Microsoft Foundry の Hugging Face モデル (プレビュー)

Hugging Face が公開しているモデルは、Microsoft Foundry でデプロイするために Foundry モデルカタログで利用できます。現在の Foundry エクスペリエンスでは、これらのモデルはマネージドコンピューティングを使用します。

この記事では、デプロイ可能な Hugging Face モデルを検出し、マネージドコンピューティングを使用してデプロイし、アプリケーションからエンドポイントを呼び出します。

モデルの検出では、現在のプロジェクトにデプロイできる Hugging Face モデルを見つけるには、現在のプロジェクトで利用可能 フィルターを使用します。すべての Hugging Face 発行モデルを表示するには、可用性フィルターを [すべてのモデル] に設定します。 Foundry でモデルを現在使用できない場合は、 Foundry (クラシック) に デプロイできるように、モデルカードに [Foundry で続行] (クラシック) ボタンが表示されます。

Important

Foundry マネージドコンピューティングは現在プレビュー段階です。プレビュー機能は、一部のリージョンでは利用できない場合があり、補足条件が適用されます。詳細については、「 Microsoft Azure プレビューの追加使用条件」を参照してください。

Foundry の Hugging Face モデルは世界中で利用可能です。リージョン別の一般的なサービスの可用性情報については、リージョン別のAzure製品を参照してください。

Hugging Face モデルを責任を持って使用する

Hugging Face から提供されるモデルは、Microsoftによってテストまたは評価されない非Microsoft製品です。モデルをデプロイする前に、法的またはエクスポート制御に関する考慮事項を評価し、独自のモデルのリスクと安全性の評価を行うなど、特定のユースケースに適していることを確認します。 Foundry で提供されるモデルに対する Foundry のリスクと安全性の評価と Hugging Face のセキュリティ対策について説明します。

Important

Hugging Face のモデルには、Hugging Face モデルの詳細ページで入手できるサードパーティのライセンス条項が適用されます。モデルのライセンス条項に準拠するのは、お客様の責任です。

Prerequisites

フォンドリープロジェクト。
Foundry アカウントスコープでの次のロールの割り当て:
- マネージドコンピューティングデプロイを作成、更新、削除するには、Cognitive Services Contributor (または Foundry Owner / Foundry Account Owner) が必要です。
- Foundry ユーザーは、プレイグラウンド、SDK、または REST からMicrosoft Entra IDを使用してデプロイを呼び出します。ロールの定義については、 Foundry でのロールベースのアクセス制御に関するページを参照してください。
選択したアクセラレータファミリのAzure サブスクリプションで使用可能な GPU マネージドコンピューティングクォータ。 Foundry マネージドコンピューティングクォータは、AZURE VM クォータとは別であり、別の要求パスを使用します。 Foundry ポータルで、Manage>Quota>Managed compute>Request クォータに移動して、現在の割り当てを確認するか、引き上げを要求します。詳細なガイダンスについては、「クォータの追加要求」を参照してください。

Hugging Face モデルをデプロイする

モデルを検索して選択する

Foundry ポータルで、上部のナビゲーションバーの [検出] に移動し、左側のウィンドウで [モデル] を選択します。
Collections フィルターで Hugging Face を選択すると、Hugging Face が公開している利用可能なモデルが表示されます。
Project フィルターで [使用可能] を選択すると、現在projectとリージョンにデプロイできるモデルのみが表示されます。
[デプロイオプション] フィルターで、[マネージドコンピューティング] を選択すると、マネージドコンピューティングデプロイで使用可能なモデルのみが表示されます。
モデルタイルを選択して、モデルの詳細カードを開きます。

設定とデプロイ

モデルの詳細カードで、[デプロイ] を選択 します。この操作により、展開構成パネルが既定で選択された状態で開きます。
デプロイ名を入力します。デプロイ名が必要であり、ドット (.) を含めることはできません。英数字、アンダースコア、ハイフンのみを使用し、2 ~ 64 文字を使用します。
デプロイテンプレートを選択します。
モデルのサイズとパフォーマンスの要件に一致する アクセラレータの種類 を選択します。ポータルは、互換性のあるアクセラレータに対して使用可能なオプションを事前フィルター処理します。
インスタンス数を指定します。
- テストと開発には 1 つのインスタンスを使用します。
- 可用性を確保し、トラフィックの急増を処理するには、運用環境に 2 つ以上のインスタンスを使用します。
展開を選択します。通常、デプロイプロセスには数分かかります。完了すると、ポータルにデプロイの詳細ページが表示され、次の情報が表示されます。
- モデルを呼び出すためのエンドポイント URL
- 認証用の API キー
- デプロイの状態とログ

Python SDK を使用したデプロイ (代替)

自動化を希望する場合は、Python管理 SDK を使用して、同じマネージドコンピューティングデプロイを作成します。プレースホルダーを、サブスクリプションと選択したモデルの値に置き換えます。

MODELとTEMPLATEの値を取得するには、Foundry ポータルでモデルの詳細カードと展開ウィザードを開き、完全修飾レジストリ資産 ID をコピーします。

python -m pip install --upgrade azure-identity azure-mgmt-cognitiveservices openai

from azure.identity import DefaultAzureCredential
from azure.mgmt.cognitiveservices import CognitiveServicesManagementClient

SUBSCRIPTION_ID = "<your-subscription-id>"
RESOURCE_GROUP = "<your-resource-group>"
ACCOUNT_NAME = "<your-foundry-account>"
DEPLOYMENT_NAME = "<your-deployment-name>"

MODEL = "azureml://registries/azure-huggingface/models/<model-id>/versions/<version>"
TEMPLATE = "azureml://registries/azure-huggingface/deploymenttemplates/<template-id>/labels/<label>"

client = CognitiveServicesManagementClient(
   DefaultAzureCredential(), SUBSCRIPTION_ID
)

deployment = client.managed_compute_deployments.begin_create_or_update(
   resource_group_name=RESOURCE_GROUP,
   account_name=ACCOUNT_NAME,
   deployment_name=DEPLOYMENT_NAME,
   resource={
      "sku": {"name": "GlobalManagedCompute", "capacity": 1},
      "properties": {
         "model": MODEL,
         "deploymentTemplate": TEMPLATE,
         "acceleratorType": "<accelerator-type>",
         "versionUpgradeOption": "OnceNewDefaultVersionAvailable",
      },
   },
).result()

print(f"State: {deployment.properties.provisioning_state}")
print(f"ID: {deployment.id}")

展開を確認して使用する

デプロイが完了したら、アプリケーションに統合する前にエンドポイントを検証します。

デプロイの詳細ページで、デプロイの状態が [成功] であることを確認します。
デプロイの詳細ページからテスト推論を実行して、モデルがタスクの種類に対して正常な応答を返したことを確認します。
デプロイに失敗した場合は、デプロイログを確認します。次に、選択したモデルとアクセラレータの種類の GPU クォータとリージョンの可用性を確認します。 Foundry マネージドコンピューティングクォータは、AZURE VM クォータとは別です。クォータチェックと要求の増加については、「クォータの追加要求」を参照してください。

アプリケーションからエンドポイントを呼び出す

検証が成功したら、統合 Foundry エンドポイントのベース URL を使用してデプロイを呼び出します。

https://<account>.services.ai.azure.com/openai/v1/

要求本文で、モデル ID ではなく、 model フィールドを デプロイ名に設定します。

Microsoft Entra ID を使用して OpenAI SDK をPythonする

from azure.identity import DefaultAzureCredential, get_bearer_token_provider
from openai import OpenAI

ACCOUNT_NAME = "<your-foundry-account>"
DEPLOYMENT_NAME = "<your-deployment-name>"

token_provider = get_bearer_token_provider(
   DefaultAzureCredential(),
   "https://cognitiveservices.azure.com/.default",
)

client = OpenAI(
   base_url=f"https://{ACCOUNT_NAME}.services.ai.azure.com/openai/v1",
   api_key=token_provider,
)

response = client.chat.completions.create(
   model=DEPLOYMENT_NAME,
   messages=[{"role": "user", "content": "What is the capital of Nigeria?"}],
)

print(response.choices[0].message.content)

API キーを使用して OpenAI SDK をPythonする

from azure.identity import DefaultAzureCredential
from azure.mgmt.cognitiveservices import CognitiveServicesManagementClient
from openai import OpenAI

SUBSCRIPTION_ID = "<your-subscription-id>"
RESOURCE_GROUP = "<your-resource-group>"
ACCOUNT_NAME = "<your-foundry-account>"
DEPLOYMENT_NAME = "<your-deployment-name>"

mgmt = CognitiveServicesManagementClient(
   DefaultAzureCredential(), SUBSCRIPTION_ID
)
api_key = mgmt.accounts.list_keys(RESOURCE_GROUP, ACCOUNT_NAME).key1

client = OpenAI(
   base_url=f"https://{ACCOUNT_NAME}.services.ai.azure.com/openai/v1",
   api_key=api_key,
)

response = client.chat.completions.create(
   model=DEPLOYMENT_NAME,
   messages=[{"role": "user", "content": "What is the capital of Nigeria?"}],
)

print(response.choices[0].message.content)

cURL を使用してエンドポイントをテストする

cURL 要求を使用して、ポータルの外部でデプロイを検証します。エンドポイントの URL、API キー、モデル名を実際のデプロイ値に置き換えます。

curl -X POST "https://<your-foundry-account>.services.ai.azure.com/openai/v1/chat/completions" \
   -H "Content-Type: application/json" \
   -H "api-key: <your-api-key>" \
   -d '{
      "messages": [{"role": "user", "content": "What is the capital of Nigeria?"}],
      "temperature": 0.2,
      "max_tokens": 256,
      "model": "<your-deployment-name>"
   }'

応答が成功すると、HTTP 200 が返され、 choices[0].message.contentが含まれます。

Foundry における Hugging Face モデルの仕組み

Foundry の Face モデルをハグすると、マネージドコンピューティングデプロイパスが使用され、推論用の専用 GPU ベースのエンドポイントが作成されます。

大まかに言うと、

モデルカタログで Hugging Face モデルを見つけることができます。
現在のプロジェクトに配置可能なモデルにフィルター処理します。
サポートされているモデルをデプロイします。Foundry は専用 GPU コンピューティングインスタンスをプロビジョニングし、エンドポイントを公開します。
Foundry マネージドコンピューティングの価格体系を使用して、エンドポイント経由でデプロイを呼び出します。

マネージドコンピューティングでは、専用の GPU コンピューティングインスタンス、エンドポイントベースの推論アクセス、Foundry Models Managed Compute 価格モデルを使用した課金が提供されます。現在の料金と課金の詳細については、「 Foundry Models の価格 - マネージドコンピューティング」を参照してください。

デプロイの概念については、「Microsoft Foundry のマネージドコンピューティング」を参照してください。

データホスティングとモデルの重み付け

Foundry で利用できるハギングフェイスモデルの場合、モデルの重みはAzureに格納されます。この動作は、Foundry (classic) の Hugging Face 公開モデルや Azure Machine Learning における、デプロイ時に Hugging Face Hub からモデル重みがダウンロードされる動作とは異なります。

デプロイ可能な Hugging Face モデルを検出する

モデルカタログで、モデルフィルターを使用して、Hugging Face が公開したモデルに絞り込んで検索します。現在デプロイできるモデルに焦点を当てるには、Projectで [使用可能] をオンにします。

このフィルターを有効にすると、選択したプロジェクトコンテキストで現在配置可能なモデルのみがカタログに表示されます。次のすべての条件に該当する場合、このフィルター処理されたビューにモデルが表示されます。

モデルは Foundry モデルカタログにあります。
サブスクリプションには、少なくとも 1 つの互換性のあるアクセラレータの種類に対して使用可能な GPU マネージドコンピューティングクォータがあります。
モデルは、プロジェクトの Azure リージョンで使用できます。

表示されるモデルが表示されない場合は、Foundry (クラシック) に切り替える前に Foundry でクォータとリージョンのカバレッジを確認します。

サポートされているモデル

Foundry では、次のすべての条件を満たす Hugging Face モデルがサポートされています。

Hugging Face Hub に Transformers、 Diffusers、または Sentence-Transformers タグが必要です。
商用の使用と再配布を許可する許容されるライセンス (Apache 2.0、MIT、OpenRAIL-Mなど) を持っている。
、chat-completion、またはimage-to-text などのembeddingsがある。
モデルの重みは Safetensors 形式であり、モデルには trust_remote_codeは必要ありません。

セキュリティ要件

デプロイの前に、Hugging Face コレクション内のすべてのモデルで、必須のセキュリティスキャンが行われます。

マルウェアスキャン: このプロセスでは、モデルをスキャンして、埋め込まれたマルウェアや有害なバイナリを特定します。
コード検査: このプロセスでは、Hugging Face が明示的に検証しない限り、または信頼できる組織から来た場合を除き、 trust_remote_code=True を必要とするモデルは禁止されます。
安全な形式の適用: ピックル形式に起因するリスクを排除するため、モデルの重みは Safetensors形式である必要があります。
検証チェック: このプロセスでは、公開前に API の準拠とパフォーマンスについて、すべてのモデル、ランタイム、アクセラレータの組み合わせをテストします。

詳細については、Hugging Face のセキュリティドキュメントを参照してください。

Foundry または Foundry (クラシック) を選択する

次の表を使用して、シナリオに適合するエクスペリエンスを判断します。

シナリオ	Use
モデルは現在のプロジェクトで使用できます	鋳造所
Azureから直接ソース化されたモデルの重み付け	鋳造所
モデルはHugging Face Hubでアクセス制限されています	Foundry (クラシック)
現在のプロジェクトに対してモデルが表示されない	Foundry (クラシック)
Hugging Face Hub から直接提供されるモデルウェイト	Foundry (クラシック)

Foundry でモデルを使用できない場合

一部の Hugging Face 公開モデルは、Foundry では現在使用できない場合があります。その場合、モデルカードに [ Foundry で続行] (クラシック) ボタンが表示されます。 Foundry (クラシック) で同等のエクスペリエンスを開くには、それを選択します。

Foundry（クラシック）は、現在の Foundry プロジェクト環境で利用できない Hugging Face 公開モデルに対するフォールバック先のままです。現在の Foundry エクスペリエンスでのマネージドコンピューティングデプロイ機能の詳細については、「Microsoft Foundry のマネージドコンピューティング」を参照してください。 Microsoft Foundry の Hugging Face フィードバックポータルを通じてモデルをリクエストすることもできます。

現在のエクスペリエンスとクラシックエクスペリエンスの違いを理解するには、 Foundry (クラシック) ポータルからの移行を参照してください。

FAQ

アクセス制限付きの Hugging Face モデルは Foundry で利用できますか?

No. Foundry では、アクセス制限付きの Hugging Face モデルは利用できません。ゲートモデルでは、使用する前にモデル作成者からの認証と承認が必要です。ゲートモデルのサポートには Foundry (クラシック) を使用します。「 Hugging Face Hub からマネージドコンピューティング (クラシック) へのモデルのデプロイ」を参照してください。

マネージドコンピューティングで CPU コンピューティングを使用して Hugging Face モデルをデプロイできますか?

Hugging Face モデルのマネージドコンピューティングデプロイでは、エンタープライズレベルの GPU アクセラレータが使用されます。別のデプロイパスが必要な場合は、Foundry (クラシック) を検討してください。

必要なモデルが Foundry で使用できない場合はどうすればよいですか?

Foundry でモデルを使用できない場合を参照してください。

現在デプロイ可能なモデルのみを検索するにはどうすればよいですか?

モデルカタログで、[コレクション] フィルターを [Hugging Face] に設定し、[デプロイ] オプションを [マネージドコンピューティング] に設定し、Project フィルターで [使用可能] を有効にして、projectとリージョンに現在デプロイ可能なモデルのみを表示します。

フィードバック

このページはお役に立ちましたか?

Last updated on 2026-06-25