- 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 Understanding 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 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 foi eliminado pelo usuário. Para obter mais informações sobre o gerenciamento de pipelines, verifique 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 de pipelines, 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.
- Pipeline falhou devido a um problema do pacote de ML
- Escolha da versão secundária correta ao executar pipelines
- Pipeline encerrado automaticamente
- Pipeline em execução por muito tempo
- Aguardando licenças
- Em execução
- Com falha
- Eliminado
- Pipelines falharam devido a problemas de conjuntos de dados
- Formato de conjunto de dados incorreto
- Conjunto de avaliação não fornecido