Personalizar una imagen base para la sesión de computación

Advertencia

Prompt flow en Microsoft Foundry y Azure Machine Learning se retirará el 20 de abril de 2027. Prompt flow ya no se recomienda para nuevos desarrollos. Migre las aplicaciones e implementaciones existentes de Prompt flow a Microsoft Agent Framework antes del 20 de abril de 2027.

Las imágenes de contenedor de Prompt flow ya no reciben actualizaciones, incluidas las actualizaciones de seguridad y de paquetes. Esto se aplica a las imágenes de entorno de ejecución de Prompt flow, incluidas promptflow-runtime, promptflow-runtime-stable y promptflow-python.

Después del 20 de abril de 2027, Prompt flow, incluida la experiencia de creación web en Microsoft Foundry y Azure Machine Learning, las extensiones de VS Code y las imágenes de contenedor relacionadas de Prompt flow, dejará de ser compatible y de estar disponible.

Si su aplicación depende de implementaciones de Prompt flow o de imágenes en tiempo de ejecución, planifique trasladar esas cargas de trabajo a alternativas compatibles, como Microsoft Agent Framework, antes de la fecha de retirada. Para obtener instrucciones sobre la migración, consulte la guía de migración de flujo de mensajes y ejemplos de código de migración.

Antes de empezar, asegúrese de estar familiarizado con Docker y Azure Machine Learning entornos.

Paso 1: Preparación del contexto de Docker

Crear image_build carpeta

En el entorno local, cree una carpeta que contenga los siguientes archivos. La estructura de carpetas debe tener este aspecto:

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

Definición de los paquetes necesarios en requirements.txt

Opcional: agregue paquetes en el repositorio privado de PyPI.

Use el siguiente comando para descargar los paquetes localmente: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

Abra el requirements.txt archivo y agregue los paquetes adicionales y sus versiones específicas. Por ejemplo:

###### 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

Para obtener más información sobre cómo estructurar el requirements.txt archivo, consulte Formato de archivo de requisitos en la documentación de pip.

Definir el Dockerfile

Cree un Dockerfile y agregue el siguiente contenido, luego guarde el archivo:

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

Nota

Construya esta imagen de Docker a partir de la imagen base de flujo de comandos mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>. Si es posible, use la versión más reciente de la imagen base.

Paso 2: Crear un entorno de Azure Machine Learning personalizado

Define tu entorno en environment.yaml

En el equipo local, use la CLI (v2) para crear un entorno personalizado basado en la imagen de 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>

Abra el environment.yaml archivo y agregue el siguiente contenido. Reemplace el marcador de posición <environment_name> por el nombre del entorno deseado.

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

Creación de un entorno

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

Nota

La creación de la imagen de entorno puede tardar varios minutos.

Vaya a la página de la interfaz de usuario del área de trabajo y, a continuación, vaya a la página del entorno y busque el entorno personalizado que creó.

También puede encontrar la imagen en la página de detalles del entorno y utilizarla como imagen base para la sesión de proceso de flujo de solicitud. Esta imagen también se usa para configurar el entorno para la implementación de flujos desde la interfaz de usuario. Para más información, consulte cómo especificar la imagen base en la sesión de proceso.

Para más información sobre la CLI de entorno, consulte Administración de entornos.

Pasos siguientes

  • Last updated on