Personalizzare un'immagine di base per la sessione di calcolo

Avviso

Prompt flow in Microsoft Foundry e Azure Machine Learning sarà ritirato il 20 aprile 2027. Prompt flow non è più consigliato per i nuovi sviluppi. Esegui la migrazione delle applicazioni e distribuzioni Prompt flow esistenti in Microsoft Agent Framework prima del 20 aprile 2027.

Le immagini del container di Prompt flow non vengono più aggiornate, inclusi gli aggiornamenti di sicurezza e dei pacchetti. Questo vale per le immagini di runtime di Prompt flow, tra cui promptflow-runtime, promptflow-runtime-stable e promptflow-python.

Dopo il 20 aprile 2027, Prompt flow, inclusi l'esperienza di creazione sul Web in Microsoft Foundry e Azure Machine Learning, le estensioni di VS Code e le immagini del contenitore correlate di Prompt flow, non sarà più supportato né disponibile.

Se l'applicazione dipende dalle distribuzioni di Prompt flow o dalle immagini di runtime, pianifica di migrare tali carichi di lavoro verso alternative supportate, ad esempio Microsoft Agent Framework, prima della data di ritiro. Per indicazioni sulla migrazione, vedere la guida alla migrazione di Prompt flow e gli esempi di codice per la migrazione.

Prima di iniziare, assicurarsi di avere familiarità con gli ambienti Docker e Azure Machine Learning.

Passaggio 1: Preparare il contesto Docker

Crea image_build cartella

Nell'ambiente locale creare una cartella contenente i file seguenti. La struttura di cartelle dovrebbe essere simile alla seguente:

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

Definire i pacchetti necessari in requirements.txt

Facoltativo: aggiungere pacchetti nel repository PyPI privato.

Usare il comando seguente per scaricare i pacchetti in locale: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

Aprire il requirements.txt file e aggiungere i pacchetti aggiuntivi e le relative versioni specifiche. Per esempio:

###### Requirements with Version Specifiers ######
numpy == 2.2.0              # Version Matching. Must be version 2.2.0
requests >= 2.31.0          # Minimum version 2.31.0
coverage != 3.5             # Version Exclusion. Anything except version 3.5
pydantic ~= 2.0             # Compatible release. Same as >= 2.0, == 2.*
<path_to_local_package>     # reference to local pip wheel package

Per altre informazioni sulla strutturazione del requirements.txt file, vedere Formato di file dei requisiti nella documentazione di pip.

Definire l'oggetto Dockerfile

Creare un Dockerfile e aggiungere il contenuto seguente, quindi salvare il file:

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

Nota

Compilare questa immagine Docker dall'immagine di base del prompt flow mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>. Se possibile, usare la versione più recente dell'immagine di base.

Passaggio 2: Creare un ambiente di Azure Machine Learning personalizzato

Definire l'ambiente in environment.yaml

Nel computer locale usare l'interfaccia della riga di comando (v2) per creare un ambiente personalizzato basato sull'immagine Docker.

Nota

az login # if not already authenticated

az account set --subscription <subscription ID>
az configure --defaults workspace=<Azure Machine Learning workspace name> group=<resource group>

Aprire il environment.yaml file e aggiungere il contenuto seguente. Sostituire il segnaposto <nome_ambiente> con il nome dell'ambiente desiderato.

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

Creare un ambiente

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

Nota

La compilazione dell'immagine dell'ambiente potrebbe richiedere alcuni minuti.

Passare alla pagina dell'interfaccia utente dell'area di lavoro, quindi passare alla pagina dell'ambiente e individuare l'ambiente personalizzato creato.

È anche possibile trovare l'immagine nella pagina dei dettagli dell'ambiente e usarla come immagine di base per la sessione di calcolo del flusso di richiesta. Questa immagine viene usata anche per compilare l'ambiente per la distribuzione del flusso dall'interfaccia utente. Per altre informazioni, vedere come specificare l'immagine di base nella sessione di calcolo.

Per altre informazioni sull'interfaccia della riga di comando dell'ambiente, vedere Gestire gli ambienti.

Passaggi successivi

  • Last updated on