Řešení potíží s experimenty automatizovaného strojového učení
PLATÍ PRO:Rozšíření Azure CLI ml v2 (aktuální)Python SDK azure-ai-ml v2 (aktuální)
V této příručce se dozvíte, jak identifikovat a vyřešit problémy v experimentech automatizovaného strojového učení.
Řešení potíží s automatizovaným strojovém učením pro image a NLP v nástroji Studio
Pokud dojde k selhání úlohy automatizovaného strojového učení pro image a NLP, můžete chybu pochopit pomocí následujících kroků.
- V uživatelském rozhraní studia by úloha AutoML měla obsahovat zprávu o selhání, která značí důvod selhání.
- Další podrobnosti najdete v podřízené úloze této úlohy AutoML. Toto podřízené spuštění je úloha HyperDrivu.
- Na kartě Zkušební verze můžete zkontrolovat všechny zkušební verze provedené pro toto spuštění HyperDrivu.
- Přejděte do neúspěšné zkušební úlohy.
- Tyto úlohy by měly mít chybovou zprávu v části Stav na kartě Přehled označující důvod selhání. Pokud chcete získat další podrobnosti o selhání, vyberte Zobrazit další podrobnosti .
- Kromě toho můžete na kartě Výstupy a protokoly zobrazit std_log.txta podívat se na podrobné protokoly a trasování výjimek.
Pokud vaše spuštění automatizovaného strojového učení používá ke zkušebním verzím spuštění kanálu, postupujte podle těchto kroků, abyste pochopili chybu.
- Postupujte podle kroků 1 až 4 výše a identifikujte neúspěšnou zkušební úlohu.
- Toto spuštění by mělo zobrazit spuštění kanálu a neúspěšné uzly v kanálu jsou označené červenou barvou.
- Vyberte uzel, který selhal, v kanálu.
- Tyto úlohy by měly mít chybovou zprávu v části Stav na kartě Přehled označující důvod selhání. Pokud chcete získat další podrobnosti o selhání, vyberte Zobrazit další podrobnosti .
- Na kartě Výstupy a protokoly se můžete podívat na std_log.txta podívat se na podrobné protokoly a trasování výjimek.