Solución de problemas de experimentos de aprendizaje automático automatizado

SE APLICA A:Extensión ML de la CLI de Azure v2 (actual)SDK de Python azure-ai-ml v2 (actual)

En esta guía, aprenderá a identificar y solucionar los problemas de los experimentos de aprendizaje automático automatizado.

Solución de problemas de ML automatizado para imágenes y NLP en Studio

Si hay errores en las ejecuciones de ML automatizado para imágenes y NLP, use los pasos siguientes para comprender el error.

1. En la interfaz de usuario de Studio, el trabajo de ML automatizado debería tener un mensaje de error que indique el motivo del error.
2. Para obtener más información, vaya al trabajo secundario de este trabajo de ML automatizado. Este trabajo secundario es un trabajo de HyperDrive.
3. En la pestaña Pruebas se pueden comprobar todas las pruebas realizadas para esta ejecución de HyperDrive.
4. Vaya al trabajo de prueba con errores.
5. Estos trabajos deben tener un mensaje de error en la sección Estado de la pestaña Información general indicando el motivo del error. Seleccione Ver más detalles para obtener más detalles sobre el error.
6. Además, puede ver std_log.txt en la pestaña Salidas y registros para ver registros detallados y seguimientos de excepciones.

Si las ejecuciones de ML automatizado usan ejecuciones de canalización para las pruebas, siga estos pasos para comprender el error.

1. Siga los pasos 1 a 4 anteriores para identificar el trabajo de prueba con errores.
2. Esta ejecución debe mostrar la ejecución de canalización y los nodos con errores de la canalización se marcan con color rojo.
3. Seleccione el nodo con errores de la canalización.
4. Estos trabajos deben tener un mensaje de error en la sección Estado de la pestaña Información general indicando el motivo del error. Seleccione Ver más detalles para obtener más detalles sobre el error.
5. Consulte std_log.txt, en la pestaña Salidas y registros, para ver los registros detallados y los seguimientos de excepciones.

Pasos siguientes

• Entrenamiento de modelos de Computer Vision con aprendizaje automático automatizado.
• Entrenamiento de modelos de procesamiento del lenguaje natural con aprendizaje automático automatizado.