- Versionshinweise
- Erste Schritte
- Benachrichtigungen
- Projekte
- Datasets
- Data Labeling
- ML-Pakete
- Sofort einsetzbare Pakete
- Pipelines
- ML-Skills
- ML-Protokolle
- Document UnderstandingTM im AI Center
- AI Center-API
- Lizenzierung
- Vorlagen für AI Solutions
- Anleitungen zu …
- Grundlegende Anleitung zur Fehlerbehebung
Pipelines
Dieser Abschnitt enthält häufig aufgetretene Fehler im Zusammenhang mit Pipelines.
Eine Pipelineausführung schlägt aufgrund eines ML-Paketproblems fehl.
Eine mögliche Ursache für diesen Fehler kann eine falsch gewählte Nebenversion beim Ausführen der Pipeline sein.
Beim Bereitstellen eines neuen Pakets ist die einzige verfügbare Nebenversion 0. Der Grund dafür ist, dass für dieses Paket noch keine Pipelines ausgeführt werden.
Trainingspipelines
Wenn Sie eine Trainingspipeline bereitstellen, empfehlen wir dringend, immer die Nebenversion 0zu verwenden.
Vollständige Pipelines
Wenn Sie eine vollständige Pipeline bereitstellen, empfehlen wir dringend, immer die Nebenversion 0zu verwenden.
Auswertungspipelines
Auswertungspipelines werden verwendet, um ein trainiertes ML-Modell auszuwerten. Sie können dies für jede Version des ML-Pakets ausführen, um die entsprechenden Auswertungsergebnisse zu erhalten. Dies ist ähnlich wie bei der Benotung oder Auswertung eines ML-Modells mit dem Auswertungs-Dataset.
- Vortrainierte Pakete (sofort einsetzbare Pakete): Da diese Pakete vortrainiert sind, führen Sie die Auswertungspipeline auf der Nebenversion 0 aus. Um das Modell nach dem Training mit bestimmten Daten auszuwerten, wählen Sie die Nebenversion aus, die Sie auswerten möchten (trainierte Version).
- Document Understanding:
- Da es sich um generische, erneut trainierbare Modelle handelt, müssen die Modelle zuerst trainiert werden. Führen Sie eine Auswertungspipeline nur aus, wenn die Modelle trainiert sind und eine neue Nebenversion des Pakets verfügbar ist.
- Wählen Sie die neueste Nebenversion oder eine beliebige andere Nebenversion (außer 0) aus, für die die Auswertungspunktzahlen abgerufen werden können.
Pipeline wird automatisch beendet
Pipelines werden nach sieben Tagen automatisch beendet, um zu vermeiden, dass sie für längere Zeit feststecken und Lizenzen verbrauchen. Befolgen Sie die folgenden Empfehlungen.
- Aktivieren Sie den GPU.
- Wenden Sie Techniken zur Dataset-Optimierung an.
- Verringern Sie die Anzahl der EPOCHS.
- Warten auf Lizenz
- Running (Wird ausgeführt)
- Fehlgeschlagen (Failed)
- beendet
In den folgenden Abschnitten finden Sie weitere Informationen zu den einzelnen Status.
- GPU aktivieren
- Optimieren Sie das Dataset. Ausführliche Informationen zu Document Understanding -Datasets finden Sie auf der Seite Training von leistungsstarken Modellen im Handbuch zu Document Understanding.
- Öffnen Sie die Automation Cloud™.
- Gehen Sie zur Seite .
- Überprüfen Sie, ob die entsprechende AI Unit verfügbar ist.
- Wählen Sie die festgefahrene Pipeline aus.
-
Überprüfen Sie den Abschnitt Protokolle .
- Wenn es sich um aktuelle und gestreamte Protokolle handelt, wird die Pipeline ausgeführt.
- Wenn das letzte Protokoll vor langer Zeit generiert wurde, laden Sie die Protokolle über die Schaltfläche Herunterladen herunter und senden Sie sie unserer Support-Abteilung. Wenn die Download-Schaltfläche nicht sichtbar oder deaktiviert ist, kopieren Sie die Protokolle aus dem Abschnitt Protokolle und teilen Sie sie mit unserer Support-Abteilung.
Wenn sich die Pipelineausführung im Status „Fehlgeschlagen“ befindet, überprüfen Sie die möglichen Gründe unten.
Stellen Sie sicher, dass sich die Dokumenttypdaten im Dataset-Ordner befinden und der Ordnerstruktur folgen
Der folgende Fehler tritt auf:
Error: Document type data not valid, check that document type data is in dataset
folder and follows folder structure.
Das Format des Ordners, der für das Training bereitgestellt wird, muss dem Dataset-Format entsprechen.
- Stellen Sie sicher, dass das angegebene Dataset korrekt ist.
- Stellen Sie sicher, dass das bereitgestellte Dataset aus dem Document Manager exportiert wird. Weitere Informationen zu Datasets im Zusammenhang mit Document Understanding finden Sie auf der Seite Exportieren von Dokumenten im Handbuch zu Document Understanding.
- Wählen Sie bei geplanten Pipelines für die automatische Schleife für das erneute Training den Ordner aus, der die Exporte aus den Data Labeling Sessions und aus latest.txt enthält.
Bilder oder Verzeichnis sind für Rechnungs-Dataset nicht vorhanden oder leer
Die Pipelineausführung schlägt fehl, da das Verzeichnis „Bilder“ nicht vorhanden/für das Rechnungs-Dataset leer ist.
Der Dataset-Pfad, der entweder für das Trainings-Dataset oder das Auswertungs-Dataset angegeben wird, ist leer.
Um dies zu beheben, aktualisieren Sie den Dataset-Pfad für die Auswertung oder das Training entsprechend der Pipeline.
Nicht planbare Knoten sind verfügbar
Unschedulable 0/n nodes are available
auftritt, wenden Sie sich an unsere Support-Abteilung und geben Sie die Informationen Ihres Automation Cloud™-Mandanten an.
Kein Speicherplatz mehr auf dem Gerät
No space left on device
auftritt, wenden Sie sich an unsere Support-Abteilung und geben Sie die Informationen Ihres Automation Cloud™-Mandanten an.
Der Status Beendet wird normalerweise angezeigt, wenn die Pipeline vom Benutzer beendet wurde. Weitere Informationen zum Verwalten von Pipelines finden Sie auf der Seite Verwalten von Pipelines .
Wenn der Pipelinestatus ohne Benutzereingriffe beendet wird, ist der häufigste Grund, dass Pipelines nach sieben Tagen automatisch beendet werden. Weitere Informationen zu Pipelinestatus finden Sie auf der Seite Über Pipelines .
Eine Pipelineausführung schlägt aufgrund der Dataset-Struktur, der Eingabeparameter, des Pfads, der Ordner oder des Auswertungs-Datasets fehl.
Der folgende Fehler tritt auf:
#Fehler: Trainings- und/oder Testsatz ist leer. Stellen Sie sicher, dass die Trainings-/Testaufteilung in split.csv korrekt festgelegt ist
Dieser Fehler wird am häufigsten durch das falsche Dataset-Format oder das falsche Verhältnis von Training und Validierung, das in split.csv festgelegt ist, verursacht. Auf der Seite Trainings-Dataset finden Sie allgemeine Richtlinien zum Erstellen eines Trainings-Datasets.
Der folgende Fehler tritt auf:
#Fehler: Training fehlgeschlagen für Pipelinetyp: FULL_TRAINING, Fehler: Vollständige/Auswertungspipelines erfordern ein Auswertungs-Dataset. Führen Sie die Pipeline, die ein Auswertungs-Dataset bereitstellt, erneut aus
Dieser Fehler tritt in der Regel auf, wenn kein Auswertungs-Dataset bereitgestellt wurde. Auf der Seite Trainings-Dataset finden Sie allgemeine Richtlinien zum Erstellen eines Trainings-Datasets.
Beim Ausführen einer Pipeline kann sie gelegentlich aufgrund eines Fehlers aufgrund unzureichender Lizenzen auf der Seite Pipelinedaten fehlschlagen.
Dieser Fehler bedeutet nicht, dass keine tatsächliche Lizenz vorhanden ist. Sie signalisiert stattdessen, dass alle verfügbaren AI Units, ob auf Mandanten- oder Organisationsebene, verbraucht wurden.
Verwenden Sie dieses Verfahren für AI Units auf Organisationsebene.
Verwenden Sie dieses Verfahren für AI Units auf Mandantenebene.
- Pipeline aufgrund eines ML-Paketproblems fehlgeschlagen
- Auswählen der richtigen Nebenversion beim Ausführen von Pipelines
- Pipeline automatisch beendet
- Pipeline läuft zu lange
- WARTEN AUF LIZENZEN
- Running (Wird ausgeführt)
- Fehlgeschlagen (Failed)
- beendet
- Pipelines sind aufgrund von Dataset-Problemen fehlgeschlagen
- Falsches Dataset-Format
- Auswertungssatz nicht bereitgestellt
- Pipeline ist aufgrund eines Fehlers wegen unzureichender Lizenzen fehlgeschlagen