如何在AzureML中保存微调后的HuggingFace模型？

• 指定持久化存储路径
  AzureML计算实例的临时目录不会持久化数据，需将模型保存到./outputs（AzureML自动同步该目录到工作区存储）或工作区挂载的持久化存储路径：

trainer.train()
# 保存到默认输出目录
trainer.save_model("./outputs/fine_tuned_model")

• 确保训练完全执行
  确认trainer.train()执行完成后再调用save_model()，Notebook中需等待单元格执行状态显示完成，避免中途中断导致保存失败。

• 用AzureML Run API显式同步模型
  通过Run对象将模型目录上传到工作区，保证文件被持久化存储：

from azureml.core import Run

run = Run.get_context()
trainer.train()
trainer.save_model("./local_model_dir")
# 上传模型到工作区存储
run.upload_folder(name="fine_tuned_model", path="./local_model_dir")

• 检查目录权限与有效性
  避免使用/tmp等临时目录，确认目标目录有写入权限，可通过!mkdir -p ./outputs/test命令提前创建目录并验证权限。

内容的提问来源于stack exchange，提问作者matsuo_basho