استثناءات ورموز خطأ للمصمم

مقالة
04/04/2023

توضح هذه المقالة رسائل الخطأ والتعليمة البرمجية للاستثناء في مصمم التعلم الآلي من Microsoft Azure لمساعدتك في استكشاف أخطاء خطوط تدفق التعلم الآلي وإصلاحها.

يمكنك العثور على رسالة الخطأ في المصمم باتباع الخطوات التالية:

حدد المكون الذي فشل، انتقل إلى علامة التبويب Outputs+logs، يمكنك العثور على السجل التفصيلي في ملف 70_driver_log.txt ضمن فئة azureml-logs.
للحصول على خطأ مكون مفصل، يمكنك التحقق منه في error_info.json ضمن فئة module_statistics.

فيما يلي رموز خطأ المكونات في المصمم.

Error 0001

يحدث الاستثناء في حالة تعذر العثور على عمود محدد أو أكثر من مجموعة البيانات.

سوف تتلقى هذا الخطأ إذا تم تحديد عمود لمكون، لكن العمود (الأعمدة) المحدد غير موجود في مجموعة بيانات الإدخال. قد يحدث هذا الخطأ إذا كنت قد كتبت اسم عمود يدوياً أو إذا قدم محدد العمود عموداً مقترحاً لم يكن موجوداً في مجموعة البيانات الخاصة بك عند تشغيل خط التدفق.

الحل: قم بإعادة زيارة المكون الذي يطرح هذا الاستثناء وتحقق من صحة اسم العمود أو الأسماء وأن جميع الأعمدة المشار إليها موجودة.

رسائل الاستثناء
لم يتم العثور على عمود محدد أو أكثر.
العمود الذي يحمل الاسم أو الفهرس "{column_id}" غير موجود.
العمود الذي يحمل الاسم أو الفهرس "{column_id}" غير موجود في "{arg_name_missing_column}".
العمود الذي يحمل الاسم أو الفهرس "{column_id}" غير موجود في "{arg_name_missing_column}"، ولكنه موجود في "{arg_name_has_column}".
لم يتم العثور على الأعمدة التي تحمل الاسم أو الفهرس "{column_names}".
الأعمدة التي تحمل الاسم أو الفهرس "{column_names}" غير موجودة في "{arg_name_missing_column}".
الأعمدة التي تحمل الاسم أو الفهرس "{column_names}" غير موجودة في "{arg_name_missing_column}"، ولكنها موجودة في "{arg_name_has_column}".

Error 0002

يحدث الاستثناء إذا تعذر تحليل معلمة واحدة أو أكثر أو تحويلها من النوع المحدد إلى نوع الأسلوب الهدف المطلوب.

يحدث هذا الخطأ في التعلم الآلي عندما تحدد معلمة كإدخال ويكون نوع القيمة مختلفاً عن النوع المتوقع، ولا يمكن إجراء التحويل الضمني.

الحل: تحقق من متطلبات المكون وحدد نوع القيمة المطلوبة (سلسلة، عدد صحيح، مزدوج، إلخ.)

رسائل الاستثناء
فشل تحليل المعلمة.
فشل تحليل المعلمة "{arg_name_or_column}".
فشل تحويل المعلمة "{arg_name_or_column}" إلى "{to_type}".
فشل تحويل المعلمة "{arg_name_or_column}" من "{from_type}" إلى "{to_type}".
فشل تحويل "{arg_name_or_column}" قيمة المعلمة "{arg_value}" من "{from_type}" إلى "{to_type}".
فشل تحويل القيمة "{arg_value}" في العمود "{arg_name_or_column}" من "{from_type}" إلى "{to_type}" باستخدام التنسيق "{fmt}" المقدم.

Error 0003

يحدث الاستثناء إذا كان أحد المدخلات أو أكثر فارغاً أو فارغاً.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت أي مدخلات أو معلمات لمكون فارغة أو فارغة. قد يحدث هذا الخطأ، على سبيل المثال، عندما لم تكتب أي قيمة للمعلمة. يمكن أن يحدث ذلك أيضاً إذا اخترت مجموعة بيانات بها قيم مفقودة، أو مجموعة بيانات فارغة.

التحليل:

افتح المكون الذي أنتج الاستثناء وتحقق من تحديد جميع المدخلات. تأكد من تحديد جميع المدخلات المطلوبة.
تأكد من إمكانية الوصول إلى البيانات التي يتم تحميلها من تخزين Azure، وأن اسم الحساب أو المفتاح لم يتغير.
تحقق من بيانات الإدخال بحثاً عن القيم المفقودة أو القيم الخالية.
إذا كنت تستخدم استعلاماً على مصدر بيانات، فتأكد من إرجاع البيانات بالتنسيق الذي تتوقعه.
تحقق من وجود أخطاء إملائية أو تغييرات أخرى في مواصفات البيانات.

رسائل الاستثناء
واحد أو أكثر من المدخلات فارغة أو فارغة.
الإدخال "{name}" فارغ أو فارغ.

Error 0004

يحدث الاستثناء إذا كانت المعلمة أقل من أو تساوي قيمة معينة.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت المعلمة في الرسالة أقل من قيمة الحد المطلوبة للمكون لمعالجة البيانات.

الحل: قم بإعادة زيارة المكون الذي يطرح الاستثناء وتعديل المعلمة لتكون أكبر من القيمة المحددة.

رسائل الاستثناء
يجب أن تكون المعلمة أكبر من القيمة الحدية.
يجب أن تكون قيمة المعلمة "{arg_name}" أكبر من {lower_boundary}.
المعلمة "{arg_name}" لها قيمة "{القيم الفعلية}" والتي يجب أن تكون أكبر من {Lower_boundary}.

Error 0005

يحدث الاستثناء إذا كانت المعلمة أقل من قيمة معينة.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت المعلمة في الرسالة أسفل أو تساوي قيمة حدية مطلوبة للمكون لمعالجة البيانات.

الحل: قم بإعادة زيارة المكون الذي يطرح الاستثناء وتعديل المعلمة لتكون أكبر من القيمة المحددة أو مساوية لها.

رسائل الاستثناء
يجب أن تكون المعلمة أكبر من القيمة الحدودية أو مساوية لها.
يجب أن تكون قيمة المعلمة "{arg_name}" أكبر من أو تساوي {lower_boundary}.
المعلمة "{arg_name}" لها قيمة "{value}" والتي يجب أن تكون أكبر من أو تساوي {lower_boundary}.

Error 0006

يحدث الاستثناء إذا كانت المعلمة أكبر من القيمة المحددة أو مساوية لها.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت المعلمة في الرسالة أكبر من أو تساوي قيمة حدية مطلوبة للمكون لمعالجة البيانات.

الحل: قم بإعادة زيارة المكون الذي يطرح الاستثناء وتعديل المعلمة لتكون أقل من القيمة المحددة.

رسائل الاستثناء
المعلمات غير متطابقة. يجب أن تكون إحدى المعلمات أقل من الأخرى.
يجب أن تكون قيمة المعلمة "{arg_name}" أقل من قيمة المعلمة "{upper_boundary_parameter_name}".
المعلمة "{arg_name}" لها قيمة "{value}" والتي يجب أن تكون أقل من {upper_boundary_parameter_name}.

Error 0007

يحدث الاستثناء إذا كانت المعلمة أكبر من قيمة معينة.

ستتلقى هذا الخطأ في التعلم الآلي إذا حددت في خصائص المكون قيمة أكبر من المسموح به. على سبيل المثال، قد تحدد بيانات خارج نطاق التواريخ المدعومة، أو قد تشير إلى استخدام خمسة أعمدة عند توفر ثلاثة أعمدة فقط.

قد ترى هذا الخطأ أيضاً إذا كنت تحدد مجموعتين من البيانات التي يجب أن تتطابق بطريقة ما. على سبيل المثال، إذا كنت تعيد تسمية الأعمدة، وتحدد الأعمدة حسب الفهرس، فيجب أن يتطابق عدد الأسماء التي توفرها مع عدد فهارس الأعمدة. مثال آخر قد يكون عملية حسابية تستخدم عمودين، حيث يجب أن تحتوي الأعمدة على نفس عدد الصفوف.

التحليل:

افتح المكون المعني وراجع أي إعدادات خاصية رقمية.
تأكد من أن أي قيم معلمات تقع ضمن نطاق القيم المدعوم لتلك الخاصية.
إذا كان المكون يأخذ مدخلات متعددة، فتأكد من أن المدخلات من نفس الحجم.

تحقق مما إذا كان قد تم تغيير مجموعة البيانات أو مصدر البيانات. في بعض الأحيان، تفشل القيمة التي عملت مع إصدار سابق من البيانات بعد تغيير عدد الأعمدة أو أنواع بيانات العمود أو حجم البيانات.

رسائل الاستثناء
المعلمات غير متطابقة. يجب أن تكون إحدى المعلمات أقل من أخرى أو مساوية لها.
يجب أن تكون قيمة المعلمة "{arg_name}" أقل من أو تساوي قيمة المعلمة "{upper_boundary_parameter_name}".
المعلمة "{arg_name}" لها قيمة "{القيم الفعلية}" والتي يجب أن تكون أقل من أو تساوي {upper_boundary}.
يجب أن تكون قيمة المعلمة "{arg_name}" {القيمة الفعلية} أقل من أو تساوي قيمة المعلمة "{upper_boundary_parameter_name}" {upper_boundary}.
قيمة المعلمة "{arg_name}" البالغة {actual_value} يجب أن تكون أقل من أو تساوي {upper_boundary_meaning} قيمة {upper_boundary}.

Error 0008

يحدث الاستثناء إذا لم تكن المعلمة في النطاق.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت المعلمة في الرسالة خارج الحدود المطلوبة للمكون لمعالجة البيانات.

على سبيل المثال، يتم عرض هذا الخطأ إذا حاولت استخدام إضافة صفوف لدمج مجموعتي بيانات لهما عدد مختلف من الأعمدة.

الحل: قم بإعادة زيارة المكون الذي يطرح الاستثناء وتعديل المعلمة لتكون ضمن النطاق المحدد.

رسائل الاستثناء
قيمة المعلمة ليست في النطاق المحدد.
قيمة المعلمة "{arg_name}" ليست في النطاق.
يجب أن تكون قيمة المعلمة "{arg_name}" في نطاق [{lower_boundary}، {upper_boundary}].
قيمة المعلمة "{arg_name}" ليست في النطاق. {reason}

Error 0009

يحدث الاستثناء عندما يتم تحديد اسم حساب تخزين Azure أو اسم الحاوية بشكل غير صحيح.

يحدث هذا الخطأ في مصمم التعلم الآلي عندما تحدد معلمات لحساب تخزين Azure، ولكن لا يمكن حل الاسم أو كلمة المرور. يمكن أن تحدث أخطاء في كلمات المرور أو أسماء الحسابات لأسباب عديدة:

الحساب من النوع الخطأ. بعض أنواع الحسابات الجديدة غير مدعومة للاستخدام مع مصمم التعلم الآلي. راجع استيراد البيانات للحصول على التفاصيل.
لقد أدخلت اسم حساب غير صحيح
الحساب لم يعد موجودا
كلمة المرور لحساب التخزين خاطئة أو تم تغييرها
لم تحدد اسم الحاوية، أو أن الحاوية غير موجودة
لم تحدد مسار الملف بالكامل (المسار إلى النقطة الثنائية الكبيرة)

التحليل:

غالباً ما تحدث مثل هذه المشكلات عند محاولة إدخال اسم الحساب أو كلمة المرور أو مسار الحاوية يدوياً. نوصي باستخدام المعالج الجديد لمكوِّن استيراد البيانات، والذي يساعدك في البحث عن الأسماء والتحقق منها.

تحقق أيضاً مما إذا كان قد تم حذف الحساب أو الحاوية أو blob. استخدم أداة تخزين Azure أخرى للتحقق من إدخال اسم الحساب وكلمة المرور بشكل صحيح، ومن وجود الحاوية.

بعض أنواع الحسابات الأحدث غير مدعومة من قِبَل التعلم الآلي. على سبيل المثال، لا يمكن استخدام أنواع التخزين الجديدة "الساخنة" أو "الباردة" للتعلم الآلي. تعمل كل من حسابات التخزين الكلاسيكية وحسابات التخزين التي تم إنشاؤها كـ "أغراض عامة" بشكل جيد.

إذا تم تحديد المسار الكامل إلى blob، فتحقق من تحديد المسار كـ container/blobname، وأن الحاوية وblob موجودان في الحساب.

يجب ألا يحتوي المسار على شرطة مائلة. على سبيل المثال، / container/blob غير صحيحة ويجب إدخالها على أنها container/blob.

رسائل الاستثناء
اسم الحاوية أو حساب تخزين Azure غير صحيحين.
اسم حساب تخزين Azure "{account_name}" أو اسم الحاوية "{container_name}" غير صحيح؛ كان من المتوقع وجود اسم حاوية لتنسيق الحاوية/blob.

Error 0010

يحدث الاستثناء إذا كانت مجموعات بيانات الإدخال تحتوي على أسماء أعمدة يجب أن تتطابق ولكنها لا تتطابق.

ستتلقى هذا الخطأ في التعلم الآلي إذا كان فهرس العمود في الرسالة يحتوي على أسماء أعمدة مختلفة في مجموعتي بيانات الإدخال.

الحل: استخدم تحرير بيانات التعريف أو قم بتعديل مجموعة البيانات الأصلية للحصول على نفس اسم العمود لفهرس العمود المحدد.

رسائل الاستثناء
الأعمدة ذات الفهرس المقابل في مجموعات بيانات الإدخال لها أسماء مختلفة.
أسماء الأعمدة ليست هي نفسها للعمود {col_index} (قائم على الصفر) لمجموعات بيانات الإدخال ({dataset1} و{dataset2} على التوالي).

Error 0011

يحدث الاستثناء إذا لم يتم تطبيق وسيطة مجموعة الأعمدة التي تم تمريرها على أي من أعمدة مجموعة البيانات.

ستتلقى هذا الخطأ في التعلم الآلي إذا كان تحديد العمود المحدد لا يتطابق مع أي من الأعمدة في مجموعة البيانات المحددة.

يمكنك أيضاً الحصول على هذا الخطأ إذا لم تحدد عموداً وكان مطلوباً وجود عمود واحد على الأقل حتى يعمل المكون.

الحل: قم بتعديل تحديد العمود في المكون بحيث يتم تطبيقه على الأعمدة في مجموعة البيانات.

إذا تطلب المكون تحديد عمود معين، مثل عمود التسمية، فتحقق من تحديد العمود الأيمن.

إذا تم تحديد أعمدة غير مناسبة، فقم بإزالتها وإعادة تشغيل خط التدفق.

رسائل الاستثناء
لا تنطبق مجموعة الأعمدة المحددة على أي من أعمدة مجموعة البيانات.
لا تنطبق مجموعة الأعمدة المحددة "{column_set}" على أي من أعمدة مجموعة البيانات.

Error 0012

يحدث الاستثناء إذا تعذر إنشاء مثيل للفئة باستخدام مجموعة من الوسائط التي تم تمريرها.

الحل: لا يمكن للمستخدم اتخاذ إجراء بشأن هذا الخطأ وسيتم إهماله في إصدار مستقبلي.

رسائل الاستثناء
نموذج غير مدرب، يرجى تدريب النموذج أولاً.
نموذج غير مدرب ({arg_name})، استخدم النموذج المدرب.

Error 0013

يحدث الاستثناء إذا كان المتعلم الذي تم تمريره إلى المكون من نوع غير صالح.

يحدث هذا الخطأ عندما يكون نموذج مدرب غير متوافق مع مكون التسجيل المتصل.

التحليل:

تحديد نوع المتعلم الذي ينتجه مكون التدريب، وتحديد عنصر التسجيل المناسب للمتعلم.

إذا تم تدريب النموذج باستخدام أي من مكونات التدريب المتخصصة، فقم بتوصيل النموذج المدرب فقط بمكون التسجيل المتخصص المقابل.

نوع النموذج	مكون التدريب	مكون التهديف
أي مصنف	نموذج التدريب	نموذج النتيجة
أي نموذج انحدار	نموذج التدريب	نموذج النتيجة

رسائل الاستثناء
تم اجتياز متعلم من نوع غير صالح.
المتعلم "{arg_name}" لديه نوع غير صالح.
المتعلم "{arg_name}" لديه نوع غير صالح "{learner_type}".
تم اجتياز متعلم من نوع غير صالح. رسالة الاستثناء: {extra_message}

Error 0014

يحدث الاستثناء إذا كان عدد القيم الفريدة للعمود أكبر من المسموح به.

يحدث هذا الخطأ عندما يحتوي العمود على عدد كبير جداً من القيم الفريدة، مثل عمود المعرف أو عمود النص. قد ترى هذا الخطأ إذا حددت معالجة العمود كبيانات فئوية، ولكن هناك عدداً كبيراً جداً من القيم الفريدة في العمود للسماح بإكمال المعالجة. قد ترى هذا الخطأ أيضاً إذا كان هناك عدم تطابق بين عدد القيم الفريدة في مدخلين.

سيحدث خطأ القيم الفريدة أكبر من المسموح به في حالة استيفاء كلا الشرطين التاليين:

أكثر من 97% من مثيلات عمود واحد هي قيم فريدة، ما يعني أن جميع الفئات تقريباً مختلفة عن بعضها البعض.
يحتوي عمود واحد على أكثر من 1000 قيمة فريدة.

التحليل:

افتح المكون الذي تسبب في الخطأ، وحدد الأعمدة المستخدمة كمدخلات. بالنسبة لبعض المكونات، يمكنك النقر بزر الماوس الأيمن فوق إدخال مجموعة البيانات وتحديد Visualize للحصول على إحصائيات حول الأعمدة الفردية، بما في ذلك عدد القيم الفريدة وتوزيعها.

بالنسبة للأعمدة التي تنوي استخدامها للتجميع أو التصنيف، اتخذ خطوات لتقليل عدد القيم الفريدة في الأعمدة. يمكنك تقليل بطرق مختلفة، بناءً على نوع بيانات العمود.

بالنسبة إلى أعمدة المعرفات التي لا تمثل ميزات ذات معنى أثناء تدريب نموذج، يمكنك استخدام تحرير بيانات التعريف لتمييز هذا العمود على أنه مسح الميزة ولن يتم استخدامه أثناء تدريب النموذج.

بالنسبة إلى أعمدة النص، يمكنك استخدام تجزئة الميزات أو استخراج ميزات N-Gram من مكون النص للمعالجة المسبقة لأعمدة النص.

تلميح

غير قادر على العثور على حل يطابق السيناريو الخاص بك؟ يمكنك تقديم ملاحظات حول هذا الموضوع تتضمن اسم المكون الذي تسبب في الخطأ ونوع البيانات والعدد الأساسي للعمود. سنستخدم المعلومات لتوفير المزيد من خطوات استكشاف الأخطاء وإصلاحها المستهدفة للسيناريوهات الشائعة.

رسائل الاستثناء
مقدار القيم الفريدة للعمود أكبر من المسموح به.
عدد القيم الفريدة في العمود: "{اسم_العمود}" أكبر من المسموح به.
عدد القيم الفريدة في العمود: "{column_name}" يتجاوز عدد الصفوف {limitation}.

Error 0015

يحدث الاستثناء إذا فشل اتصال قاعدة البيانات.

ستتلقى هذا الخطأ إذا قمت بإدخال اسم غير صحيح لحساب SQL أو كلمة المرور أو خادم قاعدة البيانات أو اسم قاعدة البيانات، أو إذا تعذر إنشاء اتصال بقاعدة البيانات بسبب مشاكل في قاعدة البيانات أو الخادم.

الحل: تحقق من إدخال اسم الحساب وكلمة المرور وخادم قاعدة البيانات وقاعدة البيانات بشكل صحيح، وأن الحساب المحدد لديه مستوى الأذونات الصحيح. تحقق من أن قاعدة البيانات يمكن الوصول إليها حالياً.

رسائل الاستثناء
خطأ في الاتصال بقاعدة البيانات.
خطأ في إجراء اتصال بقاعدة البيانات: {connection_str}.

Error 0016

يحدث الاستثناء إذا كان يجب أن تحتوي مجموعات البيانات المدخلة التي تم تمريرها إلى المكون على أنواع أعمدة متوافقة ولكن لا تفعل ذلك.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت أنواع الأعمدة التي تم تمريرها في مجموعتي بيانات أو أكثر غير متوافقة مع بعضها البعض.

الحل: استخدم تعديل بيانات التعريف أو عدل مجموعة بيانات الإدخال الأصلية للتأكد من توافق أنواع الأعمدة.

رسائل الاستثناء
الأعمدة ذات الفهرس المقابل في مجموعات بيانات الإدخال لها أنواع غير متوافقة.
الأعمدة "{first_col_names}" غير متوافقة بين بيانات التدريب وبيانات الاختبار.
العمودين "{first_col_names}" و"{second_col_names}" غير متوافقين.
أنواع عناصر العمود غير متوافقة مع العمود '{first_col_names}' (قائم على الصفر) لمجموعات بيانات الإدخال ({first_dataset_names} و{second_dataset_names} على التوالي).

Error 0017

يحدث الاستثناء إذا كان العمود المحدد يستخدم نوع بيانات غير معتمد من قِبَل المكون الحالي.

على سبيل المثال، قد تتلقى هذا الخطأ في التعلم الآلي إذا كان تحديد العمود الخاص بك يتضمن عموداً بنوع بيانات لا يمكن معالجته بواسطة المكون، مثل عمود سلسلة لعملية حسابية، أو عمود نقاط حيث عمود ميزة فئوية مطلوب.

التحليل:

حدد العمود الذي يمثل المشكلة.
راجع متطلبات المكون.
قم بتعديل العمود لجعله متوافقاً مع المتطلبات. قد تحتاج إلى استخدام العديد من المكونات التالية لإجراء تغييرات، اعتمادا على العمود والتحويل الذي تحاول القيام به:
- استخدم تحرير بيانات التعريف لتغيير نوع بيانات الأعمدة، أو لتغيير استخدام العمود من معلم إلى رقمي، أو فئوي إلى غير فئوي، وما إلى ذلك.

كحل أخير، قد تحتاج إلى تعديل مجموعة بيانات الإدخال الأصلية.

تلميح

رسائل الاستثناء
لا يمكن معالجة عمود من النوع الحالي. لا يدعم المكون النوع.
لا يمكن معالجة عمود من النوع {col_type}. لا يدعم المكون النوع.
لا يمكن معالجة العمود "{col_name}" من النوع {col_type}. لا يدعم المكون النوع.
لا يمكن معالجة العمود "{col_name}" من النوع {col_type}. لا يدعم المكون النوع. اسم المعلمة: {arg_name}.

Error 0018

يحدث الاستثناء إذا كانت مجموعة بيانات الإدخال غير صالحة.

الحل: يمكن أن يظهر هذا الخطأ في التعلم الآلي في العديد من السياقات، لذلك لا توجد دقة واحدة. بشكل عام، يشير الخطأ إلى أن البيانات المقدمة كمدخلات لمكون لها عدد خاطئ من الأعمدة، أو أن نوع البيانات لا يتطابق مع متطلبات المكون. على سبيل المثال:

يتطلب المكون عمود تسمية، ولكن لم يتم وضع علامة على أي عمود كتسمية، أو أنك لم تحدد عمود تسمية بعد.
يتطلب المكون أن تكون البيانات فئوية ولكن بياناتك رقمية.

البيانات في تنسيق خاطئ.
تحتوي البيانات المستوردة على أحرف غير صالحة أو قيم غير صالحة أو قيم خارج النطاق.
العمود فارغ أو يحتوي على عدد كبير جداً من القيم المفقودة.

لتحديد المتطلبات وكيف يمكن أن تكون بياناتك، راجع موضوع التعليمات للمكون الذي سيستهلك مجموعة البيانات كمدخلات.

رسائل الاستثناء
مجموعة البيانات غير صالحة.
تحتوي {dataset1} على بيانات غير صالحة.
يجب أن تكون {dataset1} و{dataset2} متسقة في اتجاه العمود.
تحتوي {dataset1} على بيانات غير صالحة، {السبب}.
تحتوي {dataset1} على {valid_data_category}. {troubleshoot_hint}
{dataset1} غير صالح، {السبب}. {troubleshoot_hint}

Error 0019

يحدث الاستثناء إذا كان من المتوقع أن يحتوي العمود على قيم تم فرزها، ولكنه لا يحتوي على قيم تم فرزها.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت قيم العمود المحددة خارج الترتيب.

الحل: افرز قيم العمود عن طريق تعديل مجموعة بيانات الإدخال يدوياً وإعادة تشغيل المكون.

رسائل الاستثناء
لا يتم فرز القيم الموجودة في العمود.
لم يتم فرز القيم الموجودة في العمود "{col_index}".
لم يتم فرز القيم الموجودة في العمود "{col_index}" لمجموعة البيانات "{dataset}".
القيم في الوسيطة "{arg_name}" غير مرتبة بترتيب "{sorting_order}".

Error 0020

يحدث الاستثناء إذا كان عدد الأعمدة في بعض مجموعات البيانات التي تم تمريرها إلى المكون صغيراً جداً.

ستتلقى هذا الخطأ في التعلم الآلي إذا لم يتم تحديد عدد كافٍ من الأعمدة للمكون.

الحل: أعد زيارة المكون وتأكد من تحديد عدد الأعمدة الصحيح في محدد العمود.

رسائل الاستثناء
عدد الأعمدة في مجموعة بيانات الإدخال أقل من الحد الأدنى المسموح به.
عدد الأعمدة في مجموعة بيانات الإدخال "{arg_name}" أقل من الحد الأدنى المسموح به.
عدد الأعمدة في مجموعة بيانات الإدخال أقل من الحد الأدنى المسموح به وهو {required_columns_count} عمود (أعمدة).
عدد الأعمدة في مجموعة بيانات الإدخال "{arg_name}" أقل من الحد الأدنى المسموح به وهو {required_columns_count} عمود (أعمدة).

Error 0021

يحدث الاستثناء إذا كان عدد الصفوف في بعض مجموعات البيانات التي تم تمريرها إلى المكون صغيراً جداً.

يظهر هذا الخطأ في التعلم الآلي عندما لا توجد صفوف كافية في مجموعة البيانات لإجراء العملية المحددة. على سبيل المثال، قد ترى هذا الخطأ إذا كانت مجموعة بيانات الإدخال فارغة، أو إذا كنت تحاول تنفيذ عملية تتطلب حداً أدنى لعدد الصفوف لتكون صالحة. يمكن أن تشمل هذه العمليات (على سبيل المثال لا الحصر) التجميع أو التصنيف بناءً على الأساليب الإحصائية وأنواع معينة من التجميع والتعلم باستخدام التهم.

التحليل:

افتح المكون الذي أرجع الخطأ، وتحقق من مجموعة بيانات الإدخال وخصائص المكون.
تحقق من أن مجموعة بيانات الإدخال ليست فارغة وأن هناك صفوفاً كافية من البيانات لتلبية المتطلبات الموضحة في تعليمات المكون.
إذا تم تحميل بياناتك من مصدر خارجي، فتأكد من أن مصدر البيانات متاح وأنه لا يوجد خطأ أو تغيير في تعريف البيانات من شأنه أن يتسبب في حصول عملية الاستيراد على عدد أقل من الصفوف.
إذا كنت تقوم بإجراء عملية على البيانات الأولية للمكون التي قد تؤثر على نوع البيانات أو عدد القيم، مثل عمليات التنظيف أو التقسيم أو الانضمام، فتحقق من مخرجات هذه العمليات لتحديد عدد الصفوف التي تم إرجاعها.

رسائل الاستثناء
عدد الصفوف في مجموعة بيانات الإدخال أقل من الحد الأدنى المسموح به.
عدد الصفوف في مجموعة بيانات الإدخال أقل من الحد الأدنى المسموح به وهو {required_rows_count} من الصفوف.
عدد الصفوف في مجموعة بيانات الإدخال أقل من الحد الأدنى المسموح به وهو {required_rows_count} من الصفوف. {reason}
عدد الصفوف في مجموعة بيانات الإدخال "{arg_name}" أقل من الحد الأدنى المسموح به وهو {required_rows_count} من الصفوف.
عدد الصفوف في مجموعة بيانات الإدخال "{arg_name}" هو {current_rows_count}، أقل من الحد الأدنى المسموح به وهو {required_rows_count} من الصفوف.
عدد الصفوف "{row_type}" في مجموعة بيانات الإدخال "{arg_name}" هو {current_rows_count}، أقل من الحد الأدنى المسموح به وهو {required_rows_count} من الصفوف.

Error 0022

يحدث الاستثناء إذا كان عدد الأعمدة المحددة في مجموعة بيانات الإدخال لا يساوي العدد المتوقع.

يمكن أن يحدث هذا الخطأ في التعلم الآلي عندما يتطلب المكون أو العملية المتلقية للمعلومات عدداً محدداً من الأعمدة أو المدخلات، وقد قدمت عدداً قليلاً جداً أو عدداً كبيراً جداً من الأعمدة أو المدخلات. على سبيل المثال:

يمكنك تحديد عمود تسمية واحد أو عمود مفتاح واختيار عدة أعمدة عن طريق الخطأ.
أنت تعيد تسمية الأعمدة، لكنك قدمت عدداً أكبر أو أقل من الأسماء من عدد الأعمدة.
تم تغيير عدد الأعمدة في المصدر أو الوجهة أو أنه لا يتطابق مع عدد الأعمدة التي يستخدمها المكون.
لقد قدمت قائمة قيم مفصولة بفواصل للمدخلات، لكن عدد القيم غير مطابق، أو أن المدخلات المتعددة غير مدعومة.

الحل: أعد زيارة المكون وتحقق من تحديد العمود للتأكد من تحديد العدد الصحيح من الأعمدة. تحقق من مخرجات مكونات المنبع ومتطلبات عمليات المصب.

إذا استخدمت أحد خيارات تحديد الأعمدة التي يمكنها تحديد عدة أعمدة (فهارس الأعمدة، وجميع المعالم، وجميع الأرقام، وما إلى ذلك)، تحقق من صحة العدد الدقيق للأعمدة التي تم إرجاعها بواسطة التحديد.

تحقق من أن عدد أو نوع أعمدة المنبع لم يتغير.

إذا كنت تستخدم مجموعة بيانات توصية لتدريب نموذج، فتذكر أن المُوصي يتوقع عدداً محدوداً من الأعمدة، بما يتوافق مع أزواج عناصر المستخدم أو تصنيفات عناصر المستخدم. قم بإزالة الأعمدة الإضافية قبل تدريب النموذج أو تقسيم مجموعات بيانات التوصيات. لمزيد من المعلومات، راجع تقسيم البيانات.

رسائل الاستثناء
عدد الأعمدة المحددة في مجموعة بيانات الإدخال لا يساوي العدد المتوقع.
عدد الأعمدة المحددة في مجموعة بيانات الإدخال لا يساوي {يتوقع_كول_كونت}.
يوفر نمط اختيار العمود "{select_pattern_fri friendly_name}" عدداً من الأعمدة المحددة في مجموعة بيانات الإدخال لا يساوي {selected_col_count}.
من المتوقع أن يوفر نمط اختيار العمود "{select_pattern_fri friendly_name}" عموداً (أعمدة) تم تحديده في مجموعة بيانات الإدخال {selected_col_count}، ولكن يتم توفير {selected_col_count} عمود (أعمدة) بالفعل.

Error 0023

يحدث الاستثناء إذا كان العمود الهدف لمجموعة بيانات الإدخال غير صالح لمكون المدرب الحالي.

يحدث هذا الخطأ في التعلم الآلي إذا لم يكن العمود الهدف (كما هو محدد في معلمات المكون) من نوع البيانات الصالح أو احتوى على جميع القيم المفقودة أو لم يكن فئوياً كما هو متوقع.

الحل: قم بإعادة زيارة إدخال المكون لفحص محتوى عمود التصنيف/الهدف. تأكد من أنه لا يحتوي على جميع القيم المفقودة. إذا كان المكون يتوقع أن يكون العمود الهدف فئوياً، فتأكد من وجود أكثر من قيمة مميزة في العمود الهدف.

رسائل الاستثناء
تحتوي مجموعة بيانات الإدخال على عمود هدف غير مدعوم.
تحتوي مجموعة بيانات الإدخال على عمود هدف غير معتمد "{column_index}".
تحتوي مجموعة بيانات الإدخال على عمود هدف غير معتمد "{column_index}" للمتعلم من النوع {learner_type}.

Error 0024

يحدث الاستثناء إذا كانت مجموعة البيانات لا تحتوي على عمود تسمية.

يحدث هذا الخطأ في التعلم الآلي عندما يتطلب المكون عمود تسمية ومجموعة البيانات لا تحتوي على عمود تسمية. على سبيل المثال، يتطلب تقييم مجموعة بيانات مسجلة عادةً وجود عمود تسمية لحساب قياسات الدقة.

يمكن أن يحدث أيضاً وجود عمود تسمية في مجموعة البيانات، ولكن لم يتم اكتشافه بشكل صحيح بواسطة التعلم الآلي.

التحليل:

افتح المكون الذي تسبب في الخطأ، وحدد ما إذا كان عمود التسمية موجوداً أم لا. لا يهم اسم العمود أو نوع بياناته، طالما أن العمود يحتوي على نتيجة واحدة (أو متغير تابع) تحاول توقعها. إذا لم تكن متأكداً من العمود الذي يحتوي على التسمية، فابحث عن اسم عام مثل الفئة أو الهدف.
إذا لم تتضمن مجموعة البيانات عمود تسمية، فمن الممكن أن يكون عمود التسمية قد تمت إزالته بشكل صريح أو عرضي في المنبع. قد يكون أيضاً أن مجموعة البيانات ليست ناتجاً عن مكون التسجيل الأولي.
لوضع علامة صراحة على العمود كعمود تسمية، أضف مكوِّن تعديل بيانات التعريف وقم بتوصيل مجموعة البيانات. حدد عمود التصنيف فقط، وحدد Label من القائمة المنسدلة الحقول.
إذا تم اختيار العمود الخطأ كتسمية، فيمكنك تحديد Clear label من الحقول لإصلاح بيانات التعريف في العمود.

رسائل الاستثناء
لا يوجد عمود تسمية في مجموعة البيانات.
لا يوجد عمود تصنيف في "{dataset_name}".

Error 0025

يحدث الاستثناء إذا كانت مجموعة البيانات لا تحتوي على عمود النتيجة.

يحدث هذا الخطأ في التعلم الآلي إذا كان الإدخال في نموذج التقييم لا يحتوي على أعمدة درجات صالحة. على سبيل المثال، يحاول المستخدم تقييم مجموعة بيانات قبل تسجيلها بنموذج مدرب صحيح، أو تم إسقاط عمود النتيجة بشكل صريح في المنبع. يحدث هذا الاستثناء أيضاً إذا كانت أعمدة النقاط في مجموعتي البيانات غير متوافقة. على سبيل المثال، قد تحاول مقارنة دقة المُنحدِر الخطي مع المُصنِّف الثنائي.

الحل: قم بإعادة زيارة الإدخال في نموذج التقييم وفحص ما إذا كان يحتوي على عمود أو أكثر من أعمدة النتائج. إذا لم يكن الأمر كذلك، فلن يتم تسجيل مجموعة البيانات أو تم إسقاط أعمدة النتيجة في مكون المنبع.

رسائل الاستثناء
لا يوجد عمود نقاط في مجموعة البيانات.
لا يوجد عمود نقاط في "{dataset_name}".
لا يوجد عمود نقاط في "{dataset_name}" تم إنتاجه بواسطة "{learner_type}". سجل مجموعة البيانات باستخدام النوع الصحيح من المتعلم.

Error 0026

يحدث الاستثناء إذا كانت الأعمدة التي تحمل الاسم نفسه غير مسموح بها.

يحدث هذا الخطأ في التعلم الآلي إذا كان للعديد من الأعمدة نفس الاسم. تتمثل إحدى الطرق التي قد تتلقى بها هذا الخطأ في عدم احتواء مجموعة البيانات على صف رأس وتم تعيين أسماء الأعمدة تلقائياً: Col0، Col1، إلخ.

الحل: إذا كانت الأعمدة لها نفس الاسم، فأدخل مكون تحرير بيانات التعريف بين مجموعة بيانات الإدخال والمكون. استخدم محدد العمود في تحرير بيانات التعريف لتحديد أعمدة لإعادة تسميتها، وكتابة الأسماء الجديدة في مربع النص أسماء الأعمدة الجديدة.

رسائل الاستثناء
يتم تحديد أسماء الأعمدة المتساوية في الوسائط. لا يسمح المكون بأسماء الأعمدة المتساوية.
غير مسموح باستخدام أسماء الأعمدة المتساوية في الوسيطتين "{arg_name_1}" و"{arg_name_2}". الرجاء تحديد أسماء مختلفة.

Error 0027

يحدث الاستثناء في حالة وجوب أن يكون عنصران من نفس الحجم ولكنهما ليسا كذلك.

هذا خطأ شائع في التعلم الآلي ويمكن أن يكون ناتجاً عن العديد من الحالات.

الحل: لا توجد دقة محددة. ومع ذلك، يمكنك التحقق من وجود شروط مثل ما يلي:

إذا كنت تقوم بإعادة تسمية الأعمدة، فتأكد من أن كل قائمة (أعمدة الإدخال وقائمة الأسماء الجديدة) تحتوي على نفس عدد العناصر.
إذا كنت تنضم إلى مجموعتي بيانات أو تسلسلهما، فتأكد من أنهما يشتملان على نفس المخطط.
إذا كنت تنضم إلى مجموعتي بيانات تحتويان على عدة أعمدة، فتأكد من أن الأعمدة الرئيسية لها نفس نوع البيانات، وحدد الخيار السماح بالتكرارات والاحتفاظ بترتيب الأعمدة في التحديد.

رسائل الاستثناء
حجم العناصر التي تم تمريرها غير متناسق.
حجم "{friendly_name1}" غير متوافق مع حجم "{friendly_name2}".

Error 0028

يحدث الاستثناء في حالة احتواء مجموعة الأعمدة على أسماء أعمدة مكررة وغير مسموح بها.

يحدث هذا الخطأ في التعلم الآلي عند تكرار أسماء الأعمدة؛ هذا ليس فريداً.

الحل: إذا كان لأي أعمدة نفس الاسم، فقم بإضافة مثيل تحرير بيانات التعريف بين مجموعة بيانات الإدخال والمكون الذي يثير الخطأ. استخدم محدد العمود في تحرير بيانات التعريف لتحديد أعمدة لإعادة تسميتها، واكتب أسماء الأعمدة الجديدة في مربع النص أسماء الأعمدة الجديدة. إذا كنت تعيد تسمية أعمدة متعددة، فتأكد من أن القيم التي تكتبها في أسماء الأعمدة الجديدة فريدة.

رسائل الاستثناء
تحتوي مجموعة الأعمدة على اسم (أسماء) عمود مكرر.
تم تكرار الاسم "{replicated_name}".
الاسم "{replicated_name}" مكرر في "{arg_name}".
تم تكرار الاسم "{replicated_name}". التفاصيل: {تفاصيل}

Error 0029

يحدث الاستثناء في حالة تمرير URI غير صالح.

يحدث هذا الخطأ في التعلم الآلي في حالة تمرير URI غير صالح. سوف تتلقى هذا الخطأ إذا تحققت أي من الشروط التالية:

يحتوي العنوان العام أو SAS URI المتوفر لموقع Azure Blob Storage للقراءة أو الكتابة على خطأ.
انتهت صلاحية الفترة الزمنية الخاصة بـ SAS.
يمثل عنوان URL للويب عبر مصدر HTTP ملفاً أو عنوان URI للاسترجاع.
يحتوي عنوان URL للويب عبر HTTP على عنوان URL منسق بشكل غير صحيح.
لا يمكن للمصدر البعيد حل عنوان URL.

الحل: قم بإعادة زيارة المكون وتحقق من تنسيق URI. إذا كان مصدر البيانات هو عنوان URL على الويب عبر HTTP، فتحقق من أن المصدر المقصود ليس ملفاً أو عنوان URI للاسترجاع (مضيف محلي).

رسائل الاستثناء
تم تمرير Uri غير صالح.
معرف Uri "{alid_url}" غير صالح.

Error 0030

يحدث الاستثناء في الحالة التي يتعذر فيها تنزيل ملف.

يحدث هذا الاستثناء في التعلم الآلي عندما يتعذر تنزيل ملف. ستتلقى هذا الاستثناء عند فشل محاولة القراءة من مصدر HTTP بعد ثلاث (3) محاولات لإعادة المحاولة.

الحل: تحقق من صحة URI لمصدر HTTP وأن الموقع يمكن الوصول إليه حالياً عبر الإنترنت.

رسائل الاستثناء
تعذر تنزيل ملف.
خطأ أثناء تنزيل الملف: {file_url}.

Error 0031

يحدث الاستثناء إذا كان عدد الأعمدة في مجموعة الأعمدة أقل من المطلوب.

يحدث هذا الخطأ في التعلم الآلي إذا كان عدد الأعمدة المحددة أقل من المطلوب. سوف تتلقى هذا الخطأ إذا لم يتم تحديد الحد الأدنى المطلوب لعدد الأعمدة.

الحل: أضف أعمدة إضافية إلى تحديد العمود باستخدام محدد العمود.

رسائل الاستثناء
عدد الأعمدة في مجموعة الأعمدة أقل من المطلوب.
يجب تحديد ما لا يقل عن {required_columns_count} عمود (أعمدة) لوسيطة الإدخال "{arg_name}".
يجب تحديد ما لا يقل عن {required_columns_count} عمود (أعمدة) لوسيطة الإدخال "{arg_name}". العدد الفعلي للأعمدة المحددة هو {input_columns_count}.

Error 0032

يحدث الاستثناء إذا لم تكن الوسيطة رقماً.

ستتلقى هذا الخطأ في التعلم الآلي إذا كانت الوسيطة مزدوجة أو NaN.

الحل: تعديل الوسيطة المحددة لاستخدام قيمة صالحة.

رسائل الاستثناء
الحجة ليست رقماً.
"{arg_name}" ليس رقماً.

Error 0033

يحدث الاستثناء إذا كانت الحجة لا نهائية.

يحدث هذا الخطأ في التعلم الآلي إذا كانت الوسيطة غير محدودة. سوف تتلقى هذا الخطأ إذا كانت الوسيطة إما double.NegativeInfinity أو double.PositiveInfinity.

الحل: تعديل الوسيطة المحددة لتكون قيمة صالحة.

رسائل الاستثناء
يجب أن تكون الحجة محدودة.
"{arg_name}" ليس محدداً.
العمود "{اسم_العمود}" يحتوي على قيم لا نهائية.

Error 0034

يحدث الاستثناء في حالة وجود أكثر من تصنيف واحد لزوج مستخدم-عنصر معين.

يحدث هذا الخطأ في التعلم الآلي في التوصية إذا كان لزوج عنصر مستخدم أكثر من قيمة تصنيف واحدة.

الحل: تأكد من أن زوج عنصر المستخدم يمتلك قيمة تقييم واحدة فقط.

رسائل الاستثناء
يوجد أكثر من تقييم واحد للقيمة (القيم) في مجموعة البيانات.
أكثر من تقييم للمستخدم {user} والعنصر {item} في جدول بيانات توقع التصنيف.
أكثر من تقييم واحد للمستخدم {user} والعنصر {item} في {dataset}.

Error 0035

يحدث الاستثناء إذا لم يتم توفير ميزات لمستخدم أو عنصر معين.

يحدث هذا الخطأ في التعلم الآلي عندما تحاول استخدام نموذج توصية لتسجيل النقاط ولكن لا يمكن العثور على متجه الميزة.

التحليل:

يحتوي مُقترح Matchbox على متطلبات معينة يجب الوفاء بها عند استخدام ميزات العنصر أو ميزات المستخدم. يشير هذا الخطأ إلى أن متجه الميزة مفقود للمستخدم أو العنصر الذي قدمته كمدخل. تأكد من أن ناقل الميزات متاح في البيانات لكل مستخدم أو عنصر.

على سبيل المثال، إذا قمت بتدريب نموذج توصية باستخدام ميزات مثل عمر المستخدم أو موقعه أو دخله، ولكنك تريد الآن إنشاء درجات للمستخدمين الجدد الذين لم يتم رؤيتهم أثناء التدريب، فيجب عليك تقديم مجموعة مكافئة من الميزات (تحديداً، العمر، والموقع، والدخل) للمستخدمين الجدد من أجل عمل تنبؤات مناسبة لهم.

إذا لم يكن لديك أي ميزات لهؤلاء المستخدمين، ففكر في هندسة الميزات لإنشاء الميزات المناسبة. على سبيل المثال، إذا لم يكن لديك عمر مستخدم فردي أو قيم دخل، يمكنك إنشاء قيم تقريبية لاستخدامها لمجموعة من المستخدمين.

تلميح

القرار لا ينطبق على قضيتك؟ نرحب بك لإرسال ملاحظات حول هذه المقالة وتقديم معلومات حول السيناريو، بما في ذلك المكون وعدد الصفوف في العمود. سنستخدم هذه المعلومات لتقديم خطوات أكثر تفصيلاً لاستكشاف الأخطاء وإصلاحها في المستقبل.

رسائل الاستثناء
لم يتم توفير ميزات للمستخدم أو العنصر المطلوب.
مطلوب ميزات لـ {required_feature_name} ولكن لم يتم توفيرها.

Error 0036

يحدث الاستثناء إذا تم توفير متجهات ميزات متعددة لمستخدم أو عنصر معين.

يحدث هذا الخطأ في التعلم الآلي إذا تم تعريف متجه الميزة أكثر من مرة.

الحل: تأكد من عدم تعريف متجه الميزة أكثر من مرة.

رسائل الاستثناء
تعريف ميزة مكرر لمستخدم أو عنصر.

Error 0037

يحدث الاستثناء إذا تم تحديد عدة أعمدة تسمية ويسمح بعمود واحد فقط.

يحدث هذا الخطأ في التعلم الآلي إذا تم تحديد أكثر من عمود ليكون عمود التسمية الجديد. تتطلب معظم خوارزميات التعلم تحت الإشراف عموداً واحداً ليتم تمييزه كهدف أو تسمية.

الحل: تأكد من تحديد عمود واحد ليكون عمود التصنيف الجديد.

رسائل الاستثناء
تم تحديد أعمدة تسمية متعددة.
تم تحديد أعمدة تصنيف متعددة في "{dataset_name}".

Error 0039

يحدث الاستثناء في حالة فشل العملية.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر إكمال عملية داخلية.

الحل: سبب هذا الخطأ العديد من الشروط وليس هناك علاج محدد.
يحتوي الجدول التالي على رسائل عامة لهذا الخطأ، متبوعة بوصف محدد للحالة.

إذا لم تتوفر أي تفاصيل، فصفحة سؤال Microsoft Q&A لإرسال الملاحظات وتوفير معلومات حول المكونات التي أدت إلى الخطأ والشروط ذات الصلة.

رسائل الاستثناء
فشلت العملية.
خطأ أثناء إتمام العملية: "{failure_operation}".
خطأ أثناء إتمام العملية: "{failure_operation}". السبب: "{reason}".

Error 0042

يحدث الاستثناء عندما يتعذر تحويل العمود إلى نوع آخر.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر تحويل العمود إلى النوع المحدد. ستتلقى هذا الخطأ إذا تطلب أحد المكونات نوع بيانات معين، مثل التاريخ والوقت أو النص أو رقم الفاصلة العائمة أو العدد الصحيح، ولكن لا يمكن تحويل عمود موجود إلى النوع المطلوب.

على سبيل المثال، يمكنك تحديد عمود ومحاولة تحويله إلى نوع بيانات رقمي لاستخدامه في عملية حسابية، والحصول على هذا الخطأ إذا احتوى العمود على بيانات غير صالحة.

سبب آخر قد يجعلك تحصل على هذا الخطأ إذا حاولت استخدام عمود يحتوي على أرقام فاصلة عائمة أو العديد من القيم الفريدة كعمود فئوي.

التحليل:

افتح صفحة التعليمات الخاصة بالمكون الذي أدى إلى الخطأ وتحقق من متطلبات نوع البيانات.
راجع أنواع بيانات الأعمدة في مجموعة بيانات الإدخال.
افحص البيانات التي تنشأ في ما يسمى بمصادر البيانات التي لا تحتوي على مخطط.
تحقق من مجموعة البيانات بحثاً عن القيم المفقودة أو الأحرف الخاصة التي قد تمنع التحويل إلى نوع البيانات المطلوب.
- يجب أن تكون أنواع البيانات الرقمية متسقة: على سبيل المثال، تحقق من أرقام الفاصلة العائمة في عمود من الأعداد الصحيحة.
- ابحث عن سلاسل نصية أو قيم NA في عمود رقم.
- يمكن تحويل القيم المنطقية إلى تمثيل مناسب بناءً على نوع البيانات المطلوب.
- افحص أعمدة النص لأحرف غير يونيكود أو أحرف جدولة أو أحرف تحكم
- يجب أن تكون بيانات التاريخ والوقت متسقة لتجنب أخطاء النمذجة، ولكن التنظيف يمكن أن يكون معقداً بسبب التنسيقات العديدة. ضع في اعتبارك استخدام مكونات تنفيذ Python Script لإجراء التنظيف.
إذا لزم الأمر، قم بتعديل القيم في مجموعة بيانات الإدخال بحيث يمكن تحويل العمود بنجاح. قد يشمل التعديل عمليات التجميع أو الاقتطاع أو التقريب أو التخلص من القيم المتطرفة أو احتساب القيم المفقودة. راجع المقالات التالية لبعض سيناريوهات تحويل البيانات الشائعة في التعلم الآلي:
- مسح البيانات المفقودة
- تسوية البيانات

تلميح

القرار غير واضح، أو لا ينطبق على قضيتك؟ نرحب بك لإرسال ملاحظات حول هذه المقالة وتقديم معلومات حول السيناريو، بما في ذلك المكون ونوع بيانات العمود. سنستخدم هذه المعلومات لتقديم خطوات أكثر تفصيلاً لاستكشاف الأخطاء وإصلاحها في المستقبل.

رسائل الاستثناء
لا يسمح التحويل.
تعذر تحويل عمود من النوع {type1} إلى عمود من النوع {type2}.
تعذر تحويل العمود "{col_name1}" من النوع {type1} إلى عمود من النوع {type2}.
تعذر تحويل العمود "{col_name1}" من النوع {type1} إلى العمود "{col_name2}" من النوع {type2}.

Error 0044

يحدث الاستثناء عندما يتعذر اشتقاق نوع عنصر العمود من القيم الموجودة.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر استنتاج نوع العمود أو الأعمدة في مجموعة البيانات. يحدث هذا عادةً عند ربط مجموعتين أو أكثر من مجموعات البيانات بأنواع عناصر مختلفة. إذا تعذر على التعلم الآلي تحديد نوع شائع قادر على تمثيل جميع القيم في عمود أو أعمدة دون فقد المعلومات، فسيؤدي ذلك إلى إنشاء هذا الخطأ.

الحل: تأكد من أن جميع القيم الموجودة في عمود معين في مجموعتي البيانات التي يتم دمجها إما من نفس النوع (رقمي، أو منطقي، أو فئوي، أو سلسلة، أو تاريخ، وما إلى ذلك) أو يمكن فرضها على نفس النوع.

رسائل الاستثناء
لا يمكن اشتقاق نوع عنصر العمود.
لا يمكن اشتقاق نوع العنصر للعمود "{اسم_العمود}" - كل العناصر مراجع خالية.
لا يمكن اشتقاق نوع العنصر للعمود "{اسم_العمود}" لمجموعة البيانات "{dataset_name}" - جميع العناصر مراجع خالية.

Error 0045

يحدث الاستثناء عندما يتعذر إنشاء عمود بسبب أنواع العناصر المختلطة في المصدر.

يحدث هذا الخطأ في التعلم الآلي عندما تختلف أنواع العناصر لمجموعتي بيانات يتم دمجها.

الحل: تأكد من أن جميع القيم في عمود معين في مجموعتي البيانات التي يتم دمجها من نفس النوع (رقمي، منطقي، فئوي، سلسلة، تاريخ، إلخ).

رسائل الاستثناء
لا يمكن إنشاء عمود بأنواع عناصر مختلطة.
لا يمكن إنشاء عمود بالمعرف "{column_id}" لأنواع العناصر المختلطة: نوع البيانات [{row_1}، {column_id}] هو "{type_1}". نوع البيانات [{row_2}، {column_id}] هو "{type_2}".
لا يمكن إنشاء عمود بالمعرف "{column_id}" لأنواع العناصر المختلطة: اكتب المقطع {chunk_id_1} بالشكل "{type_1}". اكتب المقطع {chunk_id_2} "{type_2}" بحجم القطعة: {chunk_size}.

Error 0046

يحدث الاستثناء عندما لا يكون من الممكن إنشاء دليل على المسار المحدد.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر إنشاء دليل على المسار المحدد. سوف تتلقى هذا الخطأ إذا كان أي جزء من المسار إلى دليل الإخراج لاستعلام Apache Hive غير صحيح أو لا يمكن الوصول إليه.

الحل: قم بإعادة زيارة المكون وتحقق من تنسيق مسار الدليل بشكل صحيح وأنه يمكن الوصول إليه باستخدام معلومات تسجيل الدخول الحالية.

رسائل الاستثناء
الرجاء تحديد دليل إخراج صالح.
الدليل: لا يمكن إنشاء {المسار}. الرجاء تحديد مسار صالح.

Error 0047

يحدث الاستثناء إذا كان عدد أعمدة المعالم في بعض مجموعات البيانات التي تم تمريرها إلى المكون صغيراً جداً.

يحدث هذا الخطأ في التعلم الآلي إذا كانت مجموعة بيانات الإدخال للتدريب لا تحتوي على الحد الأدنى لعدد الأعمدة التي تتطلبها الخوارزمية. عادةً ما تكون مجموعة البيانات فارغة أو تحتوي فقط على أعمدة تدريب.

الحل: قم بإعادة زيارة مجموعة بيانات الإدخال للتأكد من وجود عمود إضافي واحد أو أكثر بعيداً عن عمود التصنيف.

رسائل الاستثناء
عدد أعمدة المعالم في مجموعة بيانات الإدخال أقل من الحد الأدنى المسموح به.
عدد أعمدة المعالم في مجموعة بيانات الإدخال أقل من الحد الأدنى المسموح به وهو {required_columns_count} عمود (أعمدة).
عدد أعمدة الميزة في مجموعة بيانات الإدخال "{arg_name}" أقل من الحد الأدنى المسموح به وهو {required_columns_count} عمود (أعمدة).

Error 0048

يحدث الاستثناء في حالة تعذر فتح ملف.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر فتح ملف للقراءة أو الكتابة. قد تتلقى هذا الخطأ للأسباب التالية:

الحاوية أو الملف (blob) غير موجود
لا يسمح لك مستوى الوصول للملف أو الحاوية بالوصول إلى الملف
الملف كبير جداً بحيث لا يمكن قراءته أو تنسيقه خاطئ

الحل: قم بإعادة زيارة المكون والملف الذي تحاول قراءته.

تحقق من صحة أسماء الحاوية والملف.

استخدم مدخل Microsoft Azure الكلاسيكي أو أداة تخزين Azure للتحقق من أن لديك إذناً للوصول إلى الملف.

رسائل الاستثناء
تعذر فتح ملف.
خطأ أثناء فتح الملف: {file_name}.
خطأ أثناء فتح الملف: {file_name}. رسالة استثناء التخزين: {استثناء}.

Error 0049

يحدث الاستثناء في الحالة التي يتعذر فيها تحليل ملف.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر تحليل ملف. سوف تتلقى هذا الخطأ إذا كان تنسيق الملف المحدد في مكون Import Data لا يتطابق مع التنسيق الفعلي للملف، أو إذا كان الملف يحتوي على حرف لا يمكن التعرُّف عليه.

الحل: قم بإعادة زيارة المكون وصحح تحديد تنسيق الملف إذا كان لا يتطابق مع تنسيق الملف. إذا أمكن، افحص الملف للتأكد من أنه لا يحتوي على أي أحرف غير قانونية.

رسائل الاستثناء
تعذر تحليل ملف.
خطأ أثناء تحليل ملف {file_format}.
خطأ أثناء تحليل ملف {file_format}: {file_name}.
خطأ أثناء تحليل ملف {file_format}. السبب: {failure_reason}.
خطأ أثناء تحليل ملف {file_format}: {file_name}. السبب: {failure_reason}.

Error 0052

يحدث الاستثناء إذا تم تحديد مفتاح حساب تخزين Azure بشكل غير صحيح.

يحدث هذا الخطأ في التعلم الآلي إذا كان المفتاح المستخدم للوصول إلى حساب تخزين Azure غير صحيح. على سبيل المثال، قد ترى هذا الخطأ إذا تم قطع مفتاح تخزين Azure عند نسخه ولصقه، أو إذا تم استخدام المفتاح الخطأ.

لمزيد من المعلومات حول كيفية الحصول على المفتاح لحساب تخزين Azure، راجع عرض ونسخ وإعادة إنشاء مفاتيح الوصول إلى التخزين.

الحل: قم بإعادة زيارة المكون وتحقق من صحة مفتاح تخزين Azure للحساب؛ انسخ المفتاح مرة أخرى من مدخل Microsoft Azure الكلاسيكي إذا لزم الأمر.

رسائل الاستثناء
مفتاح حساب تخزين Azure غير صحيح.

Error 0053

يحدث الاستثناء في حالة عدم وجود ميزات أو عناصر للمستخدم لتوصيات علبة الثقاب.

ينتج هذا الخطأ في التعلم الآلي عندما يتعذر العثور على متجه المعالم.

الحل: تأكد من وجود متجه الميزة في مجموعة بيانات الإدخال.

رسائل الاستثناء
ميزات المستخدم و/ والعناصر مطلوبة ولكنها غير متوفرة.

Error 0056

يحدث الاستثناء إذا كانت الأعمدة التي حددتها لعملية تنتهك المتطلبات.

يحدث هذا الخطأ في التعلم الآلي عندما تختار أعمدة لعملية تتطلب أن يكون العمود من نوع بيانات معين.

يمكن أن يحدث هذا الخطأ أيضاً إذا كان العمود هو نوع البيانات الصحيح، لكن المكون الذي تستخدمه يتطلب أيضاً وضع علامة على العمود كميزة أو تسمية أو عمود فئوي.

التحليل:

راجع نوع بيانات الأعمدة المحددة حالياً.
تأكد مما إذا كانت الأعمدة المحددة فئوية أو أعمدة تسمية أو أعمدة معلم.
راجع موضوع التعليمات للمكون الذي قمت بتحديد العمود فيه، لتحديد ما إذا كانت هناك متطلبات معينة لنوع البيانات أو استخدام العمود.
استخدم تحرير بيانات التعريف لتغيير نوع العمود طوال مدة هذه العملية. تأكد من تغيير نوع العمود مرة أخرى إلى قيمته الأصلية، باستخدام مثيل آخر من تحرير بيانات التعريف، إذا كنت في حاجة إليه للعمليات اللاحقة.

رسائل الاستثناء
لم يكن هناك عمود أو أكثر من الأعمدة المحددة في فئة مسموح بها.
العمود الذي يحمل الاسم "{col_name}" ليس ضمن فئة مسموح بها.

Error 0057

يحدث الاستثناء عند محاولة إنشاء ملف أو blob موجود بالفعل.

يحدث هذا الاستثناء عند استخدام مكون تصدير البيانات أو مكون آخر لحفظ نتائج خط التدفق في التعلم الآلي إلى موقع تخزين Azure Blob، لكنك تحاول إنشاء ملف أو كائن تخزين ثنائي موجود بالفعل.

التحليل:

لن تتلقى هذا الخطأ إلا إذا قمت مسبقاً بتعيين الخاصية وضع كتابة موقع تخزين Azure Blob إلى خطأ. حسب التصميم، يُثير هذا المكون خطأ إذا حاولت كتابة مجموعة بيانات إلى blob موجود بالفعل.

افتح خصائص المكون وقم بتغيير الخاصية وضع كتابة موقع تخزين Azure Blob إلى الكتابة فوق.
بدلاً من ذلك، يمكنك كتابة اسم ملف أو ملف blob وجهة مختلف والتأكد من تحديد blob غير موجود بالفعل.

رسائل الاستثناء
الملف أو Blob موجودان بالفعل.
الملف أو Blob "{file_path}" موجود بالفعل.

Error 0058

يحدث هذا الخطأ في التعلم الآلي إذا كانت مجموعة البيانات لا تحتوي على عمود التسمية المتوقع.

يمكن أن يحدث هذا الاستثناء أيضاً عندما لا يتطابق عمود التسمية المقدم مع البيانات أو نوع البيانات الذي يتوقعه المتعلم، أو عندما يحتوي على قيم خاطئة. على سبيل المثال، يتم إنتاج هذا الاستثناء عند استخدام عمود تسمية بالقيمة الحقيقية عند تدريب مصنف ثنائي.

الحل: تعتمد الدقة على المتعلم أو المدرب الذي تستخدمه وأنواع بيانات الأعمدة في مجموعة البيانات. أولاً، تحقق من متطلبات خوارزمية التعلم الآلي أو مكون التدريب.

أعد زيارة مجموعة بيانات الإدخال. تحقق من أن العمود الذي تتوقع أن يتم معاملته على أنه تسمية له نوع البيانات الصحيح للنموذج الذي تقوم بإنشائه.

تحقق من المدخلات بحثاً عن القيم المفقودة وقم بإزالتها أو استبدالها إذا لزم الأمر.

إذا لزم الأمر، أضف مكون تحرير بيانات التعريف وتأكد من وضع علامة على عمود التسمية كتسمية.

رسائل الاستثناء
قيم عمود التسمية وقيم عمود التسمية المسجلة غير قابلة للمقارنة.
عمود التصنيف ليس كما هو متوقع في "{dataset_name}".
عمود التصنيف ليس كما هو متوقع في "{dataset_name}"، {reason}.
عمود التصنيف "{column_name}" غير متوقع في "{dataset_name}".
عمود التصنيف "{column_name}" غير متوقع في "{dataset_name}"، {reason}.

Error 0059

يحدث الاستثناء إذا تعذر تحليل فهرس العمود المحدد في منتقي الأعمدة.

يحدث هذا الخطأ في التعلم الآلي إذا تعذر تحليل فهرس العمود المحدد عند استخدام محدد العمود. سوف تتلقى هذا الخطأ عندما يكون فهرس العمود بتنسيق غير صالح لا يمكن تحليله.

الحل: قم بتعديل فهرس العمود لاستخدام قيمة فهرس صالحة.

رسائل الاستثناء
تعذر تحليل واحد أو أكثر من فهارس الأعمدة المحددة أو نطاقات الفهارس.
تعذر تحليل فهرس العمود أو النطاق "{column_index_or_range}".

Error 0060

يحدث الاستثناء عندما يتم تحديد نطاق أعمدة خارج النطاق في منتقي الأعمدة.

يحدث هذا الخطأ في التعلم الآلي عندما يتم تحديد نطاق أعمدة خارج النطاق في محدد العمود. سوف تتلقى هذا الخطأ إذا كان نطاق الأعمدة في منتقي الأعمدة لا يتوافق مع الأعمدة في مجموعة البيانات.

الحل: عدل نطاق الأعمدة في منتقي الأعمدة ليتوافق مع الأعمدة في مجموعة البيانات.

رسائل الاستثناء
تم تحديد نطاق فهرس العمود خارج النطاق أو غير صالح.
نطاق العمود "{column_range}" غير صالح أو خارج النطاق.

Error 0061

يحدث الاستثناء عند محاولة إضافة صف إلى DataTable يحتوي على عدد أعمدة مختلف عن الجدول.

يحدث هذا الخطأ في التعلم الآلي عندما تحاول إضافة صف إلى مجموعة بيانات تحتوي على عدد أعمدة مختلف عن مجموعة البيانات. ستتلقى هذا الخطأ إذا كان الصف الذي تتم إضافته إلى مجموعة البيانات يحتوي على عدد مختلف من الأعمدة من مجموعة بيانات الإدخال. لا يمكن إلحاق الصف بمجموعة البيانات إذا كان عدد الأعمدة مختلفاً.

الحل: قم بتعديل مجموعة بيانات الإدخال بحيث تحتوي على نفس عدد الأعمدة كما تمت إضافة الصف، أو قم بتعديل الصف الذي تمت إضافته بحيث يحتوي على نفس عدد أعمدة مجموعة البيانات.

رسائل الاستثناء
يجب أن تحتوي جميع الجداول على نفس عدد الأعمدة.
تختلف الأعمدة في المجموعة "{chunk_id_1}" عن المجموعة "{chunk_id_2}" بحجم القطعة: {chunk_size}.
يختلف عدد الأعمدة في الملف "{filename_1}" (العدد = {column_count_1}) عن الملف "{filename_2}" (العدد = {column_count_2}).

Error 0062

يحدث الاستثناء عند محاولة مقارنة نموذجين بأنواع مختلفة من المتعلمين.

يظهر هذا الخطأ في التعلم الآلي عندما لا يمكن مقارنة قياسات التقييم لمجموعتي بيانات مسجَّلتين مختلفتين. في هذه الحالة، لا يمكن مقارنة فعالية النماذج المستخدمة لإنتاج مجموعتي البيانات المسجلتين.

الحل: تحقق من أن النتائج التي تم تسجيلها يتم إنتاجها بواسطة نفس النوع من نموذج التعلم الآلي (التصنيف الثنائي، والانحدار، والتصنيف متعدد الفئات، والتوصية، والتجميع، واكتشاف الانحرافات، وما إلى ذلك) يجب على جميع النماذج التي تقارنها لديهم نفس نوع المتعلم.

رسائل الاستثناء
يجب أن يكون لجميع النماذج نفس نوع المتعلم.
نوع المتعلم الذي تم الحصول عليه غير متوافق: "{active_learner_type}". أنواع المتعلمين المتوقعة هي: "{due_learner_type_list}".

Error 0064

يحدث الاستثناء إذا تم تحديد اسم حساب تخزين Azure أو مفتاح التخزين بشكل غير صحيح.

يحدث هذا الخطأ في التعلم الآلي إذا تم تحديد اسم حساب تخزين Azure أو مفتاح التخزين بشكل غير صحيح. سوف تتلقى هذا الخطأ إذا أدخلت اسم حساب أو كلمة مرور غير صحيحة لحساب التخزين. قد يحدث هذا إذا أدخلت اسم الحساب أو كلمة المرور يدوياً. قد يحدث أيضاً إذا تم حذف الحساب.

الحل: تحقق من إدخال اسم الحساب وكلمة المرور بشكل صحيح ومن وجود الحساب.

رسائل الاستثناء
اسم حساب تخزين Azure أو مفتاح التخزين غير صحيحين.
اسم حساب تخزين Azure "{account_name}" أو مفتاح التخزين لاسم الحساب غير صحيح.

Error 0065

يحدث الاستثناء إذا تم تحديد اسم كائن تخزين البيانات الثنائية الكبيرة Azure بشكل غير صحيح.

يحدث هذا الخطأ في التعلم الآلي إذا تم تحديد اسم كائن تخزين البيانات الثنائية الكبيرة Azure بشكل غير صحيح. سوف تتلقى الخطأ إذا:

لا يمكن العثور على blob في الحاوية المحددة.

تم تحديد الحاوية فقط كمصدر في طلب استيراد البيانات عندما كان التنسيق هو Excel أو CSV مع الترميز؛ لا يُسمح بتسلسل محتويات جميع النقاط الموجودة داخل الحاوية بهذه التنسيقات.
لا يحتوي SAS URI على اسم blob صالح.

الحل: قم بإعادة زيارة المكون الذي طرح الاستثناء. تحقق من وجود blob المحدد في الحاوية في حساب التخزين وأن الأذونات تسمح لك بمشاهدة blob. تحقق من أن الإدخال من النموذج يحتوي على اسم/اسم ملف إذا كان لديك Excel أو CSV بتنسيقات ترميز. تحقق من أن SAS URI يحتوي على اسم blob صالح.

رسائل الاستثناء
اسم كائن تخزين البيانات الثنائية الكبيرة (blob) في Azure غير صحيح.
اسم كائن تخزين البيانات الثنائية الكبيرة (blob) في Azure "{blob_name}" غير صحيح.
اسم تخزين البيانات الثنائية الكبيرة الحجم في Azure بالبادئة "{blob_name_prefix}" غير موجود.
فشل العثور على أي كتل تخزين كبيرة من Azure ضمن الحاوية "{container_name}".
فشل العثور على أي كتل تخزين كبيرة في Azure ذات مسار حرف بدل "{blob_wildcard_path}".

Error 0066

يحدث الاستثناء إذا تعذر تحميل المورد إلى Azure Blob.

يحدث هذا الخطأ في التعلم الآلي إذا تعذر تحميل مورد إلى Azure Blob. يتم حفظ كلاهما في نفس حساب تخزين Azure كحساب يحتوي على ملف الإدخال.

الحل: قم بإعادة زيارة المكون. تحقق من صحة اسم حساب Azure ومفتاح التخزين والحاوية وأن الحساب لديه إذن بالكتابة إلى الحاوية.

رسائل الاستثناء
تعذر تحميل المورد على تخزين Azure.
تعذر تحميل الملف "{source_path}" إلى تخزين Azure باسم "{dest_path}".

Error 0067

يحدث الاستثناء إذا كانت مجموعة البيانات تحتوي على عدد أعمدة مختلف عن المتوقع.

يحدث هذا الخطأ في التعلم الآلي إذا كانت مجموعة البيانات تحتوي على عدد مختلف من الأعمدة عن المتوقع. ستتلقى هذا الخطأ عندما يختلف عدد الأعمدة في مجموعة البيانات عن عدد الأعمدة التي يتوقعها المكون أثناء التنفيذ.

الحل: عدّل مجموعة بيانات الإدخال أو المعلمات.

رسائل الاستثناء
عدد غير متوقع من الأعمدة في جدول البيانات.
عدد غير متوقع من الأعمدة في مجموعة البيانات "{dataset_name}".
من المتوقع عمود (أعمدة) "{due_column_count}" ولكن تم العثور على عمود (أعمدة) "{active_column_count}" بدلاً من ذلك.
في مجموعة بيانات الإدخال "{dataset_name}"، توقع عمود (أعمدة) "{due_column_count}" ولكن تم العثور على عمود (أعمدة) "{active_column_count}" بدلاً من ذلك.

Error 0068

يحدث الاستثناء إذا كان البرنامج النصي Apache Hive المحدد غير صحيح.

يحدث هذا الخطأ في التعلم الآلي إذا كانت هناك أخطاء في بناء الجملة في البرنامج النصي Apache Hive QL، أو إذا واجه مترجم Apache Hive خطأ أثناء تنفيذ الاستعلام أو البرنامج النصي.

التحليل:

عادةً ما يتم الإبلاغ عن رسالة الخطأ من Apache Hive في سجل الأخطاء بحيث يمكنك اتخاذ إجراء بناءً على الخطأ المحدد.

افتح المكون وافحص الاستعلام بحثاً عن الأخطاء.
تحقق من أن الاستعلام يعمل بشكل صحيح خارج التعلم الآلي عن طريق تسجيل الدخول إلى وحدة التحكم Apache Hive في مجموعة Hadoop وتشغيل الاستعلام.
حاول وضع التعليقات في البرنامج النصي Apache Hive الخاص بك في سطر منفصل بدلاً من خلط العبارات والتعليقات القابلة للتنفيذ في سطر واحد.

الموارد

راجع المقالات التالية للحصول على مساعدة بشأن استعلامات Apache Hive للتعلم الآلي:

رسائل الاستثناء
البرنامج النصي Apache Hive غير صحيح.

Error 0069

يحدث الاستثناء إذا كان برنامج SQL المحدد غير صحيح.

يحدث هذا الخطأ في التعلم الآلي إذا كان برنامج SQL النصي المحدد به مشاكل في بناء الجملة، أو إذا كانت الأعمدة أو الجدول المحدد في البرنامج النصي غير صالح.

سوف تتلقى هذا الخطأ إذا واجه محرك SQL أي خطأ أثناء تنفيذ الاستعلام أو البرنامج النصي. عادةً ما يتم الإبلاغ عن رسالة خطأ SQL مرة أخرى في "سجل الأخطاء" بحيث يمكنك اتخاذ إجراء بناءً على الخطأ المحدد.

الحل: قم بإعادة زيارة المكون وفحص استعلام SQL بحثاً عن الأخطاء.

تحقق من أن الاستعلام يعمل بشكل صحيح خارج Azure التعلم الآلي عن طريق تسجيل الدخول إلى خادم قاعدة البيانات مباشرة وتشغيل الاستعلام.

إذا كانت هناك رسالة تم إنشاؤها بواسطة SQL تم الإبلاغ عنها بواسطة استثناء المكون، فاتخذ الإجراء بناءً على الخطأ الذي تم الإبلاغ عنه. على سبيل المثال، تتضمن رسائل الخطأ أحياناً إرشادات محددة حول الخطأ المحتمل:

لا يوجد مثل هذا العمود أو قاعدة البيانات مفقودة، ما يشير إلى أنك قد كتبت اسم عمود بشكل خاطئ. إذا كنت متأكداً من صحة اسم العمود، فحاول استخدام الأقواس أو علامات الاقتباس لإحاطة معرف العمود.
خطأ منطق SQL بالقرب من <الكلمة الأساسية لـ SQL>، ما يشير إلى احتمال وجود خطأ في بناء الجملة قبل الكلمة الأساسية المحددة

رسائل الاستثناء
برنامج SQL النصي غير صحيح.
استعلام SQL "{sql_query}" غير صحيح.
استعلام SQL "{sql_query}" غير صحيح. رسالة الاستثناء: {استثناء}.

Error 0070

يحدث الاستثناء عند محاولة الوصول إلى جدول Azure غير الموجود.

يحدث هذا الخطأ في التعلم الآلي عندما تحاول الوصول إلى جدول Azure غير موجود. ستتلقى هذا الخطأ إذا قمت بتحديد جدول في تخزين Azure، والذي لا يوجد عند القراءة من تخزين Azure أو الكتابة إليه. يمكن أن يحدث هذا إذا أخطأت في كتابة اسم الجدول المطلوب، أو كان لديك عدم تطابق بين اسم الهدف ونوع التخزين. على سبيل المثال، كنت تنوي القراءة من جدول ولكنك أدخلت اسم blob بدلاً من ذلك.

الحل: قم بإعادة زيارة المكون للتحقق من صحة اسم الجدول.

رسائل الاستثناء
جدول Azure غير موجود.
جدول Azure "{table_name}" غير موجود.

Error 0072

يحدث الاستثناء في حالة انتهاء مهلة الاتصال.

يحدث هذا الخطأ في التعلم الآلي عند انتهاء مهلة الاتصال. ستتلقى هذا الخطأ إذا كانت هناك حالياً مشكلات في الاتصال بمصدر البيانات أو الوجهة، مثل بطء الاتصال بالإنترنت، أو إذا كانت مجموعة البيانات كبيرة و/أو إذا كان استعلام SQL المراد قراءته في البيانات يؤدي إلى معالجة معقدة.

الحل: حدد ما إذا كانت هناك حالياً مشكلات تتعلق بالاتصالات البطيئة بوحدة تخزين Azure أو الإنترنت.

رسائل الاستثناء
انتهت مهلة الاتصال.

Error 0073

يحدث الاستثناء في حالة حدوث خطأ أثناء تحويل عمود إلى نوع آخر.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر تحويل العمود إلى نوع آخر. سوف تتلقى هذا الخطأ إذا كان المكون يتطلب نوعاً معيناً ولا يمكن تحويل العمود إلى النوع الجديد.

الحل: قم بتعديل مجموعة بيانات الإدخال بحيث يمكن تحويل العمود استناداً إلى الاستثناء الداخلي.

رسائل الاستثناء
فشل تحويل العمود.
فشل تحويل العمود إلى {target_type}.

Error 0075

يحدث الاستثناء عند استخدام دالة binning غير صالحة عند قياس مجموعة البيانات.

يحدث هذا الخطأ في التعلم الآلي عندما تحاول تخزين البيانات باستخدام طريقة غير مدعومة، أو عندما تكون مجموعات المعلمات غير صالحة.

التحليل:

تم تقديم معالجة الأخطاء لهذا الحدث في إصدار سابق من التعلم الآلي الذي سمح بمزيد من التخصيص لأساليب binning. تعتمد جميع طرق binning حالياً على تحديد من قائمة منسدلة، لذلك من الناحية الفنية لن يكون من الممكن الحصول على هذا الخطأ.

رسائل الاستثناء
تم استخدام دالة تجميع غير صالحة.

Error 0077

يحدث الاستثناء عند اجتياز وضع كتابة ملف blob غير معروف.

يحدث هذا الخطأ في التعلم الآلي إذا تم تمرير وسيطة غير صالحة في مواصفات وجهة ملف blob أو مصدره.

الحل: في جميع المكونات تقريباً التي تستورد البيانات أو تصدرها من موقع تخزين Azure Blob وإليه، يتم تعيين قيم المعلمات التي تتحكم في وضع الكتابة باستخدام قائمة منسدلة؛ لذلك، لا يمكن تمرير قيمة غير صالحة، ولا يجب أن يظهر هذا الخطأ. سيتم إهمال هذا الخطأ في إصدار لاحق.

رسائل الاستثناء
وضع كتابة blob غير مدعوم.
وضع كتابة blob غير مدعوم: {blob_write_mode}.

Error 0078

يحدث الاستثناء عندما يتلقى خيار HTTP لـ استيراد البيانات تعليمة برمجية حالة 3xx يشير إلى إعادة التوجيه.

يحدث هذا الخطأ في التعلم الآلي عندما يتلقى خيار HTTP لـ استيراد البيانات تعليمة برمجية حالة 3xx (301، 302، 304، إلخ) يشير إلى إعادة التوجيه. سوف تتلقى هذا الخطأ إذا حاولت الاتصال بمصدر HTTP يعيد توجيه المتصفح إلى صفحة أخرى. لأسباب تتعلق بالأمان، لا يُسمح بإعادة توجيه مواقع الويب كمصادر بيانات لـ التعلم الآلي.

الحل: إذا كان موقع الويب موقعاً موثوقاً به، فأدخل عنوان URL المُعاد توجيهه مباشرةً.

رسائل الاستثناء
إعادة توجيه Http غير مسموح به.

Error 0079

يحدث الاستثناء إذا تم تحديد اسم حاوية تخزين Azure بشكل غير صحيح.

يحدث هذا الخطأ في التعلم الآلي إذا تم تحديد اسم حاوية تخزين Azure بشكل غير صحيح. ستتلقى هذا الخطأ إذا لم تحدد كلاً من الحاوية واسم blob (ملف) باستخدام الخيار المسار إلى blob بدءاً من الحاوية عند الكتابة إلى Azure Blob Storage.

الحل: أعد زيارة مكون تصدير البيانات وتحقق من أن المسار المحدد إلى blob يحتوي على كل من الحاوية واسم الملف، بالتنسيق الحاوية/اسم الملف.

رسائل الاستثناء
اسم حاوية تخزين Azure غير صحيح.
اسم حاوية تخزين Azure "{container_name}" غير صحيح؛ كان من المتوقع وجود اسم حاوية لتنسيق الحاوية/blob.

Error 0080

يحدث الاستثناء عندما لا يسمح المكون للعمود الذي يحتوي على جميع القيم المفقودة.

ينتج هذا الخطأ في التعلم الآلي عندما يحتوي عمود واحد أو أكثر من الأعمدة التي يستهلكها المكون على جميع القيم المفقودة. على سبيل المثال، إذا كان أحد المكونات يحسب إحصائيات مجمعة لكل عمود، فلا يمكنه العمل في عمود لا يحتوي على بيانات. في مثل هذه الحالات، يتم إيقاف تنفيذ المكون مع هذا الاستثناء.

الحل: قم بإعادة زيارة مجموعة بيانات الإدخال وإزالة أي أعمدة تحتوي على جميع القيم المفقودة.

رسائل الاستثناء
الأعمدة التي تفتقد إلى جميع القيم غير مسموح بها.
جميع القيم مفقودة في العمود {col_index_or_name}.

Error 0081

يحدث الاستثناء في مكون PCA إذا كان عدد الأبعاد المطلوب تقليله يساوي عدد أعمدة الميزة في مجموعة بيانات الإدخال، والتي تحتوي على عمود ميزة متناثر واحد على الأقل.

يتم إنتاج هذا الخطأ في التعلم الآلي إذا تم استيفاء الشروط التالية: (أ) تحتوي مجموعة بيانات الإدخال على عمود متفرق واحد على الأقل و(ب) العدد النهائي للأبعاد المطلوبة هو نفسه عدد أبعاد الإدخال.

الحل: ضع في الاعتبار تقليل عدد الأبعاد في الإخراج ليكون أقل من عدد الأبعاد في الإدخال. إنه نموذجي في تطبيقات PCA.

رسائل الاستثناء
بالنسبة لمجموعة البيانات التي تحتوي على أعمدة عناصر متفرقة، يجب أن يكون عدد الأبعاد المراد تصغيرها أقل من عدد أعمدة المعالم.

Error 0082

يحدث الاستثناء عندما يتعذر إلغاء تسلسل النموذج بنجاح.

يحدث هذا الخطأ في التعلم الآلي عندما يتعذر تحميل نموذج التعلم الآلي المحفوظ أو التحويل بواسطة إصدار أحدث من وقت تشغيل التعلم الآلي نتيجة لكسر التغيير.

الحل: يجب إعادة تشغيل مسار التدريب الذي أنتج النموذج أو التحويل وإعادة حفظ النموذج أو التحويل.

رسائل الاستثناء
تعذر إلغاء تسلسل النموذج لأنه من المحتمل أن يكون متسلسلاً بتنسيق تسلسل أقدم. إعادة تدريب النموذج وإعادة حفظه.

Error 0083

يحدث الاستثناء إذا كان لا يمكن استخدام مجموعة البيانات المستخدمة للتدريب لنوع ملموس من المتعلم.

ينتج هذا الخطأ في التعلم الآلي عندما تكون مجموعة البيانات غير متوافقة مع المتعلم الذي يتم تدريبه. على سبيل المثال، قد تحتوي مجموعة البيانات على قيمة مفقودة واحدة على الأقل في كل صف، ونتيجة لذلك، سيتم تخطي مجموعة البيانات بأكملها أثناء التدريب. في حالات أخرى، لا تتوقع بعض خوارزميات التعلم الآلي، مثل اكتشاف العيوب، وجود ملصقات ويمكنها طرح هذا الاستثناء إذا كانت الملصقات موجودة في مجموعة البيانات.

الحل: راجع وثائق المتعلم المستخدمة للتحقق من متطلبات مجموعة بيانات الإدخال. افحص الأعمدة لرؤية جميع الأعمدة المطلوبة موجودة.

رسائل الاستثناء
مجموعة البيانات المستخدمة للتدريب غير صالحة.
يحتوي {data_name} على بيانات غير صالحة للتدريب.
يحتوي {data_name} على بيانات غير صالحة للتدريب. نوع المتعلم: {learner_type}.
يحتوي {data_name} على بيانات غير صالحة للتدريب. نوع المتعلم: {learner_type}. السبب: {السبب}.
فشل تطبيق الإجراء "{action_name}" على بيانات التدريب {data_name}. السبب: {السبب}.

Error 0084

يحدث الاستثناء عندما يتم تقييم الدرجات الناتجة من R Script. هذا غير مدعوم حالياً.

يحدث هذا الخطأ في التعلم الآلي إذا حاولت استخدام أحد المكونات لتقييم نموذج بإخراج من برنامج نصي R يحتوي على درجات.

التحليل:

رسائل الاستثناء
تقييم النتائج التي تم الحصول عليها بواسطة النموذج المخصص غير مدعوم حالياً.

Error 0085

يحدث الاستثناء عندما يفشل تقييم البرنامج النصي مع حدوث خطأ.

يحدث هذا الخطأ في التعلم الآلي عندما تقوم بتشغيل برنامج نصي مخصص يحتوي على أخطاء في بناء الجملة.

الحل: راجع تعليمتك البرمجية في محرر خارجي وتحقق من عدم وجود أخطاء.

رسائل الاستثناء
خطأ أثناء تقييم البرنامج النصي.
حدث الخطأ التالي أثناء تقييم البرنامج النصي، يرجى الاطلاع على سجل الإخراج لمزيد من المعلومات: ---------- بداية رسالة الخطأ من مترجم {script_language} ---------- {message} ---------- رسالة نهاية الخطأ من مترجم {script_language} ----------

Error 0090

يحدث الاستثناء عند فشل إنشاء جدول Apache Hive.

يحدث هذا الخطأ في التعلم الآلي عندما تستخدم تصدير البيانات أو خيار آخر لحفظ البيانات إلى مجموعة HDInsight ولا يمكن إنشاء جدول Apache Hive المحدد.

الحل: تحقق من اسم حساب تخزين Azure المرتبط بالمجموعة وتحقق من أنك تستخدم نفس الحساب في خصائص المكون.

رسائل الاستثناء
لا يمكن إنشاء جدول Apache Hive. بالنسبة إلى مجموعة HDInsight، يرجى التأكد من أن اسم حساب تخزين Azure المرتبط بالمجموعة هو نفسه الذي يتم تمريره عبر معلمة المكون.
لا يمكن تكوين جدول Apache Hive "{table_name}". بالنسبة إلى مجموعة HDInsight، يرجى التأكد من أن اسم حساب تخزين Azure المرتبط بالمجموعة هو نفسه الذي يتم تمريره عبر معلمة المكون.
لا يمكن تكوين جدول Apache Hive "{table_name}". بالنسبة إلى نظام مجموعة HDInsight، تأكد من أن اسم حساب تخزين Azure المرتبط بالمجموعة هو "{cluster_name}".

Error 0102

يتم طرحه عندما يتعذر استخراج ملف مضغوط.

يحدث هذا الخطأ في التعلم الآلي عندما تقوم باستيراد حزمة مضغوطة بملحق .zip، ولكن الحزمة إما ليست ملف مضغوط، أو أن الملف لا يستخدم تنسيق مضغوط مدعوم.

الحل: تأكد من أن الملف المحدد ملف .zip صالح، وأنه تم ضغطه باستخدام إحدى خوارزميات الضغط المدعومة.

إذا تلقيت هذا الخطأ عند استيراد مجموعات البيانات بتنسيق مضغوط، فتحقق من أن جميع الملفات المضمنة تستخدم أحد تنسيقات الملفات المدعومة، وأنها بتنسيق Unicode.

حاول قراءة الملفات المطلوبة في مجلد مضغوط جديد وحاول إضافة المكون المخصص مرة أخرى.

رسائل الاستثناء
نظراً لأن ملف ZIP ليس بالتنسيق الصحيح.

Error 0105

يتم عرض هذا الخطأ عندما يحتوي ملف تعريف المكون على نوع معلمة غير مدعوم

يتم إنتاج هذا الخطأ في التعلم الآلي عندما تقوم بإنشاء تعريف xml مكون مخصص ولا يتطابق نوع المعلمة أو الوسيطة في التعريف مع النوع المدعوم.

الحل: تأكد من أن خاصية النوع لأي عنصر Arg في ملف تعريف xml للمكون المخصص هي نوع مدعوم.

رسائل الاستثناء
نوع المعلمة غير مدعوم.
تم تحديد نوع معلمة غير مدعوم "{0}".

Error 0107

يتم طرحه عندما يحدد ملف تعريف مكون نوع إخراج غير مدعوم

ينتج هذا الخطأ في التعلم الآلي عندما لا يتطابق نوع منفذ الإخراج في تعريف xml للمكون المخصص مع نوع مدعوم.

الحل: تأكد من أن خاصية النوع لعنصر الإخراج في ملف تعريف xml للمكون المخصص من النوع المعتمد.

رسائل الاستثناء
نوع الإخراج غير مدعوم.
تم تحديد نوع الإخراج غير المدعوم "{output_type}".

Error 0125

يتم طرحه عند عدم تطابق مخطط مجموعات بيانات متعددة.

التحليل:

رسائل الاستثناء
مخطط مجموعة البيانات غير متطابق.

Error 0127

حجم بكسل الصورة يتجاوز الحد المسموح به

يحدث هذا الخطأ إذا كنت تقرأ صوراً من مجموعة بيانات صورة من أجل التصنيف وكانت الصور أكبر مما يمكن للنموذج التعامل معه.

رسائل الاستثناء
حجم بكسل الصورة يتجاوز الحد المسموح به.
حجم بكسل الصورة في الملف '{file_path}' يتجاوز الحد المسموح به: '{size_limit}'.

Error 0128

يتجاوز عدد الاحتمالات الشرطية للأعمدة الفئوية الحد.

التحليل:

رسائل الاستثناء
يتجاوز عدد الاحتمالات الشرطية للأعمدة الفئوية الحد.
يتجاوز عدد الاحتمالات الشرطية للأعمدة الفئوية الحد. العمودان "{column_name_or_index_1}" و"{column_name_or_index_2}" هما الزوجان الإشكاليان.

Error 0129

يتجاوز عدد الأعمدة في مجموعة البيانات الحد المسموح به.

التحليل:

رسائل الاستثناء
يتجاوز عدد الأعمدة في مجموعة البيانات الحد المسموح به.
تم تجاوز عدد الأعمدة في مجموعة البيانات في "{dataset_name}" المسموح به.
عدد الأعمدة في مجموعة البيانات في "{dataset_name}" يتجاوز الحد المسموح به لـ "{component_name}".
يتجاوز عدد الأعمدة في مجموعة البيانات في "{dataset_name}" حد "{limit_columns_count}" المسموح به وهو "{component_name}".

Error 0134

يحدث الاستثناء عندما يكون عمود التسمية مفقوداً أو يحتوي على عدد غير كافٍ من الصفوف المسماة.

يحدث هذا الخطأ عندما يتطلب المكون عمود تسمية، لكنك لم تقم بتضمين عمود في تحديد العمود، أو عندما يفتقد عمود التسمية لعدد كبير جداً من القيم.

يمكن أن يحدث هذا الخطأ أيضاً عندما تقوم عملية سابقة بتغيير مجموعة البيانات بحيث لا تتوفر صفوف كافية لعملية المصب. على سبيل المثال، لنفترض أنك تستخدم تعبيراً في مكون قسم ونموذج لتقسيم مجموعة بيانات على القيم. إذا لم يتم العثور على مطابقات للتعبير الخاص بك، فستكون إحدى مجموعات البيانات الناتجة عن القسم فارغة.

القرار:

إذا قمت بتضمين عمود تسمية في تحديد العمود ولكن لم يتم التعرُّف عليه، فاستخدم المكون تحرير بيانات التعريف لوضع علامة عليه كعمود تسمية.

بعد ذلك، يمكنك استخدام المكون مسح البيانات المفقودة لإزالة الصفوف ذات القيم المفقودة في عمود التسمية.

تحقق من مجموعات بيانات الإدخال الخاصة بك للتأكد من أنها تحتوي على بيانات صالحة، وصفوف كافية لتلبية متطلبات العملية. ستُنشئ العديد من الخوارزميات رسالة خطأ إذا كانت تتطلب بعض صفوف عدد الحد الأدنى من البيانات، ولكن تحتوي البيانات على بضعة صفوف فقط، أو تحتوي على رأس فقط.

رسائل الاستثناء
يحدث الاستثناء عندما يكون عمود التسمية مفقوداً أو يحتوي على عدد غير كافٍ من الصفوف المسماة.
يحدث الاستثناء عندما يكون عمود التسمية مفقوداً أو يحتوي على أقل من {required_rows_count} من الصفوف المسمى.
يحدث الاستثناء عندما يكون عمود التسمية في مجموعة البيانات {dataset_name} مفقوداً أو يحتوي على أقل من {required_rows_count} من الصفوف المسمى.

Error 0138

تم استنفاد الذاكرة، غير قادر على إكمال تشغيل المكون. قد يساعد اختزال مجموعة البيانات في التخفيف من حدة المشكلة.

يحدث هذا الخطأ عندما يتطلب المكون قيد التشغيل ذاكرة أكبر مما هو متاح في حاوية Azure. يمكن أن يحدث هذا إذا كنت تعمل باستخدام مجموعة بيانات كبيرة ولا يمكن احتواء العملية الحالية في الذاكرة.

الحل: إذا كنت تحاول قراءة مجموعة بيانات كبيرة ولا يمكن إتمام العملية، فقد يساعدك تصغير حجم مجموعة البيانات.

رسائل الاستثناء
تم استنفاد الذاكرة، غير قادر على إكمال تشغيل المكون.
تم استنفاد الذاكرة، غير قادر على إكمال تشغيل المكون. التفاصيل: {تفاصيل}

Error 0141

يحدث الاستثناء إذا كان عدد الأعمدة الرقمية المحددة والقيم الفريدة في الأعمدة الفئوية وأعمدة السلسلة صغيراً جداً.

يحدث هذا الخطأ في التعلم الآلي عندما لا توجد قيم فريدة كافية في العمود المحدد لتنفيذ العملية.

الحل: تقوم بعض العمليات بإجراء عمليات إحصائية على أعمدة الميزة والأعمدة الفئوية، وإذا لم تكن هناك قيم كافية، فقد تفشل العملية أو تعرض نتيجة غير صالحة. تحقق من مجموعة البيانات الخاصة بك لمعرفة عدد القيم الموجودة في أعمدة الميزة والتسمية، وتحديد ما إذا كانت العملية التي تحاول تنفيذها صالحة من الناحية الإحصائية.

إذا كانت مجموعة البيانات المصدر صالحة، فيمكنك أيضاً التحقق مما إذا كانت بعض عمليات معالجة البيانات الأولية أو عمليات بيانات التعريف قد غيرت البيانات وأزلت بعض القيم.

إذا تضمنت عمليات المنبع التقسيم أو أخذ العينات أو إعادة التشكيل، تحقق من أن المخرجات تحتوي على العدد المتوقع من الصفوف والقيم.

رسائل الاستثناء
عدد الأعمدة الرقمية المحددة والقيم الفريدة في الأعمدة الفئوية وأعمدة السلسلة صغير جداً.
يجب أن يكون العدد الإجمالي للأعمدة العددية المحددة والقيم الفريدة في الأعمدة الفئوية وأعمدة السلسلة (حالياً {القيم الفعلية}) {lower_boundary} على الأقل.

Error 0154

يحدث الاستثناء عندما يحاول المستخدم ربط البيانات في أعمدة المفاتيح بنوع عمود غير متوافق.

رسائل الاستثناء
أنواع عناصر الأعمدة الرئيسية غير متوافقة.
أنواع عناصر الأعمدة الرئيسية غير متوافقة. (يسار: {keys_left}؛ يمين: {keys_right})

Error 0155

يحدث الاستثناء عندما لا تكون أسماء أعمدة مجموعة البيانات سلسلة.

رسائل الاستثناء
يجب أن يكون اسم عمود إطار البيانات من نوع السلسلة. أسماء الأعمدة ليست سلسلة.
يجب أن يكون اسم عمود إطار البيانات من نوع السلسلة. أسماء الأعمدة {column_names} ليست سلسلة.

Error 0156

يحدث الاستثناء عند فشل قراءة البيانات من Azure SQL Database.

رسائل الاستثناء
فشلت قراءة البيانات من Azure SQL Database.
فشلت قراءة البيانات من Azure SQL Database: {Detailed_message} DB: {database_server_name}: {database_name} Query: {sql_statement}

Error 0157

لم يتم العثور على مخزن البيانات.

رسائل الاستثناء
معلومات مخزن البيانات غير صالحة.
معلومات مخزن البيانات غير صالحة. فشل الحصول على مخزن بيانات Azure التعلم الآلي '{datastore_name}' في مساحة العمل '{workspace_name}'.

Error 0158

يتم طرحه عندما يكون دليل التحويل غير صالح.

رسائل الاستثناء
نظرا TransformationDirectory غير صالح.
دليل TransformationDirectory "{arg_name}" غير صالح. السبب: {السبب}. أعد تشغيل تجربة التدريب، والتي تنشئ ملف التحويل. إذا تم حذف تجربة التدريب، يرجى إعادة إنشاء ملف التحويل وحفظه.
دليل TransformationDirectory "{arg_name}" غير صالح. السبب: {السبب}. {troubleshoot_hint}

Error 0159

يحدث الاستثناء إذا كان دليل نموذج المكون غير صالح.

رسائل الاستثناء
ModelDirectory المقدم غير صالح.
ModelDirectory "{arg_name}" غير صالح.
ModelDirectory "{arg_name}" غير صالح. السبب: {السبب}.
ModelDirectory "{arg_name}" غير صالح. السبب: {السبب}. {troubleshoot_hint}

Error 1000

استثناء مكتبة داخلية.

يتم توفير هذا الخطأ لتسجيل أخطاء المحرك الداخلية التي لم تتم معالجتها. لذلك، قد يكون سبب هذا الخطأ مختلفاً اعتماداً على المكون الذي تسبب في حدوث الخطأ.

للحصول على مزيد من المساعدة، نوصي بنشر الرسالة التفصيلية المصاحبة للخطأ في منتدى التعلم الآلي من Microsoft Azure، جنباً إلى جنب مع وصف السيناريو، بما في ذلك البيانات المستخدمة كمدخلات. ستساعدنا هذه التعليقات في تحديد أولويات الأخطاء وتحديد أهم المشكلات لمزيد من العمل.

رسائل الاستثناء
استثناء مكتبة.
استثناء مكتبة: {exception}.
استثناء مكتبة غير معروف: {exception}. {customer_support_guidance}.

تنفيذ مكوّن البرنامج النصي Python

ابحث في azureml_main في 70_driver_logs من تنفيذ مكون Python Script ويمكنك العثور على السطر الذي حدث خطأ. على سبيل المثال، يشير "ملف "/tmp/tmp01_ID/user_script.py"، السطر 17، في azureml_main" إلى حدوث الخطأ في السطر 17 من البرنامج النصي Python.

التدريب الموزع

يدعم المصمم حالياً التدريب الموزع ومكوِّن Train PyTorch Model.

إذا فشل المكون الذي مكّن التدريب الموزع بدون أي 70_driver سجلات، فيمكنك التحقق من 70_mpi_log للحصول على تفاصيل الخطأ.

يوضح المثال التالي أن عدد العقد لإعدادات التشغيل أكبر من عدد العقد المتاح لمجموعة الحوسبة.

يوضح المثال التالي أن عدد العمليات لكل عقدة أكبر من وحدة المعالجة للحساب.

بخلاف ذلك، يمكنك تحديد 70_driver_log لكل عملية. 70_driver_log_0 للعملية الرئيسية.