- Notas de Versão
- Introdução
- Notificações
- Projetos
- Conjuntos de dados
- Rotulagem de Dados
- Pacotes de ML
- Pacotes para uso imediato
- Pipelines
- Habilidades de ML
- Logs de ML
- Document UnderstandingTM no AI Center
- API do AI Center
- Licenciamento
- Modelos de soluções de IA
- Como fazer
- Guia básico de solução de problemas
Pipelines
Esta seção fornece erros frequentes relacionados a Pipelines.
Uma execução de pipeline está falhando devido a um problema do pacote de ML.
Uma causa potencial para esse erro pode ser uma versão menor errada escolhida ao executar o pipeline.
Ao implantar um novo pacote, a única versão menor disponível é a 0. O motivo para isso é que ainda não há pipelines executados nesse pacote.
Pipelines de treinamento
Se você estiver implantando um pipeline de treinamento, recomendamos que sempre use a versão secundária 0.
Pipelines completos
Se você estiver implantando um pipeline completo, recomendamos que sempre use a versão secundária 0.
Pipelines de avaliação
Os pipelines de avaliação são usados para avaliar um modelo de ML treinado. É possível executá-lo em qualquer versão do pacote de ML para obter as pontuações de avaliação correspondentes. Isso é semelhante à classificação ou avaliação de um modelo de ML com o conjunto de dados de avaliação.
- Pacotes pré-treinados (pacotes prontos para uso): como esses pacotes são pré-treinados, execute o pipeline de avaliação na versão menor 0. Para avaliar o modelo após o treinamento usando dados específicos, escolha a versão menor que você deseja avaliar (versão treinada).
- Document Understanding:
- Como esses são modelos genéricos e retreináveis, os modelos precisam ser treinados primeiro. Execute um pipeline de avaliação apenas quando os modelos forem treinados e uma nova versão secundária do pacote estiver disponível.
- Selecione a versão secundária mais recente ou qualquer outra versão secundária (exceto 0) para a qual as pontuações de avaliação podem ser obtidas.
O pipeline é encerrado automaticamente
Os pipelines são encerrados automaticamente após sete dias para evitar que fiquem presos por períodos de tempo mais longos e consumam licenças. Siga as recomendações abaixo.
- Habilite a GPU.
- Aplique técnicas de otimização de conjuntos de dados.
- Reduza o número de EPOCHS.
- Aguardando Licença
- Em execução
- Com falha
- Eliminado
Consulte as seções abaixo para mais detalhes sobre cada status.
- Ativar GPU
- Otimize o conjunto de dados. Para obter informações detalhadas sobre os conjuntos de dados do Document Understanding, consulte a página Treinamento de modelos de alto desempenho do guia do Document Understanding.
- Abra o Automation Cloud™.
- Acesse a página .
- Verifique se as AI Unit correspondentes estão disponíveis.
- Selecione o pipeline preso.
-
Verifique a seção Logs .
- Se os logs forem recentes e estiverem em fluxo, o pipeline está em progresso.
- Se o último log foi gerado há muito tempo, baixe os logs usando o botão Download e compartilhe-os com nosso Departamento de Suporte. Se o botão de download não estiver visível ou estiver desativado, copie os logs da seção Logs e compartilhe-os com nosso Departamento de Suporte.
Se a execução do pipeline estiver no estado Com falha , verifique os possíveis motivos abaixo.
Verifique se os dados do tipo de documento estão na pasta do conjunto de dados e segue a estrutura da pasta
Ocorre o seguinte erro:
Error: Document type data not valid, check that document type data is in dataset
folder and follows folder structure.
O formato da pasta fornecida para o treinamento precisa estar no formato de conjunto de dados.
- Certifique-se de que o conjunto de dados fornecido esteja correto.
- Certifique-se de que o conjunto de dados fornecido seja exportado do Document Manager. Para obter mais informações sobre conjuntos de dados relacionados ao Document Understanding, consulte a página Exportar documentos do guia do Document Understanding.
- No caso de pipelines agendados para o loop de retreinamento automático, selecione a pasta que contém as exportações das sessões de rotulagem de dados e latest.txt.
As imagens ou o diretório não existem ou estão vazios para o conjunto de dados de faturas
A execução do pipeline falha porque as imagens/o diretório não existe/está vazio para o conjunto de dados de faturas.
O caminho do conjunto de dados fornecido para o conjunto de dados de treinamento ou para o conjunto de dados de avaliação está vazio.
Para corrigir isso, atualize o caminho do conjunto de dados para avaliação ou treinamento, de acordo com o pipeline.
Nós não agendáveis estão disponíveis
Unschedulable 0/n nodes are available , entre em contato com nosso departamento de Suporte com as informações de seu tenant da Automation Cloud™.
Não há espaço restante no dispositivo
No space left on device , entre em contato com nosso departamento de Suporte com as informações de seu tenant da Automation Cloud™.
O status Eliminado geralmente é exibido quando o pipeline é eliminado pelo usuário. Para obter mais informações sobre o gerenciamento de pipelines, consulte a página Gerenciamento de pipelines .
Se o status do pipeline for Encerrado sem qualquer intervenção do usuário, o motivo mais comum é que os pipelines são encerrados automaticamente após sete dias. Para obter mais informações sobre os status do pipeline, verifique a página Sobre pipelines .
Uma execução de pipeline está falhando devido à estrutura do conjunto de dados, parâmetros de entrada, caminho, pastas ou conjunto de dados de avaliação.
Ocorre o seguinte erro:
#Erro: o conjunto de treinamento e/ou teste está vazio. Verifique se a divisão treinamento/teste está definida corretamente em split.csv
Esse erro é mais comumente causado pelo formato errado do conjunto de dados ou pela proporção incorreta de treinamento e validação definidos no split.csv. Consulte a página Conjunto de dados de treinamento para obter diretrizes gerais sobre como criar um conjunto de dados de treinamento.
Ocorre o seguinte erro:
#Erro: treinamento falhou para tipo de pipeline: FULL_TRAINING, erro: pipelines completo / de avaliação exigem um conjunto de dados de avaliação. Execute novamente o pipeline fornecendo um conjunto de dados de avaliação
Esse erro normalmente ocorre quando um conjunto de dados de avaliação não é fornecido. Consulte a página Conjunto de dados de treinamento para obter diretrizes gerais sobre como criar um conjunto de dados de treinamento.
Ao executar um pipeline, ele pode falhar ocasionalmente devido a um erro de Licenças insuficientes na página Dados do pipeline .
Esse erro não implica na ausência de uma licença real. Em vez disso, ele sinaliza que todas as AI Units disponíveis, seja no nível do tenant ou da organização, foram consumidas.
Use esse procedimento para AI Units no nível da organização.
Use esse procedimento para AI Units no nível do tenant.
- Pipeline falhou devido a um problema do pacote de ML
- Escolhendo a versão secundária correta ao executar pipelines
- Pipeline encerrado automaticamente
- Pipeline em execução por tempo demasiado
- AGUARDANDO LICENÇAS
- Em execução
- Com falha
- Eliminado
- Os pipelines falharam devido a problemas de conjuntos de dados
- Formato de conjunto de dados incorreto
- Conjunto de avaliação não fornecido
- Falha no pipeline devido a um erro de licenças insuficientes
