- Notas relacionadas
- Primeros pasos
- Notificaciones
- Proyectos
- Conjuntos de datos
- Etiquetado de datos
- Paquetes ML
- Paquetes listos para usar
- Procesos
- Habilidades ML
- Logs de ML
- Document Understanding en AI Center™
- API de AI Center
- Licencia
- Plantillas de soluciones de AI
- Tutorial
- Guía básica de resolución de problemas
Procesos
Esta sección proporciona los errores encontrados con frecuencia relacionados con los procesos.
Está fallando una ejecución de proceso debido a una incidencia de Paquete ML.
Una posible causa de este error puede ser una versión menor incorrecta elegida al ejecutar el proceso.
Al implementar un nuevo paquete, la única versión menor disponible es 0. El motivo es que aún no hay procesos ejecutados en este paquete.
Procesos de entrenamiento
Si vas a implementar un proceso de entrenamiento, te recomendamos encarecidamente que utilices siempre la versión secundaria 0.
Procesos completos
Si estás implementando un proceso completo, te recomendamos encarecidamente que uses siempre la versión secundaria 0.
Procesos de evaluación
Los procesos de evaluación se usan para evaluar un modelo de aprendizaje automático entrenado. Puede ejecutar esto en cualquier versión del paquete ML para obtener las puntuaciones de evaluación correspondientes. Esto es similar a calificar o evaluar un modelo ML con el conjunto de datos de evaluación.
- Paquetes preentrenados (paquetes listos para usar): dado que estos paquetes están preentrenados, ejecuta el proceso de evaluación en la versión secundaria 0. Para evaluar el modelo después del entrenamiento utilizando datos específicos, elige la versión secundaria que quieres evaluar (versión entrenada).
- Comprensión de documentos:
- Dado que se trata de modelos genéricos que se pueden reentrenar, los modelos deben entrenarse primero. Ejecuta un proceso de evaluación solo cuando los modelos están entrenados y hay una nueva versión secundaria disponible del paquete.
- Seleccione la versión secundaria más reciente, o cualquier otra versión secundaria (excepto 0), para la que se pueden obtener las puntuaciones de la evaluación.
El proceso se elimina automáticamente
Los procesos se eliminan automáticamente después de siete días para evitar que se bloqueen durante períodos de tiempo más largos y consuman licencias. Sigue las siguientes recomendaciones.
- Habilitar GPU.
- Aplicar técnicas de optimización del conjunto de datos.
- Reduce el número de EPOCHS.
- Esperando licencia
- Ejecutando
- Erróneo
- Muerto
Consulta las secciones siguientes para obtener más información sobre cada estado.
- Habilitar GPU
- Optimiza el conjunto de datos. Para obtener información detallada sobre los conjuntos de datos de Document Understanding, consulta la página Entrenamiento de modelos de alto rendimiento de la guía de Document Understanding.
- Abre Automation Cloud ™.
- Ve a la página .
- Comprueba si las AI Unit correspondientes están disponibles.
- Seleccione el proceso atascado.
-
Consulta la sección de Registros .
- Si los registros son recientes y se están transmitiendo, el proceso está en curso.
- Si el último registro se generó hace mucho tiempo, descarga los registros utilizando el botón Descargar y envíalos a nuestro departamento de Soporte. Si el botón Descargar no está visible o está deshabilitado, copia los registros de la sección Registros y envíalos a nuestro departamento de Soporte.
Si la ejecución del proceso está en estado Fallido , comprueba las posibles razones a continuación.
Compruebe que los datos del tipo de documento están en la carpeta del conjunto de datos y siguen la estructura de carpetas
Se produce el siguiente error:
Error: Document type data not valid, check that document type data is in dataset
folder and follows folder structure.
El formato de la carpeta proporcionada para el entrenamiento debe estar en el formato de conjunto de datos.
- Asegúrate de que el conjunto de datos proporcionado es correcto.
- Asegúrate de que el conjunto de datos proporcionado se exporta desde Document Manager. Para obtener más información sobre los conjuntos de datos relacionados con Document Understanding, consulta la página Exportar documentos de la guía de Document Understanding.
- En caso de procesos programados para el bucle de reentrenamiento automático, selecciona la carpeta que contiene las exportaciones de las sesiones de etiquetado de datos y último.txt.
Las imágenes o el directorio no existen o están vacíos para el conjunto de datos de las facturas
La ejecución del proceso falla porque las imágenes / el directorio no existe / está vacío para el conjunto de datos de facturas.
La ruta del conjunto de datos proporcionada para el conjunto de datos de entrenamiento o para el conjunto de datos de evaluación está vacía.
Para solucionar esto, actualice la ruta del conjunto de datos para su evaluación o entrenamiento, según el proceso.
Los nodos no programables están disponibles
Unschedulable 0/n nodes are available
, ponte en contacto con nuestro departamento de Soporte con la información de tu tenant de Automation Cloud ™.
No queda espacio en el dispositivo
No space left on device
, ponte en contacto con nuestro departamento de Soporte con la información de tu tenant de Automation Cloud ™.
El estado Eliminado generalmente se muestra cuando el usuario eliminó el proceso. Para obtener más información sobre la administración de procesos, consulta la página Administrar procesos .
Si el estado del proceso es Eliminado sin la intervención del usuario, el motivo más común es que los procesos se eliminan automáticamente después de siete días. Para obtener más información sobre los estados de los procesos, consulta la página Acerca de los procesos.
Una ejecución de proceso está fallando debido a la estructura del conjunto de datos, los parámetros de entrada, la ruta, las carpetas o el conjunto de datos de evaluación.
Se produce el siguiente error:
#Error: el conjunto de entrenamiento y/o prueba está vacío, verifique que la división de entrenamiento/prueba esté configurada correctamente en split.csv
Este error suele deberse a un formato de conjunto de datos incorrecto o a una proporción incorrecta del conjunto de entrenamiento y validación en split.csv. Consulta la página Conjunto de datos de entrenamiento para obtener directrices generales sobre cómo crear un conjunto de datos de entrenamiento.
Se produce el siguiente error:
#Error: Error en el entrenamiento para el tipo de proceso: ENTRENAMIENTO_COMPLETO, error: Los procesos completos/de evaluación requieren un conjunto de datos de evaluación. Vuelva a ejecutar el proceso proporcionando un conjunto de datos de evaluación
Este error suele producirse cuando no se ha proporcionado un conjunto de datos de evaluación. Consulta la página Conjunto de datos de entrenamiento para obtener directrices generales sobre cómo crear un conjunto de datos de entrenamiento.
- Proceso fallido debido a una incidencia de paquete ML
- Elegir la versión secundaria correcta al ejecutar procesos
- Proceso eliminado automáticamente
- El proceso se está ejecutando durante demasiado tiempo
- Esperando licencias
- Ejecutando
- Erróneo
- Muerto
- Los procesos fallaron debido a problemas con los conjuntos de datos
- Formato de conjunto de datos incorrecto
- Conjunto de evaluación no proporcionado