Azure ML模型注册报错：NoMatchingArtifactsFoundFromJob问题求助

架构老林

2026-7-18

问题

尝试使用已运行实验生成的最优模型创建已注册Azure ML Model，编写代码后出现报错。

代码片段：

import datetime
from azure.ai.ml.entities import (
    Environment,
    BatchEndpoint,
    BatchDeployment,
    BatchRetrySettings,
    Model,
)
from azure.ai.ml.constants import BatchDeploymentOutputAction

model_name = "github-dau-tcn"
batch_endpoint_name = "gdau-batch-" + datetime.datetime.now().strftime("%m%d%H%M%f")

model = Model(
    path=f"azureml://jobs/{best_run.info.run_id}/outputs/artifacts/outputs/model.pt",
    name=model_name,
    description="some name",
)
registered_model = ml_client.models.create_or_update(model)

报错信息：

HttpResponseError: (UserError) 请求无效。详细异常为(NoMatchingArtifactsFoundFromJob) 找不到与outputs/model.pt匹配的作业工件。

怀疑工件未存储在Azure ML指定路径中，需解决该问题。

解决方案

确认作业输出的实际路径
1. 登录Azure ML工作室，定位到对应best_run.info.run_id的作业
2. 进入作业的「输出+日志」页面，查看工件的实际存储路径。注意：作业输出的结构可能并非outputs/artifacts/outputs/model.pt，可能是outputs/model、直接的outputs/model.pt或自定义输出目录
3. 复制正确的工件URI，替换代码中path参数的内容
检查训练代码中的模型保存逻辑
确保训练代码用Azure ML的方法正确保存模型：
- 若使用mlflow：
```
import mlflow
mlflow.pytorch.log_model(model, "model")
```
  此时模型的URI路径应为azureml://jobs/{run_id}/outputs/artifacts/model
- 若使用run.upload_file：
```
run.upload_file(name="outputs/model.pt", path_or_stream="./model.pt")
```
  此时路径应为azureml://jobs/{run_id}/outputs/model.pt
验证路径格式正确性
Azure ML作业输出的URI格式规则：
- 作业直接输出文件：azureml://jobs/{run_id}/outputs/{output_name}
- MLflow日志的模型：azureml://jobs/{run_id}/outputs/artifacts/{model_folder_name}