Skapa ett projekt i Azure AI Studio

Följ dessa steg för att skapa ett projekt i Azure AI Studio:

1. Gå till startsidan för Azure AI Studio.

2. Välj + Nytt projekt.

3. Ange ett namn för projektet.

4. Välj en hubb i listrutan som värd för projektet. Information om relationen mellan hubbar och projekt finns i översiktsdokumentationen för hubbar och projekt. Om du ännu inte har en hubb väljer du Skapa en ny hubb.

   

   Kommentar

   Om du vill skapa en hubb måste du ha behörigheten Ägare eller Deltagare för den valda resursgruppen. Vi rekommenderar att du delar en hubb med ditt team. På så sätt kan du dela konfigurationer som dataanslutningar med alla projekt och centralt hantera säkerhetsinställningar och utgifter. Fler alternativ för att skapa en hubb finns i hur du skapar och hanterar en Azure AI Studio-hubb. Ett projektnamn måste vara unikt mellan projekt som delar samma hubb.

5. Om du skapar en ny hubb anger du ett namn.

6. Välj din Azure-prenumeration i listrutan Prenumeration . Välj en specifik Azure-prenumeration för projektet av fakturerings-, åtkomst- eller administratörsskäl. Detta ger till exempel användare och tjänsthuvudnamn åtkomst på prenumerationsnivå till ditt projekt.

7. Lämna resursgruppen som standard för att skapa en ny resursgrupp. Du kan också välja en befintlig resursgrupp i listrutan.

   Dricks

   Speciellt för att komma igång rekommenderar vi att du skapar en ny resursgrupp för projektet. På så sätt kan du enkelt hantera projektet och alla dess resurser tillsammans. När du skapar ett projekt skapas flera resurser i resursgruppen, inklusive en hubb, ett containerregister och ett lagringskonto.

8. Ange platsen för hubben och välj sedan Nästa. Platsen är den region där hubben finns. Platsen för hubben är också platsen för projektet. Tillgängligheten för Azure AI-tjänster skiljer sig åt per region. Vissa modeller kanske till exempel inte är tillgängliga i vissa regioner.

9. Välj en befintlig Azure AI-tjänstresurs (inklusive Azure OpenAI) i listrutan eller skapa en ny.

   

10. På sidan Granska och slutför visas resursnamnet för Azure AI-tjänster och andra inställningar att granska.

    

11. Granska projektinformationen och välj sedan Skapa ett projekt. Du ser förloppet för att skapa resurser och projektet skapas när processen är klar.

    

När ett projekt har skapats kan du komma åt lekplatsen, verktygen och andra tillgångar i den vänstra navigeringspanelen.

1. Installera Python enligt beskrivningen i snabbstarten för SDK.

2. Installera Azure Machine Learning SDK v2.

3. Installera azure-identity: pip install azure-identity. Om du är i en notebook-cell använder du %pip install azure-identity.

4. Ange din prenumerationsinformation:

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

5. Hämta ett handtag till prenumerationen. All Python-kod i den här artikeln använder 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)

6. (Valfritt) Om du har flera konton lägger du till klient-ID:t för det Microsoft Entra-ID som du vill använda i DefaultAzureCredential. Hitta ditt klientorganisations-ID från Azure Portal under Microsoft Entra-ID, externa identiteter.

   DefaultAzureCredential(interactive_browser_tenant_id="<TENANT_ID>")
   

7. (Valfritt) Om du arbetar med i regionerna Azure Government – USA eller Azure China 21Vianet anger du i vilken region du vill autentisera. Du kan ange regionen med DefaultAzureCredential. Följande exempel autentiserar till Azure Government – USA-regionen:

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

8. Använd följande kod för att skapa ett projekt från en hubb som du eller administratören skapade tidigare. Ersätt exempelsträngvärden med dina egna värden:

   from azure.ai.ml.entities import Project
   
   my_project_name = "myexampleproject"
   my_display_name = "My Example Project"
   hub_name = "myhubname" # Azure resource manager ID of the hub
   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()
   

1. Om du inte har installerat Azure CLI och maskininlärningstillägget följer du stegen i artikeln Installera och konfigurera maskininlärningstillägget .

2. Om du vill autentisera till din Azure-prenumeration från Azure CLI använder du följande kommando:

   az login
   

   Mer information om autentisering finns i Autentiseringsmetoder.

3. När tillägget har installerats och autentiserats till din Azure-prenumeration använder du följande kommando för att skapa ett nytt Azure AI Studio-projekt från en befintlig Azure AI Studio-hubb:

   az ml workspace create --kind project --hub-id {my_hub_ARM_ID} --resource-group {my_resource_group} --name {my_project_name}
   

På sidan Projektinställningar hittar du information om projektet, till exempel projektnamn, beskrivning och hubb som är värd för projektet. Du kan också hitta projekt-ID:t som används för att identifiera projektet via SDK eller API.

• Namn: Namnet på projektet motsvarar det valda projektet i den vänstra panelen.
• Hubb: Hubben som är värd för projektet.
• Plats: Platsen för den hubb som är värd för projektet. Information om platser som stöds finns i Azure AI Studio-regioner.
• Prenumeration: Den prenumeration som är värd för den hubb som är värd för projektet.
• Resursgrupp: Resursgruppen som är värd för den hubb som är värd för projektet.

Välj Hantera i Azure Portal för att navigera till projektresurserna i Azure Portal.

Om du vill hantera eller använda det nya projektet tar du med det i MLClient:

ml_client = MLClient(workspace_name=my_project_name, resource_group_name=resource_group, subscription_id=subscription_id,credential=DefaultAzureCredential())

Om du vill visa inställningar för projektet använder du az ml workspace show kommandot . Till exempel:

az ml workspace show --name {my_project_name} --resource-group {my_resource_group}