Azure AI模型部署时端点配置失败，寻求解决方案

• 彻底清理残留端点资源
  不要仅通过Azure门户删除端点，需同步清理关联的部署、网络及存储资源，避免缓存残留。可使用Azure CLI执行强制删除：

  az ml endpoint delete --name robs-ml-space-nlouc --resource-group <你的资源组名> --yes
  az ml deployment delete --name <关联部署名> --endpoint-name robs-ml-space-nlouc --resource-group <你的资源组名> --yes
  

  执行后等待5-10分钟，确保资源完全释放。

• 校验资源组与区域一致性
  确认端点创建时选择的资源组、区域，与模型部署使用的资源组、区域完全匹配。跨资源组或跨区域操作会导致端点识别失败。

• 验证账号权限配置
  确保当前操作账号拥有Microsoft.MachineLearningServices/workspaces/endpoints/write权限，可在Azure门户资源组的IAM页面，添加或验证「机器学习参与者」等对应角色。

• 改用Azure CLI创建端点
  门户UI缓存可能引发异常，CLI创建更稳定：

  1. 创建端点配置文件endpoint.yml：

     $schema: https://azuremlschemas.azureedge.net/latest/managedOnlineEndpoint.schema.json
     name: robs-ml-space-nlouc
     auth_mode: key
     location: <你的区域>
     

  2. 执行端点创建命令：

     az ml endpoint create --file endpoint.yml --resource-group <资源组名> --workspace-name <工作区名>
     

  3. 端点创建成功后，部署模型：

     az ml deployment create --name <部署名> --endpoint-name robs-ml-space-nlouc --model <模型路径或名称> --instance-type Standard_DS3_v2 --instance-count 1 --resource-group <资源组名> --workspace-name <工作区名>
     

• 排查虚拟网络配置（若启用）
  若端点关联虚拟网络，需确认子网NSG规则无拦截、端点已启用Microsoft.MachineLearningServices服务端点，且工作区与端点处于同一VNet或对等网络中。

内容的提问来源于stack exchange，提问作者RobMore