- Notes de publication
- Démarrage
- Notifications
- Projets
- Jeux de données
- Labellisation des données
- Paquets ML
- Paquets prêts à l’emploi
- Pipelines
- Compétences ML
- Journaux ML
- Document UnderstandingTM dans AI Center
- API AI Center
- Licences
- Modèles de solutions d'IA
- Comment
- Guide de dépannage de base
Août 2023
Rapports sur les compétences ML et les pipelines
Vous pouvez désormais télécharger un rapport relatif aux compétences ML et aux pipelines. Ce rapport réunit toutes les informations nécessaires au débogage d'un problème, y compris l'ID de compte, l'ID de locataire, les AI Units, ainsi que les informations relatives au package, au pipeline ou à la compétence ML concernés.
Pour simplifier le dépannage, nous vous recommandons de joindre ce rapport lorsque vous soumettez un problème.
Disponibilité générale de la labellisation des données
Nous sommes ravis d'annoncer que la Labellisation des données est désormais disponible pour tous.
La page Labellisation des données (Data Labeling) permet d'afficher toutes les sessions de labellisation des données d'un projet, ainsi que leur nom, leur ensemble de données, leur statut et leur heure de création. Les données téléchargées pour la labellisation peuvent être stockées dans un ensemble de données existant ou dans un nouvel ensemble de données. Les libellés de données peuvent être déployés ou supprimés.
Pour en savoir plus sur l'utilisation de la labellisation des données avec Human-in-the-loop, consultez la page Utilisation de la labellisation des données avec Human in the loop .
Classification de texte multi-labels 23.5.0
- Le modèle est déplacé vers Python 3.9.
- Correction de la dépendance Python.
- Cette version apporte des correctifs généraux de sécurité et d'accessibilité.
- La création du projet est retentée en cas d’échec en raison d’une perte de connexion SQL.
- Une erreur s'affiche désormais lors de la tentative d'envoi de fichiers avec le statut Échec de la validation (Validation failed) à Action Center.
- Le tri de la liste des versions du modèle est amélioré. Les modèles sont désormais triés en fonction de la version personnalisée d’abord. Parmi une même version personnalisée, elles sont triées en fonction de la version auto-incrémentée.
- La longueur du nom d’affichage de l’utilisateur est désormais de 128 caractères.
- Correction d’un problème où le locataire AI Center n’était pas accessible pour certains utilisateurs.
- Correction d'un problème où les ensembles de données pouvaient être supprimés lorsqu'ils étaient utilisés sans afficher d'erreur.
- Correction d’un problème où les compétences ML étaient parfois bloquées à l’état Mise à jour (Updating) en cas d’échec.
- Correction d’un problème où les compétences ML n’étaient parfois pas disponibles.
- Correction d'un problème où la balise
granularity="word"
était manquante dans la configuration de labellisation des données. - Corrigez un problème lié à la validation des paquets ML.
- Correction d'un problème lié à la consommation d'AI Units pour des compétences autres queDocument UnderstandingTM .
- Les compétences ML ne peuvent plus être reprises lorsque les AI Units sont épuisées.
- Correction d'un problème où la configuration matérielle de la compétence ML ne pouvait pas être affichée en mode d'édition.
- Correction d'un problème lié au statut du pipeline.
- Correction d'un problème où une demande de déploiement de compétence pouvait être effectuée après la suppression du projet.
- Correction d’un problème où la version de compétence restait parfois bloquée au statut
VALIDATING_DEPLOYMENT
lors du déploiement. - Correction d'un problème provoquant des échecs de pipeline d'entraînement.
La date à laquelle une modification est annoncée pour la première fois dans les notes de publication est la date à laquelle elle est disponible pour la première fois. Si la mise à jour n'est pas encore effective pour vous, elle devrait cependant bientôt l'être dans le cadre du déploiement des modifications dans toutes les régions.