Pipelines

Dieser Abschnitt enthält häufig aufgetretene Fehler im Zusammenhang mit Pipelines.

Pipeline aufgrund eines ML-Paketproblems fehlgeschlagen

Eine Pipelineausführung schlägt aufgrund eines ML-Paketproblems fehl.

Eine mögliche Ursache für diesen Fehler kann eine falsch gewählte Nebenversion beim Ausführen der Pipeline sein.

Im folgenden Abschnitt finden Sie weitere Informationen zur Auswahl der richtigen Nebenversion.

Auswählen der richtigen Nebenversion beim Ausführen von Pipelines

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 Nebenversion 0 zu verwenden.

Vollständige Pipelines

Wenn Sie eine vollständige Pipeline bereitstellen, empfehlen wir dringend, immer Nebenversion 0 zu 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.

Hinweis:

Die Auswahl einer Nebenversion hängt von der Art des Pakets ab, auf dem die Auswertungspipeline ausgeführt wird. Aus diesem Grund ist bei der Auswahl der Nebenversion besondere Vorsicht geboten. Stellen Sie sicher, dass Sie die Version auswählen, die Sie auswerten möchten.

Die verfügbaren Pakettypen sind beispielsweise vortrainierte, sofort einsetzbare Pakete und nicht trainierte Document Understanding^TM- Modelle:

• 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 (ausgenommen 0), für die die Bewertungsergebnisse abgerufen werden können.

Pipeline automatisch beendet

Pipeline wird automatisch beendet

Pipelines werden nach sieben Tagen automatisch beendet, um zu vermeiden, dass sie für längere Zeit feststecken und Lizenzen verbrauchen. Verwenden Sie die folgenden Empfehlungen.

• Aktivieren Sie den GPU.
• Wenden Sie Techniken zur Dataset-Optimierung an.
• Verringern Sie die Anzahl der EPOCHS.

Pipeline läuft zu lange

Wenn die Pipeline zu lange läuft, können Sie die Protokolle überprüfen. Die folgenden Status können auftreten:

• Warten auf Lizenz
• Running (Wird ausgeführt)
• Fehlgeschlagen (Failed)
• beendet

In den folgenden Abschnitten finden Sie weitere Informationen zu den einzelnen Status.

Hinweis:

Wenn die Protokolle Streaming sind, versuchen Sie die folgenden Korrekturen:

• 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.

WARTEN AUF LIZENZEN

Wenn die Pipelineausführung im Status Warten auf Lizenzen festhängt, überprüfen Sie, ob die entsprechenden Lizenzen verfügbar sind.

1. Öffnen Sie die Automation Cloud™.
2. Gehen Sie zur Seite Administrator > Lizenzen.
3. Überprüfen Sie, ob die entsprechende AI Unit verfügbar ist.

Wenn AI Units nicht verfügbar oder verbraucht sind, wenden Sie sich für die Beschaffung an unsere Vertriebsabteilung . Weitere Informationen zu AI Units finden Sie auf der Seite AI Units .

Running (Wird ausgeführt)

Wenn die Pipelineausführung im Status Wird ausgeführt festhängt, verwenden Sie die folgenden Schritte.

1. Wählen Sie die festgefahrene Pipeline aus.
2. 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.

Fehlgeschlagen (Failed)

Wenn sich die Pipelineausführung im Status „Fehlgeschlagen“ befindet, überprüfen Sie die folgenden möglichen Gründe.

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.

1. Stellen Sie sicher, dass das angegebene Dataset korrekt ist.
2. Stellen Sie sicher, dass das angegebene 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 Document Understanding-Handbuch.
3. Wählen Sie bei geplanten Pipelines für die automatische erneute Trainingsschleife den Ordner aus, der die Exporte aus den Datenbeschriftungssitzungen und 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

Wenn der Fehler 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

Wenn der Fehler No space left on device auftritt, wenden Sie sich an unsere Support-Abteilung und geben Sie die Informationen Ihres Automation Cloud™-Mandanten an.

beendet

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 Benutzereingriff beendet ist, ist der gängigste Grund, dass Pipelines nach sieben Tagen automatisch beendet werden. Weitere Informationen zu den Pipelinestatus finden Sie auf der Seite Über Pipelines .

Pipelines sind aufgrund von Dataset-Problemen fehlgeschlagen

Eine Pipelineausführung schlägt aufgrund der Dataset-Struktur, der Eingabeparameter, des Pfads, der Ordner oder des Auswertungs-Datasets fehl.

Falsches Dataset-Format

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 ein falsches Verhältnis von Training und Validierung, das in split.csv festgelegt wurde, verursacht. Auf der Seite Trainings-Dataset finden Sie allgemeine Richtlinien zum Erstellen eines Trainings-Datasets.

Auswertungssatz nicht bereitgestellt

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 typischerweise auf, wenn kein Auswertungs-Dataset bereitgestellt wurde. Auf der Seite Trainings-Dataset finden Sie allgemeine Richtlinien zum Erstellen eines Trainings-Datasets.

Pipeline ist aufgrund eines Fehlers wegen unzureichender Lizenzen fehlgeschlagen

Beim Ausführen einer Pipeline kann es gelegentlich aufgrund eines Fehlers Unzureichende 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.

1. Navigieren Sie zu Administrator > Lizenzen > Verbrauchsmaterialien > AI Units, um auf die Seite „AI Units“ zuzugreifen. Die blaue Grafik auf dieser Seite zeigt den Verbrauch von AI Units für alle Mandanten in der Organisation.

2. Zeigen Sie mit der Maus auf die blaue Leiste, um den Verbrauch zu überprüfen, oder wählen Sie Nutzung anzeigen aus, um eine monatliche Aufschlüsselung der Nutzung anzuzeigen.

   Hinweis:

   Wählen Sie in diesem Abschnitt nicht Aktualisieren aus, da dadurch der API-Schlüssel aktualisiert wird.

3. Wenn die Anzahl der Verbrauchten angibt, dass alle verfügbaren AI Units verbraucht wurden, erstellen Sie einen Screenshot der Verwendung der AI Units und speichern Sie dieses Bild.

   

4. Reichen Sie eine Lizenzierungsanfrage ein, um mit dem UiPath®-Lizenzierungsteam in Kontakt zu bleiben, um zusätzliche AI Units zu kaufen. Stellen Sie sicher, dass Sie eine Kopie des gespeicherten Bilds in Ihre Abfrage aufnehmen.

Verwenden Sie dieses Verfahren für AI Units auf Mandantenebene.

1. Navigieren Sie zur Seite Administrator und wählen Sie den gewünschten Mandanten auf der linken Seite der Seite aus.

2. Navigieren Sie zu Lizenzen > Verbrauchsmaterialien > AI Units, um auf die Seite „AI Units“ zuzugreifen. Die blaue Grafik auf dieser Seite zeigt den Verbrauch von AI Units für den ausgewählten Mandanten.

3. Wenn die AI Units auf Mandantenebene vollständig verbraucht sind, aber auf Organisationsebene noch ein Saldo vorhanden ist, wählen Sie Zuweisung bearbeiten im oberen rechten Bereich des Bildschirms.

4. Weisen Sie weitere AI Units auf Mandantenebene zu, indem Sie eine neue Gesamtmenge für AI Units angeben.

   

Fehler „Datei nicht gefunden“.

Eine Pipeline im AI Center ist mit dem folgenden Fehler fehlgeschlagen: [Error] FileNotFoundError: [Errno 2] No such file or directory: '/workspace/model/microservice/models/multi_task_base/network.p

Dieser Fehler kann aufgrund einer unzureichenden Anzahl von Dokumenten im Dataset auftreten. Die Trainingspipeline benötigt genügend Dokumente im Dataset, damit sie sowohl für die Trainings- als auch für die Validierungsteilmenge genügend Dokumente aufteilen kann.

Wenn Sie z. B. nur ein Dokument im Dataset haben, steht das einzelne Dokument nur für die Zuweisung für das Training zur Verfügung, aber es gibt keine Dokumente, die für die Validierung verwendet werden können.

1. Überprüfen Sie die Pipelineprotokolle oder die Split.csv -Datei im Dataset, um die Anzahl der Dokumente zu überprüfen, die auf die Teilmengen Trainieren und Validieren aufgeteilt sind.

   Wenn in den Pipelineprotokollen die Teilmengen nur TRAIN auflisten oder wenn nur TRAIN-Dokumente in der Split.csv -Datei aufgeführt sind, sind zusätzliche Dokumente im Dataset erforderlich. Nachdem die Dokumente beschriftet wurden, führen Sie einen erneuten Export aus dem Document Manager durch, damit eine ordnungsgemäße Aufteilung zwischen TRAIN und VALIDATE erfolgen kann.

2. Überprüfen Sie die Anzahl der Dokumente im Dataset.

   Sie können das Pipelineprotokoll weiter überprüfen, um die Anzahl der Dokumente zu ermitteln, die in den Teilmengen verfügbar sind. Sie können die Datei Split.csv auch überprüfen, nachdem das Dataset aus dem Document Manager exportiert wurde, um zu bestätigen, wie viele Dokumente für TRAIN und wie viele für VALIDATE zugeordnet werden sollen.