Skapa ett hubbprojekt för Azure AI Foundry

Den här artikeln beskriver hur du skapar ett hubbbaserat projekt i Azure AI Foundry. Använd ett hubbprojekt när du behöver snabbflöde, hanterad beräkning, Azure Machine Learning-kompatibilitet eller avancerade utvecklingsfunktioner.

Mer information om de olika projekttyperna finns i Typer av projekt .

Förutsättningar

Välj en metod:

Azure AI Foundry-portalen

• Azure-prenumeration.

Python SDK

• Azure-prenumeration.
• Azure Machine Learning SDK v2.
• Befintlig hubbresurs (se artikeln om att skapa en hubb).
• Azure CLI installerat och autentiserat (az login).

Azure CLI (kommandoradsgränssnittet för Azure)

• Azure-prenumeration.
• Azure CLI med ML-tillägget installerat.
• Befintlig hubbresurs.

Skapa ett hubbprojekt

Azure AI Foundry-portalen

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

1. Logga in på Azure AI Foundry.

2. Vad du gör härnäst beror på var du befinner dig:

   • Om du inte har några befintliga projekt: Följ stegen i Snabbstart: Kom igång med Azure AI Foundry för att skapa ditt första projekt.

   • Om du är i ett projekt: Välj projektets sökväg och välj sedan Skapa ny resurs.

     

   • Om du inte är med i ett projekt: Välj Skapa nytt längst upp till höger för att skapa ett nytt Azure AI Foundry-projekt

     

3. Välj AI Hub-resurs och välj sedan Nästa.

4. Ange ett namn för projektet.

5. Om du har en hubb ser du att den som du använde senast är vald.

   • Om du har åtkomst till mer än en hubb kan du välja en annan hubb i listrutan.

   • Om du vill skapa en ny väljer du Skapa ny hubb och anger ett namn.

     

6. Om du inte har en hubb skapas en standardhubb åt dig.

7. Välj Skapa.

Om du vill anpassa en ny hubb följer du stegen i nästa avsnitt innan du väljer Skapa.

Anpassa hubben

Det finns ett hubbbaserat projekt i en hubb. Med en hubb kan du dela konfigurationer som dataanslutningar med alla projekt och hantera säkerhetsinställningar och utgifter centralt. Om du ingår i ett team delas hubbar mellan andra teammedlemmar i din prenumeration. Mer information om relationen mellan hubbar och projekt finns i översiktsdokumentationen för hubbar och projekt.

När du skapar en ny hubb måste du ha behörigheten Ägare eller Deltagare för den valda resursgruppen. Om du ingår i ett team och inte har dessa behörigheter bör administratören skapa en hubb åt dig.

När du skapar en ny hubb som en del av projektets skapande tillhandahålls standardinställningarna. Om du vill anpassa de här inställningarna gör du det innan du skapar projektet:

1. I formuläret Skapa ett projekt väljer du pilen till höger.

   

2. Välj en befintlig resursgrupp som du vill använda eller lämna standardvärdet för att skapa en ny resursgrupp.

   Tips/Råd

   Särskilt för att komma igång rekommenderar vi att du skapar en ny resursgrupp för projektet. Med resursgruppen 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.

3. Välj en plats eller använd standardinställningen. 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.

4. Välj Skapa ett projekt. Du ser förloppet för resursskapandet. Projektet skapas när processen är klar.

Python SDK

from azure.ai.ml.entities import Project

my_project_name = "myexampleproject"
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()

Azure CLI (kommandoradsgränssnittet för Azure)

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

my_hub_ID syntax: /subscriptions/{subscription_id}/resourceGroups/{resource_group}/providers/Microsoft.MachineLearningServices/workspaces/{hub_name}

Visa projektinställningar

Portal: Öppna projektöversikt för att se namn, prenumeration, resursgrupp. Använd Hanteringscenter för delade tillgångar eller Hantera i Azure-portalen för underliggande resurs.

Python SDK:

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

Azure CLI:

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

Få åtkomst till projektresurser

Delat från hubben: anslutningar, beräkningskapacitet, nätverkskonfiguration.

Projektomfattning:

• Komponenter (datauppsättningar, flöden, index, distributioner)
• Projektanslutningar
• Lagringsbehållare och fildelning
  • workspaceblobstore – standarddatauppladdningar
  • workspaceartifactstore – komponenter och metadata
  • workspacefilestore – filer från beräknings- och promptflöde

Ta bort projekt

1. Öppna hubben i portalen.
2. Översikt över hanteringscenter > .
3. Välj projekt att ta bort.
4. Ta bort projekt.

Ta bort hubb (med alla projekt): I Hubbegenskaper väljer du Ta bort hubb för att öppna borttagning av Azure-portalhubben.

Relaterat innehåll

• Skapa ett Azure AI Foundry-projekt.
• Snabbstart: Kom igång med Azure AI Foundry (hubbprojekt).
• Läs mer om Azure AI Foundry.