如何在Azure ML作业/管道中直接引用模型目录中的模型（无需注册为自定义模型）

我太懂你现在的处境了——想直接用Azure ML模型注册表（比如那个公共的HuggingFace注册表）里的预训练模型，不想多一步把它注册成自己的自定义模型，结果按之前的方式配置URI还报错了，确实头疼。

先说说你之前踩的坑：用custom_model类型去引用注册表模型完全不对路，这个类型是给咱们自己上传的、非注册表托管的自定义模型用的，注册表的模型属于平台托管的资产，得用对应的类型来指定。

给你两个靠谱的解决方案：

方案一：在管道YAML中正确配置输入类型 #

你需要把输入类型换成mlflow_model（毕竟HuggingFace注册表的模型大多是MLflow格式打包的），配置格式如下：

ce_model:
  type: mlflow_model
  path: azureml://registries/HuggingFace/models/cross-encoder-stsb-roberta-large/versions/7

如果还是遇到问题，也可以试试registry_model类型，这个是专门为注册表资产设计的：

ce_model:
  type: registry_model
  path: azureml://registries/HuggingFace/models/cross-encoder-stsb-roberta-large/versions/7

这么改之后，Azure ML就能正确识别这个是注册表中的模型，不会再抛出BlobUri无效的错误了。

方案二：在作业脚本中通过SDK直接加载模型 #

要是YAML配置还是不顺手，你也可以跳过管道输入声明，直接在代码里用Azure ML SDK拉取注册表模型。示例代码如下：

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential
import mlflow.pyfunc

# 初始化MLClient，指定目标注册表名称
ml_client = MLClient(
    credential=DefaultAzureCredential(),
    registry_name="HuggingFace"
)

# 获取指定版本的模型
target_model = ml_client.models.get(
    name="cross-encoder-stsb-roberta-large",
    version="7"
)

# 加载MLflow格式的模型
loaded_model = mlflow.pyfunc.load_model(target_model.path)

这种方式更灵活，尤其是需要在代码里对模型做额外处理的时候特别好用。

最后提个小提醒：如果是私有注册表的模型，要确保你的作业身份有访问该注册表的权限；公共注册表比如HuggingFace的模型一般是公开可访问的，不用额外配置权限。

备注：内容来源于stack exchange，提问作者Henrique S. Silva