Microsoft Azure 文件

為 Azure AI 配置 Microsoft Azure

Hugging Face's logo
加入 Hugging Face 社群

並獲得增強的文件體驗

開始使用

為 Azure AI 配置 Microsoft Azure

本頁面解釋瞭如何在您的 Microsoft Azure 訂閱中配置 Azure AI,這是執行本文件中 Azure AI 示例以及在 Azure ML 上執行任何示例所需的,因為這些是基本的先決條件。

您可以按照以下步驟操作,或者在Azure 機器學習教程:建立入門所需的資源中閱讀更多相關內容。

另請注意,以下步驟將使用 `az` CLI,即 Azure CLI,但也有其他替代方案,例如 Azure SDK for Python,甚至 Azure 門戶,因此請選擇您覺得更舒服的方式。

Azure 賬戶

一個擁有活躍訂閱的 Microsoft Azure 賬戶。如果您沒有 Microsoft Azure 賬戶,現在可以免費建立一個,其中包含價值 200 美元的信用額度,可在賬戶建立後 30 天內使用。

Azure CLI

在您執行此示例的例項上安裝 Azure CLI (`az`),請參閱安裝步驟,並根據您的例項選擇首選方法。然後按如下方式登入您的訂閱

az login

更多資訊請參見使用 Azure CLI 登入 - 登入和身份驗證

Azure CLI 適用於 Azure ML 的擴充套件

除了 Azure CLI (`az`) 之外,您還需要安裝 Azure ML CLI 擴充套件 (`az ml`),該擴充套件將用於建立 Azure ML 和 Azure AI Foundry 所需的資源。

首先,您需要列出當前的擴充套件並移除任何與 `ml` 相關的擴充套件,然後安裝最新的 v2 版本。

az extension list
az extension remove --name azure-cli-ml
az extension remove --name ml

然後您可以按如下方式安裝 `az ml` v2 擴充套件

az extension add --name ml

更多資訊請參閱Azure 機器學習 (ML) - 安裝和設定 CLI (v2)

Azure 資源組

一個 Azure 資源組,您將在其下建立基於 Azure AI Foundry Hub 的專案(請注意,它將建立一個 Azure AI Foundry 資源作為 Azure ML 工作區,但反之則不然,這意味著 Azure AI Foundry Hub 將被列為 Azure ML 工作區,但利用 Azure AI Foundry 的 Gen AI 功能),以及其餘所需的資源。如果您沒有,可以按如下方式建立它

az group create --name huggingface-azure-rg --location eastus

然後,您可以透過例如列出您有權訪問的訂閱中所有可用的資源組來確保資源組已成功建立。

az group list --output table

更多資訊請參閱使用 Azure CLI 管理 Azure 資源組

您也可以透過 Azure 門戶建立 Azure 資源組,或透過 Azure 資源管理 Python SDK(需要提前安裝 `pip install azure-mgmt-resource`)。

基於 Azure AI Foundry Hub 的專案

在上述訂閱和資源組下建立一個 Azure AI Foundry Hub。如果您沒有,可以按如下方式建立它

az ml workspace create \
    --kind hub \
    --name huggingface-azure-hub \
    --resource-group huggingface-azure-rg \
    --location eastus

請注意,與標準 Azure ML 工作區的主要區別在於 Azure AI Foundry Hub 命令要求您指定 `--kind hub`,如果移除它,則會建立一個標準 Azure ML 工作區,因此您將無法利用 Azure AI Foundry 帶來的功能。但是,當您建立 Azure AI Foundry Hub 時,您仍然可以受益於 Azure ML 帶來的所有功能,因為 Azure AI Foundry Hub 仍然依賴於 Azure ML,但反之則不然。

然後,您可以透過例如列出您有權訪問的訂閱中所有可用的工作區來確保工作區已成功建立。

az ml workspace list --filtered-kinds hub --query "[].{Name:name, Kind:kind}" --resource-group huggingface-azure-rg --output table

Azure ML CLI 2.37.0 開始,`--filtered-kinds` 引數已包含在內,這意味著您可能需要透過 `az extension update --name ml` 升級 `az ml`。

建立 Azure AI Foundry Hub 後,您需要建立一個與該 Hub 連結的 Azure AI Foundry Project。為此,您首先需要按如下方式獲取最近建立的 Hub 的 Azure AI Foundry Hub ID(將資源名稱替換為您的名稱)

az ml workspace show \
    --name huggingface-azure-hub \
    --resource-group huggingface-azure-rg \
    --query "id" \
    -o tsv

該命令將提供如下 ID:`/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.MachineLearningServices/workspaces/huggingface-azure-hub`,這意味著您也可以使用適當的替換手動格式化它。然後您需要執行以下命令來建立該 Hub 的 Azure AI Foundry Project,如下所示:

az ml workspace create \
    --kind project \
    --hub-id $(az ml workspace show --name huggingface-azure-hub --resource-group huggingface-azure-rg --query "id" -o tsv) \
    --name huggingface-azure-project \
    --resource-group huggingface-azure-rg \
    --location eastus

最後,您可以使用以下命令驗證它是否正確建立:

az ml workspace list --filtered-kinds project --query "[].{Name:name, Kind:kind}" --resource-group huggingface-azure-rg --output table

更多資訊請參閱如何建立和管理 Azure AI Foundry Hub如何使用 Azure CLI 建立 Hub

您也可以透過 Azure 門戶建立 Azure AI Foundry Hub,或透過 Azure ML Python SDK,以及管理 AI Hub 資源中列出的其他選項。

< > 在 GitHub 上更新

© . This site is unofficial and not affiliated with Hugging Face, Inc.