용됩니다. 컴퓨팅 세션에서 기본 이미지를 지정하는 방법에 대해 자세히 알아보세요.

환경 CLI에 대해 자세히 알아보려면 환경 관리를 참조하세요.

다음 단계

• 표준 흐름 개발
• 채팅 흐름 개발