Pipelines

Cette section répertorie les erreurs fréquemment rencontrées liées aux pipelines.

Échec du pipeline en raison d'un problème de paquet ML

Une exécution de pipeline échoue en raison d'un problème de paquet ML.

Une cause potentielle de cette erreur peut être une mauvaise version mineure choisie lors de l'exécution du pipeline.

Consultez la section ci-dessous pour plus d'informations sur la façon de choisir la bonne version mineure.

Choisir la bonne version mineure lors de l'exécution de pipelines

Lors du déploiement d'un nouveau package, la seule version mineure disponible est la version 0. La raison en est qu’aucun pipeline n’a encore été exécuté sur ce package.

Pipelines d'entraînement

Si vous déployez un pipeline d'entraînement, nous vous recommandons fortement de toujours utiliser la version mineure 0.

Pipelines complets

Si vous déployez un pipeline complet, nous vous recommandons fortement de toujours utiliser la version mineure 0.

Pipelines d'évaluation

Les pipelines d'évaluation sont utilisés pour évaluer un modèle de ML entraîné. Vous pouvez l'exécuter sur n'importe quelle version du paquet ML pour obtenir les scores d'évaluation correspondants. Ceci est similaire à la notation ou à l'évaluation d'un modèle ML avec l'ensemble de données d'évaluation.

Remarque : le choix d'une version mineure dépend du type de package sur lequel le pipeline d'évaluation est exécuté. Pour cette raison, une attention particulière est nécessaire lors du choix de la version mineure. Assurez-vous de choisir la version que vous souhaitez évaluer.

Par exemple, les types de packages disponibles sont des packages pré-entraînés prêts à l'emploi et des modèles Document Understanding non entraînés :

• Packages préentraînés (packages prêts à l'emploi) : étant donné que ces packages sont préentraînés, exécutez le pipeline d'évaluation sur la version mineure 0. Pour évaluer le modèle après l'entraînement à l'aide de données spécifiques, choisissez la version mineure que vous souhaitez évaluer (version entraînée)
• Document Understanding :
  • Comme il s'agit de modèles génériques et réentraînables, ils doivent d'abord être entraînés. Exécutez un pipeline d'évaluation uniquement lorsque les modèles sont entraînés et qu'une nouvelle version mineure du package est disponible.
  • Sélectionnez la version mineure la plus récente, ou toute autre version mineure (sauf 0), pour laquelle les scores d'évaluation peuvent être obtenus.

Arrêt du pipeline forcé automatiquement

Le pipeline est arrêté de force automatiquement

Les pipelines sont automatiquement arrêtés de force après sept jours pour éviter d'être bloqués pendant de longues périodes et de consommer des licences. Suivez les recommandations ci-dessous.

• Activer le GPU.
• Appliquer des techniques d'optimisation des ensembles de données.
• Réduisez le nombre d'EPOCHS.

Pipeline en cours d'exécution depuis trop longtemps

Si le pipeline s'exécute pendant trop longtemps, vous pouvez vérifier les journaux. Vous pouvez rencontrer les statuts suivants :

• En attente de licence
• En cours d'exécution
• Échec
• Arrêté de force

Consultez les sections ci-dessous pour plus de détails sur chaque statut.

Remarque : Si les journaux sont en cours de diffusion, essayez les correctifs suivants :

• Activer le GPU
• Optimiser l'ensemble de données. Pour des informations détaillées sur les ensembles de données Document Understanding, consultez la page Entraîner des modèles hautement performants du guide Document Understanding.

EN ATTENTE DES LICENCES

Si l'exécution de pipeline est bloquée sur l'état En attente de licences ( Waiting for Licenses ), vérifiez si les licences correspondantes sont disponibles.

1. Ouvrez Automation Cloud™.
2. Accédez à la pageAdmin > Licences (Admin > Licenses).
3. Vérifiez si les AI Unit correspondantes sont disponibles.

Si les AI Units ne sont pas disponibles ou sont consommées, contactez notre service commercial pour les achats. Pour plus d'informations sur les AI Units, consultez la page AI Units .

En cours d'exécution

Si l'exécution de pipeline est bloquée sur l'état En cours d'exécution (Running), suivez les étapes ci-dessous.

1. Sélectionnez le pipeline bloqué.
2. Consultez la section Journaux (Logs ).
   • Si les journaux sont récents et sont transmis en continu, le pipeline est en cours.
   • Si le dernier journal a été généré il y a longtemps, téléchargez-le à l'aide du bouton Télécharger (Download) et partagez-le avec notre service d'assistance. Si le bouton de téléchargement n'est pas visible ou désactivé, copiez les journaux de la section Journaux (Logs) et partagez-les avec notre service d'assistance.

Échec

Si l'exécution du pipeline présente l'état Échec (Failed), vérifiez les raisons possibles ci-dessous.

Vérifiez que les données de type de document se trouvent dans le dossier de l'ensemble de données et suivent la structure du dossier

L'erreur suivante se produit :

Error: Document type data not valid, check that document type data is in dataset folder and follows folder structure.

Le format du dossier fourni pour l'entraînement doit être au format de l'ensemble de données.

1. Assurez-vous que l'ensemble de données fourni est correct.
2. Assurez-vous que l'ensemble de données fourni est exporté à partir de Document Manager. Pour plus d'informations sur les ensembles de données liés à Document Understanding, consultez la page Exporter des documents du guide Document Understanding.
3. En cas de pipelines planifiés pour la boucle de réentraînement automatique, sélectionnez le dossier contenant les exportations des sessions de labellisation de données et latest.txt.

Les images ou le répertoire n’existent pas ou sont vides pour le jeu de données de factures

L’exécution du pipeline échoue car le répertoire d’images n’existe pas/est vide pour l’ensemble de données de factures.

Le chemin de l’ensemble de données fourni pour l’ensemble de données d’entraînement ou l’ensemble de données d’évaluation est vide.

Pour résoudre ce problème, mettez à jour le chemin de l'ensemble de données à des fins d'évaluation ou d'entraînement, en fonction du pipeline.

Des nœuds non planifiables sont disponibles

Si vous rencontrez l'erreur Unschedulable 0/n nodes are available , contactez notre service d'assistance avec les informations de votre locataire Automation Cloud™.

Il n'y a plus d'espace sur l'appareil

Si vous rencontrez l'erreur No space left on device , contactez notre service d'assistance avec les informations de votre locataire Automation Cloud™.

Arrêté de force

Le statut Arrêté de force ( Killed ) est généralement affiché lorsque le pipeline a été arrêté de force par l'utilisateur. Pour plus d'informations sur la gestion des pipelines, consultez la page Gestion des pipelines .

Si le statut du pipeline est Arrêté de force ( Killed ) sans aucune intervention de l'utilisateur, la raison la plus courante est que les pipelines sont automatiquement arrêtés de force après sept jours. Pour plus d'informations sur les statuts des pipelines, consultez la page À propos des pipelines ( About Pipelines ).

Échec des pipelines en raison de problèmes d'ensembles de données

Une exécution de pipeline échoue en raison de la structure de l'ensemble de données, des paramètres d'entrée, du chemin d'accès, des dossiers ou de l'ensemble de données d'évaluation.

Format d’ensemble de données incorrect

L'erreur suivante se produit :

#Erreur : l'ensemble d'entraînement et/ou de test est vide, vérifiez que le fractionnement d'entraînement/test est correctement défini dans split.csv

Cette erreur est le plus souvent causée par un format d'ensemble de données incorrect ou un ratio incorrect d'entraînement et d'ensemble de validation dans split.csv. Consultez la page Ensemble de données d' entraînement (Training Dataset) pour obtenir des directives générales sur la création d'un ensemble de données d'entraînement.

Ensemble d'évaluation non fourni

L'erreur suivante se produit :

#Erreur : l'entraînement a échoué pour le type de pipeline : FULL_TRAINING, erreur : Les pipelines complets/d'évaluation nécessitent un ensemble de données d'évaluation. Veuillez relancer le pipeline fournissant un ensemble de données d’évaluation

Cette erreur se produit généralement lorsqu'un ensemble de données d'évaluation n'a pas été fourni. Consultez la page Ensemble de données d' entraînement (Training Dataset) pour obtenir des directives générales sur la création d'un ensemble de données d'entraînement.