Környezeti problémák elhárítása

  • Cikk

Ebből a cikkből megtudhatja, hogyan háríthatja el a környezeti rendszerképek összeállításával kapcsolatos gyakori problémákat, és megismerheti az AzureML környezeti biztonsági réseit.

Aktívan keressük visszajelzését! Ha a környezetdefiníciós vagy buildelési hibaelemzési naplókon keresztül navigált erre a lapra, szeretnénk tudni, hogy a funkció hasznos volt-e Önnek, vagy olyan hibaforgatókönyvet szeretne jelenteni, amely még nem foglalkozik az elemzésünkkel. Visszajelzést is küldhet erről a dokumentációról. Hagyd itt a gondolataidat.

Azure Machine Tanulás környezetek

Az Azure Machine Tanulás környezetek annak a környezetnek a beágyazása, ahol a gépi tanulási betanítás történik. Megadják az alap Docker-rendszerképet, a Python-csomagokat és a szoftverbeállításokat a betanítási és pontozási szkriptek köré. A környezetek felügyelt és verziószámozott eszközök a gépi Tanulás munkaterületen, amelyek reprodukálható, naplózható és hordozható gépi tanulási munkafolyamatokat tesznek lehetővé különböző számítási célok között.

Környezettípusok

A környezetek három kategóriába sorolhatók: válogatott, felhasználó által felügyelt és rendszer által felügyelt.

A válogatott környezetek az Azure Machine Tanulás által felügyelt előre létrehozott környezetek, és alapértelmezés szerint minden munkaterületen elérhetők. Python-csomagokat és beállításokat tartalmazó gyűjteményeket tartalmaznak, amelyek segítenek a különböző gépi tanulási keretrendszerek használatának megkezdésében. Ezek az előre létrehozott környezetek gyorsabb üzembe helyezési időt is lehetővé teszik.

Felhasználó által felügyelt környezetekben Ön a felelős a környezet beállításáért és a betanítási szkript által igényelt összes csomag telepítéséért a számítási célon. Ügyeljen arra is, hogy a modell üzembe helyezéséhez szükséges függőségeket is tartalmazza.

Az ilyen típusú környezeteknek két altípusuk van. Az első típusnál a BYOC (saját tároló használata) egy meglévő Docker-rendszerképet hoz létre az Azure Machine Tanulás. A második típus esetében a Docker környezetalapú környezeteket hoz létre, az Azure Machine Tanulás a megadott környezetből hozza létre a rendszerképet.

Ha azt szeretné, hogy a Conda kezelje a Python-környezetet, használjon rendszer által felügyelt környezetet. Az Azure Machine Tanulás egy új izolált Conda-környezetet hoz létre azáltal, hogy a conda specifikációját egy alap Docker-rendszerképre alapozja. Az Azure Machine Tanulás alapértelmezés szerint általános funkciókat ad hozzá a származtatott rendszerképhez. Az alaprendszerképben található Python-csomagok nem érhetők el az izolált Conda-környezetben.

Környezetek létrehozása és kezelése

Olyan ügyfelekből hozhat létre és kezelhet környezeteket, mint az Azure Machine Tanulás Python SDK, az Azure Machine Tanulás CLI, az Azure Machine Tanulás Studio felhasználói felülete, a Visual Studio Code bővítmény.

A "névtelen" környezetek automatikusan regisztrálva lesznek a munkaterületen, amikor egy már meglévő környezet regisztrálása vagy hivatkozása nélkül küld el egy kísérletet. Ezek nem szerepelnek a listában, de verzió vagy címke alapján lekérheti őket.

Az Azure Machine Tanulás környezetdefiníciókat készít Docker-rendszerképekbe. Emellett gyorsítótárazza az Azure Machine Tanulás-munkaterülethez társított Azure Container Registry rendszerképeit is, hogy újra felhasználhatók legyenek a későbbi betanítási feladatokban és a szolgáltatásvégpontok üzembe helyezésében. Az azonos definícióval rendelkező környezetek ugyanazt a gyorsítótárazott lemezképet eredményezhetik.

A betanítási szkript távoli futtatásához Létre kell hozatni egy Docker-rendszerképet.

Biztonsági rések az AzureML-környezetekben

A biztonsági rések elhárításához frissítsen egy függőség újabb verziójára (alaprendszerkép, Python-csomag stb.), vagy migráljon egy másik függőségre, amely megfelel a biztonsági követelményeknek. A biztonsági rések enyhítése időigényes és költséges, mivel a kód és az infrastruktúra újrabontását igényelheti. A nyílt forráskód szoftverek elterjedtsége és a bonyolult beágyazott függőségek használata miatt fontos a biztonsági rések kezelése és nyomon követése.

A biztonsági rések hatásának csökkentésére többféleképpen is lehetőség van:

  • Csökkentse a függőségek számát – használja az egyes forgatókönyvek függőségeinek minimális készletét.
  • Különítse el a környezetet, hogy a problémákat egyetlen helyen tudja hatókörbe helyezni és kijavítani.
  • Megismerheti a megjelölt biztonsági réseket és azok a forgatókönyv szempontjából való relevanciáját.

Biztonsági rések keresése

A Microsoft Defender tárolóregisztrációs adatbázisával figyelheti és tarthatja karban a környezet higiéniát, hogy a rendszerképek biztonsági réseket kereshessenek.

Ha a Microsoft Defender eseményindítói alapján szeretné automatizálni ezt a folyamatot, olvassa el a Felhőhöz készült Microsoft Defender eseményindítókra adott válaszok automatizálása című témakört.

Biztonsági rések és reprodukálhatóság

A reprodukálhatóság a szoftverfejlesztés egyik alapja. Éles kód fejlesztésekor egy ismétlődő műveletnek ugyanazt az eredményt kell garantálnia. A biztonsági rések enyhítése a függőségek módosításával megzavarhatja a reprodukálhatóságot.

Az Azure Machine Tanulás elsődleges célja a reprodukálhatóság biztosítása. A környezetek három kategóriába sorolhatók: válogatott, felhasználó által felügyelt és rendszer által felügyelt.

Válogatott környezetek

A válogatott környezetek olyan előre létrehozott környezetek, amelyeket az Azure Machine Tanulás felügyel, és alapértelmezés szerint minden kiépített Azure Machine-Tanulás-munkaterületen elérhetők. Az Azure Machine Tanulás új verziókat ad ki a biztonsági rések kezelésére. A legújabb rendszerkép használata kompromisszumot jelenthet a reprodukálhatóság és a biztonságirés-kezelés között.

A válogatott környezetek Python-csomagok és -beállítások gyűjteményeit tartalmazzák, amelyek segítenek a különböző gépi tanulási keretrendszerek használatának megkezdésében. Úgy kell használnia őket, ahogy van. Ezek az előre létrehozott környezetek gyorsabb üzembe helyezési időt is lehetővé teszik.

Felhasználó által felügyelt környezetek

A felhasználó által felügyelt környezetekben Ön a felelős a környezet beállításáért és a betanítási szkripthez szükséges összes csomag telepítéséért a számítási célon és a modell üzembe helyezéséért. Az ilyen típusú környezetek két altípust különböztetnek meg:

  • BYOC (saját tároló használata): a felhasználó Docker-rendszerképet biztosít az Azure Machine Tanulás
  • Docker buildkörnyezet: Az Azure Machine Tanulás a felhasználó által megadott tartalomból hozza létre a rendszerképet

Ha több függőséget telepít egy Microsoft által biztosított rendszerképre, vagy saját alaprendszerképet hoz létre, biztonságirés-kezelés lesz az Ön felelőssége.

Rendszer által felügyelt környezetek

Rendszer által felügyelt környezeteket használ, amikor azt szeretné, hogy a Conda kezelje a Python-környezetet. Az Azure Machine Tanulás egy új izolált Conda-környezetet hoz létre azáltal, hogy a conda specifikációját egy alap Docker-rendszerképre alapozja. Bár az Azure Machine Tanulás az alaprendszerképeket minden kiadással kijavítja, a legújabb rendszerkép használata kompromisszumot jelenthet a reprodukálhatóság és a biztonságirés-kezelés között. Ezért az Ön felelőssége, hogy a rendszer által felügyelt környezetek használata közben válassza ki a feladatokhoz vagy modelltelepítésekhez használt környezeti verziót.

Biztonsági rések: Gyakori problémák

A Docker-rendszerképek biztonsági rései

A rendszer biztonsági rései általában az alaprendszerképből származnak. Az "Ubuntu" vagy a "Debian" jelöléssel ellátott biztonsági rések például a környezet rendszerszintéről származnak– ez az alap Docker-rendszerkép. Ha az alaprendszerkép külső kiállítótól származik, ellenőrizze, hogy a legújabb verzió javította-e a megjelölt biztonsági réseket. Az Azure Machine Tanulás alaprendszerképeinek leggyakoribb forrásai a következők:

  • Microsoft Eszközjegyzék (MAR) más néven Microsoft Container Registry (mcr.microsoft.com).
    • A képek a MAR kezdőlapjáról, a katalógus API meghívásával vagy a /tags/listából adhatók meg
    • Az AzureML-ből származó betanítási alaprendszerképek forrás- és kibocsátási megjegyzései az Azure/AzureML-Containersben találhatók
  • Nvidia (nvcr.io vagy nvidia profilja)

Ha az alaprendszerkép legújabb verziója nem oldja meg a biztonsági réseket, az alaprendszerkép biztonsági réseit a biztonsági rések vizsgálatával javasolt verziók telepítésével háríthatja el:

apt-get install -y library_name

A Python-csomagok biztonsági rései

A biztonsági rések a rendszer által felügyelt alaprendszerképre telepített Python-csomagokból is származhatnak. Ezeket a Pythonnal kapcsolatos biztonsági réseket a Python-függőségek frissítésével kell elhárítani. A python (pip) biztonsági rései általában felhasználó által meghatározott függőségekből származnak.

Az ismert Python-biztonsági rések és megoldások kereséséhez tekintse meg a GitHub Advisory Database-t. A Python biztonsági réseinek kezeléséhez frissítse a csomagot arra a verzióra, amely javította a megjelölt problémát:

pip install -u my_package=={good.version}

Conda-környezet használata esetén frissítse a conda függőségek fájlban található hivatkozást.

Bizonyos esetekben a Python-csomagok automatikusan települnek, amikor a Conda beállítja a környezetet egy alapSzintű Docker-rendszerképen. A megoldási lépések ugyanazok, mint a felhasználó által bevezetett csomagok esetében. A Conda minden olyan környezethez telepíti a szükséges függőségeket, amit létrehoz. Az olyan csomagok, mint a titkosítás, a telepítők, a kerék stb. automatikusan telepítve lesznek a Conda alapértelmezett csatornáiról. Ismert probléma van azzal kapcsolatban, hogy az alapértelmezett anaconda-csatorna nem tartalmazza a legújabb csomagverziókat, ezért ajánlott a közösség által fenntartott Conda-Forge csatornát rangsorolni. Ellenkező esetben explicit módon adja meg a csomagokat és a verziókat, még akkor is, ha nem hivatkozik rájuk az adott környezetben végrehajtandó kódban.

Gyorsítótárral kapcsolatos problémák

Az Azure Machine Tanulás-munkaterülethez egy Azure Container Registry-példány tartozik, amely tárolólemezképek gyorsítótára. A rendszer minden materializált lemezképet leküld a tárolóregisztrációs adatbázisba, és akkor használja, ha kísérletezést vagy üzembe helyezést indít el a megfelelő környezethez. Az Azure Machine Tanulás nem törli a lemezképeket a tárolóregisztrációs adatbázisból, és az Ön felelőssége annak kiértékelése, hogy mely rendszerképeket kell fenntartania az idő múlásával.

Környezeti rendszerképek buildjeinek hibaelhárítása

Megtudhatja, hogyan háríthatja el a környezeti rendszerképek összeállításával és a csomagtelepítésekkel kapcsolatos problémákat.

Környezetdefiníciós problémák

Környezetnévvel kapcsolatos problémák

A válogatott előtag nem engedélyezett

Ez a probléma akkor fordulhat elő, ha az egyéni környezet neve csak válogatott környezetekhez fenntartott feltételeket használ. A válogatott környezetek a Microsoft által fenntartott környezetek. Az egyéni környezetek olyan környezetek, amelyeket ön hoz létre és tart fenn.

Lehetséges okok:

  • A környezet neve a Microsofttal vagy az AzureML-sel kezdődik

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Frissítse a környezet nevét, hogy kizárja a jelenleg használt fenntartott előtagot

Erőforrások

A környezet neve túl hosszú

Lehetséges okok:

  • A környezet neve hosszabb, mint 255 karakter

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

A környezet nevének frissítése legfeljebb 255 karakterre

Docker-problémák

A KÖVETKEZŐre vonatkozik: Azure CLI ml-bővítmény 1-es verzió

ÉRVÉNYES:Python SDK azureml v1

Új környezet létrehozásához az alábbi módszerek egyikét kell használnia (lásd: DockerSection):

  • Alaprendszerkép
    • Adja meg az alaprendszerkép nevét, az adattárat, amelyből lekérheti, és szükség esetén hitelesítő adatokat
    • Conda-specifikáció megadása
  • Alapszintű Dockerfile
    • Dockerfile megadása
    • Conda-specifikáció megadása
  • A Docker buildkörnyezete
    • Adja meg a buildkörnyezet helyét (URL- cím)
    • A buildkörnyezetnek legalább Docker-fájlt kell tartalmaznia, de más fájlokat is tartalmazhat

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

Új környezet létrehozásához az alábbi módszerek egyikét kell használnia:

  • Docker-rendszerkép
    • Adja meg a lemezkép URI-ját egy beállításjegyzékben, például a Docker Hubban vagy az Azure Container Registryben
    • Minta itt
  • A Docker buildkörnyezete
    • Adja meg a buildkörnyezetként szolgáló könyvtárat
    • A könyvtárnak tartalmaznia kell egy Dockerfile-t és a rendszerkép létrehozásához szükséges egyéb fájlokat
    • Minta itt
  • Conda specifikáció
    • Meg kell adnia egy alap Docker-rendszerképet a környezethez; Az Azure Machine Tanulás a conda környezetet a megadott Docker-rendszerkép fölé építi
    • Adja meg a conda fájl relatív elérési útját
    • Minta itt

Hiányzó Docker-definíció

ÉRVÉNYES:Python SDK azureml v1

Ez a probléma akkor fordulhat elő, ha a környezetdefiníció hiányzik egy DockerSection. Ez a szakasz a környezet specifikációjából létrehozott végső Docker-lemezképhez kapcsolódó beállításokat konfigurálja.

Lehetséges okok:

  • Nem adta meg a DockerSection környezetdefiníciót

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Adjon hozzá egy DockerSection környezeti definíciót, amely meghatározza az alaprendszerképet, az alap dockerfile-t vagy a docker buildkörnyezetet.

from azureml.core import Environment
myenv = Environment(name="myenv")
# Specify docker steps as a string.
dockerfile = r'''
FROM mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
RUN echo "Hello from custom container!"
'''

myenv.docker.base_dockerfile = dockerfile

Erőforrások

Túl sok Docker-beállítás

Lehetséges okok:

ÉRVÉNYES:Python SDK azureml v1

Több Docker-beállítás is meg van adva a környezetdefinícióban

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

Több Docker-beállítás is meg van adva a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Válassza ki, hogy melyik Docker-beállítást szeretné használni a környezet létrehozásához. Ezután állítsa az összes többi megadott beállítást a None (Nincs) értékre.

ÉRVÉNYES:Python SDK azureml v1

from azureml.core import Environment
myenv = Environment(name="myEnv")
dockerfile = r'''
FROM mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
RUN echo "Hello from custom container!"
'''
myenv.docker.base_dockerfile = dockerfile
myenv.docker.base_image = "pytorch/pytorch:latest"

# Having both base dockerfile and base image set will cause failure. Delete the one you won't use.
myenv.docker.base_image = None

Hiányzó Docker-beállítás

Lehetséges okok:

A környezetdefinícióban nem adta meg az alábbi lehetőségek egyikét

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

A környezetdefinícióban nem adta meg az alábbi lehetőségek egyikét

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Válassza ki, hogy melyik Docker-beállítást szeretné használni a környezet létrehozásához, majd töltse ki ezt a beállítást a környezetdefinícióban.

ÉRVÉNYES:Python SDK azureml v1

from azureml.core import Environment
myenv = Environment(name="myEnv")
myenv.docker.base_image = "pytorch/pytorch:latest"

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

env_docker_image = Environment(
    image="pytorch/pytorch:latest",
    name="docker-image-example",
    description="Environment created from a Docker image.",
)
ml_client.environments.create_or_update(env_docker_image)

Erőforrások

A tárolóregisztrációs adatbázis hitelesítő adataiból hiányzik a felhasználónév vagy a jelszó

Lehetséges okok:

  • A környezetdefinícióban felhasználónevet vagy jelszót adott meg a tárolóregisztrációs adatbázishoz, de mindkettőt nem.

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Adja hozzá a hiányzó felhasználónevet vagy jelszót a környezet definíciójához a probléma megoldásához

myEnv.docker.base_image_registry.username = "username"

Másik lehetőségként adjon meg hitelesítést munkaterület-kapcsolatokon keresztül 

from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

Munkaterület-kapcsolat létrehozása YAML-specifikációs fájlból

az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace

Feljegyzés

  • A környezetdefiníció hitelesítő adatainak megadása már nem támogatott. Használjon inkább munkaterület-kapcsolatokat.

Erőforrások

Több hitelesítő adat az alaprendszerkép-beállításjegyzékhez

Lehetséges okok:

  • Több hitelesítő adatot adott meg az alaprendszerkép-beállításjegyzékhez

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Ha munkaterületi kapcsolatokat használ, tekintse meg a beállított kapcsolatokat, és törölje azt, amelyiket nem szeretné használni

from azureml.core import Workspace
ws = Workspace.from_config()
ws.list_connections()
ws.delete_connection("myConnection2")

Ha hitelesítő adatokat adott meg a környezetdefinícióban, válasszon egy használandó hitelesítőadat-készletet, és állítsa az összes többit null értékre

myEnv.docker.base_image_registry.registry_identity = None

Feljegyzés

  • A környezetdefiníció hitelesítő adatainak megadása már nem támogatott. Használjon inkább munkaterület-kapcsolatokat.

Erőforrások

Titkos kódok az alaprendszerkép-beállításjegyzékben

Lehetséges okok:

  • Hitelesítő adatokat adott meg a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

A hitelesítő adatok megadása a környezetdefinícióban már nem támogatott. Törölje a hitelesítő adatokat a környezet definíciójából, és használjon inkább munkaterület-kapcsolatokat.

ÉRVÉNYES:Python SDK azureml v1

Munkaterület-kapcsolat beállítása a munkaterületen

from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

Munkaterület-kapcsolat létrehozása YAML-specifikációs fájlból

az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace

Erőforrások

Elavult Docker-attribútum

Lehetséges okok:

  • A környezetdefinícióban olyan Docker-attribútumokat adott meg, amelyek elavultak
  • A következők elavult tulajdonságok:
    • enabled
    • arguments
    • shared_volumes
    • gpu_support
      • Az Azure Machine Tanulás mostantól automatikusan észleli és használja az NVIDIA Docker bővítményt, ha elérhető
    • smh_size

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Ahelyett, hogy ezeket az attribútumokat a környezetdefinícióban adja meg, használja a DockerSection DockerConfiguration parancsot

Erőforrások

  • Elavult változók megtekintése DockerSection

A Dockerfile hossza meghaladja a korlátot

Lehetséges okok:

  • A megadott Dockerfile túllépte a 100 KB-os maximális méretet

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Rövidítse le a Dockerfile-t, hogy a korlát alatt legyen

Erőforrások

  • Ajánlott eljárások megtekintése

A Docker buildkörnyezeti problémái

Hiányzik a Docker buildkörnyezetének helye

Lehetséges okok:

  • Nem adta meg a buildkörnyezet könyvtárának elérési útját a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

Győződjön meg arról, hogy tartalmazza a buildkörnyezet elérési útját

Erőforrások

Hiányzó Dockerfile-elérési út

Ez a probléma akkor fordulhat elő, ha az Azure Machine Tanulás nem találja a Dockerfile-t. Alapértelmezés szerint az Azure Machine Tanulás egy Dockerfile nevű Docker-fájlt keres a buildkörnyezet könyvtárának gyökerében, hacsak nem ad meg dockerfile elérési utat.

Lehetséges okok:

  • A Dockerfile nem a buildkörnyezet könyvtárának gyökerében található, és/vagy nem a "Dockerfile" nevet kapta, és nem adta meg az elérési útját

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

build_context A DockerSection elemben adjon meg egydockerfile_path

Erőforrások

Nem adható meg attribútum a Docker buildkörnyezetében

Ez a probléma akkor fordulhat elő, ha olyan tulajdonságokat adott meg a környezetdefinícióban, amelyek nem vehetők fel a Docker buildkörnyezetébe.

Lehetséges okok:

  • Megadott egy Docker-buildkörnyezetet, valamint a környezetdefinícióban szereplő alábbi tulajdonságok közül legalább egyet:
    • Környezeti változók
    • Conda-függőségek
    • R
    • Spark

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Ha a fenti tulajdonságok bármelyikét megadta a környezetdefinícióban, távolítsa el őket

  • Ha Docker-buildkörnyezetet használ, és conda-függőségeket szeretne megadni, a conda-specifikációnak a buildkörnyezet könyvtárában kell lennie

Erőforrások

A hely típusa nem támogatott/Ismeretlen helytípus

Lehetséges okok:

  • Olyan helytípust adott meg a Docker buildkörnyezetéhez, amely nem támogatott vagy ismeretlen

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Az elfogadott helytípusok a következők:

Erőforrások

Érvénytelen hely

Lehetséges okok:

  • A Docker-buildkörnyezet megadott helye érvénytelen

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Olyan forgatókönyvek esetén, amelyekben a Docker buildkörnyezetét tárfiókban tárolja

  • Meg kell adnia a buildkörnyezet elérési útját a következőként:

    https://<storage-account>.blob.core.windows.net/<container>/<path>

  • Győződjön meg arról, hogy a megadott hely érvényes URL-cím

  • Győződjön meg arról, hogy megadott egy tárolót és egy elérési utat

Erőforrások

Alaprendszerképekkel kapcsolatos problémák

Az alaprendszerkép elavult

Lehetséges okok:

  • Elavult alaprendszerképet használt
    • Az Azure Machine Tanulás nem tud hibaelhárítási támogatást nyújtani az elavult rendszerképekkel rendelkező sikertelen buildekhez
    • Az Azure Machine Tanulás nem frissíti és nem tartja karban ezeket a rendszerképeket, ezért biztonsági rések fenyegetik őket

A következő alapképek elavultak:

  • azureml/base
  • azureml/base-gpu
  • azureml/base-lite
  • azureml/intelmpi2018.3-cuda10.0-cudnn7-ubuntu16.04
  • azureml/intelmpi2018.3-cuda9.0-cudnn7-ubuntu16.04
  • azureml/intelmpi2018.3-ubuntu16.04
  • azureml/o16n-base/python-slim
  • azureml/openmpi3.1.2-cuda10.0-cudnn7-ubuntu16.04
  • azureml/openmpi3.1.2-ubuntu16.04
  • azureml/openmpi3.1.2-cuda10.0-cudnn7-ubuntu18.04
  • azureml/openmpi3.1.2-cuda10.1-cudnn7-ubuntu18.04
  • azureml/openmpi3.1.2-cuda10.2-cudnn7-ubuntu18.04
  • azureml/openmpi3.1.2-cuda10.2-cudnn8-ubuntu18.04
  • azureml/openmpi3.1.2-ubuntu18.04
  • azureml/openmpi4.1.0-cuda11.0.3-cudnn8-ubuntu18.04
  • azureml/openmpi4.1.0-cuda11.1-cudnn8-ubuntu18.04

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Alaprendszerkép frissítése a támogatott rendszerképek legújabb verziójára

Nincs címke vagy kivonat

Lehetséges okok:

  • Nem tartalmazott verziócímkét vagy kivonatot a megadott alaprendszerképen
  • Ezen meghatározók nélkül a környezet nem reprodukálható

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Adja meg legalább az alábbi meghatározók egyikét az alaprendszerképen

  • Verziócímke
  • Digest
  • Nem módosítható azonosítójú kép megtekintése

Környezeti változókkal kapcsolatos problémák

Helytelen helyű futásidejű változók

Lehetséges okok:

  • Futásidejű változókat adott meg a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Használja inkább az environment_variables attribútumot a RunConfiguration objektumon

Python-problémák

Python-szakasz hiányzik

Lehetséges okok:

  • A környezetdefiníció nem rendelkezik Python-szakaszsal

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Töltse ki a környezetdefiníció Python-szakaszát

Python-verzió hiányzik

Lehetséges okok:

  • Nem adott meg Python-verziót a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Python hozzáadása conda-csomagként, és adja meg a verziót

from azureml.core.environment import CondaDependencies

myenv = Environment(name="myenv")
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

Ha YAML-t használ a conda specifikációjához, vegye fel a Pythont függőségként

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - azureml-defaults
channels:
  - anaconda

Több Python-verzió

Lehetséges okok:

  • Több Python-verziót adott meg a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Válassza ki a használni kívánt Python-verziót, és távolítsa el az összes többi verziót

myenv.python.conda_dependencies.remove_conda_package("python=3.8")

Ha YAML-t használ a conda specifikációjához, csak egy Python-verziót adjon meg függőségként

A Python-verzió nem támogatott

Lehetséges okok:

  • Olyan Python-verziót adott meg, amely az élettartam végén vagy annak közelében van, és már nem támogatott

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Adjon meg egy olyan Python-verziót, amely nem érte el az élettartamát, és nem közeledik az élettartamához

Lehetséges okok:

  • Olyan Python-verziót adott meg, amely az élettartam végén vagy annak közelében van

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Adjon meg egy olyan Python-verziót, amely nem érte el az élettartamát, és nem közeledik az élettartamához

Nem sikerült ellenőrizni a Python-verziót

Lehetséges okok:

  • Helytelen szintaxisú vagy helytelen formázású Python-verziót adott meg

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Python-verzió megadása az SDK-val a megfelelő szintaxis használatával

myenv.python.conda_dependencies.add_conda_package("python=3.8")

Python-verzió megadása a conda YAML-ben megfelelő szintaxissal

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - azureml-defaults
channels:
  - anaconda

Erőforrások

Conda-problémák

Hiányzó conda-függőségek

Lehetséges okok:

  • Nem adott meg conda-specifikációt a környezetdefinícióban, és user_managed_dependencies az alapértelmezett értékre False van állítva

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Ha nem szeretné, hogy az Azure Machine Tanulás hozzon létre egy Python-környezetet az conda_dependencies,user_managed_dependenciesTrue

env.python.user_managed_dependencies = True
  • Önnek kell gondoskodnia arról, hogy az összes szükséges csomag elérhető legyen abban a Python-környezetben, amelyben a szkript futtatását választja

Ha azt szeretné, hogy az Azure Machine Tanulás conda-specifikáció alapján hozzon létre Egy Python-környezetet, töltse ki conda_dependencies a környezet definícióját

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

Meg kell adnia egy alap Docker-rendszerképet a környezethez, és az Azure Machine Tanulás majd a conda környezetet a rendszerkép fölé építi

Erőforrások

Érvénytelen conda-függőségek

Lehetséges okok:

  • Helytelenül formázta a környezetdefinícióban megadott conda függőségeket

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

ÉRVÉNYES:Python SDK azureml v1

Győződjön meg arról, hogy conda_dependencies a conda függőségek YAML-struktúrájának JSONified verziója

"condaDependencies": {
    "channels": [
    "anaconda",
        "conda-forge"
    ],
    "dependencies": [
        "python=3.8",
        {
            "pip": [
                "azureml-defaults"
            ]
        }
    ],
    "name": "project_environment"
}

Conda-függőségeket is megadhat a add_conda_package metódussal

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

Meg kell adnia egy alap Docker-rendszerképet a környezethez, és az Azure Machine Tanulás majd a conda környezetet a rendszerkép fölé építi

Erőforrások

Hiányzó conda-csatornák

Lehetséges okok:

  • Nem adott meg conda-csatornákat a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

A környezet reprodukálhatóságához adja meg azokat a csatornákat, amelyekből lekérheti a függőségeket. Ha nem ad meg conda-csatornákat, a Conda az alapértelmezett beállításokat használja, amelyek változhatnak.

ÉRVÉNYES:Python SDK azureml v1

Conda-csatorna hozzáadása a Python SDK használatával

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
conda_dep = CondaDependencies()
conda_dep.add_channel("conda-forge")
env.python.conda_dependencies = conda_dep

Ha YAML-t használ a conda specifikációjához, adja meg a használni kívánt Conda-csatornát

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - azureml-defaults
channels:
  - anaconda
  - conda-forge

Erőforrások

Lehetséges okok:

  • Alap conda-környezetet adott meg a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

A részleges környezeti frissítések függőségi ütközésekhez és/vagy váratlan futásidejű hibákhoz vezethetnek, ezért az alap conda-környezetek használata nem ajánlott.

ÉRVÉNYES:Python SDK azureml v1

Távolítsa el az alap conda környezetet, és adja meg a környezethez szükséges összes csomagot a conda_dependencies környezetdefiníció szakaszában

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
env.python.base_conda_environment = None
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)

Környezet definiálása szabványos conda YAML-konfigurációs fájl használatával

Erőforrások

Nem rögzített függőségek

Lehetséges okok:

  • Nem adott meg verziókat bizonyos csomagokhoz a Conda specifikációjában

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Ha nem ad meg függőségi verziót, a conda csomagfeloldó a csomag másik verzióját is választhatja ugyanahhoz a környezethez tartozó későbbi buildeken. Ez megszakítja a környezet reprodukálhatóságát, és váratlan hibákhoz vezethet.

ÉRVÉNYES:Python SDK azureml v1

Verziószámozás, ha csomagokat ad hozzá a Conda specifikációjához

from azureml.core.environment import CondaDependencies

conda_dep = CondaDependencies()
conda_dep.add_conda_package("numpy==1.24.1")

Ha YAML-t használ a conda specifikációjához, adja meg a függőségek verzióit

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - numpy=1.24.1
channels:
  - anaconda
  - conda-forge

Erőforrások

Pip-problémák

Pip nincs megadva

Lehetséges okok:

  • Nem adta meg a pipet függőségként a conda specifikációjában

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

A reprodukálhatóság érdekében a conda specifikációban meg kell adnia és rögzítenie kell a pipet függőségként.

ÉRVÉNYES:Python SDK azureml v1

Adja meg a pipet függőségként, valamint annak verzióját

env.python.conda_dependencies.add_conda_package("pip==22.3.1")

Ha YAML-t használ a conda specifikációjához, adja meg a pipet függőségként

name: project_environment
dependencies:
  - python=3.8
  - pip=22.3.1
  - pip:
      - numpy=1.24.1
channels:
  - anaconda
  - conda-forge

Erőforrások

Pip nincs rögzítve

Lehetséges okok:

  • Nem adta meg a pip verzióját a conda specifikációjában

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Ha nem ad meg pip-verziót, előfordulhat, hogy egy másik verziót használ ugyanazon környezet későbbi buildjeihez. Ez a viselkedés reprodukálhatósági problémákat és egyéb váratlan hibákat okozhat, ha a pip különböző verziói másképp oldják meg a csomagokat.

ÉRVÉNYES:Python SDK azureml v1

Pip-verzió megadása a conda-függőségekben

env.python.conda_dependencies.add_conda_package("pip==22.3.1")

Ha YAML-t használ a conda specifikációjához, adjon meg egy verziót a piphez

name: project_environment
dependencies:
  - python=3.8
  - pip=22.3.1
  - pip:
      - numpy=1.24.1
channels:
  - anaconda
  - conda-forge

Erőforrások

Egyéb környezeti problémák

Az R szakasz elavult

Lehetséges okok:

  • Megadott egy R-szakaszt a környezetdefinícióban

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Az Azure Machine Tanulás SDK for R 2021 végén elavult, hogy az Azure CLI v2 használatával jobb R-betanítási és üzembe helyezési élményt nyújtsunk

ÉRVÉNYES:Python SDK azureml v1

Az R szakasz eltávolítása a környezetdefinícióból

env.r = None

Az R-modellek azure CLI v2 használatával történő betanításának megkezdéséhez tekintse meg a mintaadattárat

Nincs definíció a környezethez

Lehetséges okok:

  • Olyan környezetet adott meg, amely nem létezik vagy nincs regisztrálva
  • Hibás vagy szintaktikai hiba történt a környezet nevének vagy a környezet verziójának megadásakor

Érintett területek (hibajelenségek):

  • Hiba a környezet regisztrálásakor

Hibaelhárítási lépések

Győződjön meg arról, hogy helyesen adja meg a környezet nevét, valamint a megfelelő verziót

  • path-to-resource:version-number

A környezet "legújabb" verzióját más módon kell megadnia

  • path-to-resource@latest

Kép összeállítási problémái

ACR-problémák

Az ACR nem érhető el

Ez a probléma akkor fordulhat elő, ha egy munkaterület társított Azure Container Registry-erőforrásának (ACR) elérése sikertelen.

Lehetséges okok:

  • A munkaterület ACR-címe egy virtuális hálózat (VNet) (privát végpont vagy szolgáltatásvégpont) mögött található, és nem használ számítási fürtöt lemezképek létrehozásához.
  • A munkaterület ACR-címe egy virtuális hálózat (virtuális hálózat) (privát végpont vagy szolgáltatásvégpont) mögött található, és a rendszerképek készítéséhez használt számítási fürtnek nincs hozzáférése a munkaterület ACR-éhez.

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.
  • Folyamatfeladatok hibái.
  • Modelltelepítési hibák.

Hibaelhárítási lépések

  • Ellenőrizze, hogy a számítási fürt virtuális hálózata hozzáfér-e a munkaterület ACR-éhez.
  • Győződjön meg arról, hogy a számítási fürt processzoralapú.

Feljegyzés

  • Csak Azure Machine Learning számítási fürtök támogatottak. Számítási, Azure Kubernetes Service (AKS) és egyéb példánytípusok nem támogatottak a rendszerkép-buildelés számításához.

Erőforrások

Váratlan Dockerfile formátum

Ez a probléma akkor fordulhat elő, ha a Dockerfile helytelenül van formázva.

Lehetséges okok:

  • A Dockerfile érvénytelen szintaxist tartalmaz
  • A Dockerfile olyan karaktereket tartalmaz, amelyek nem kompatibilisek az UTF-8-tal

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Feladatfuttatások is meghiúsulnak, mert első lépésként implicit módon buildelnék a környezetet.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy a Dockerfile megfelelően van formázva, és UTF-8-ban van kódolva

Erőforrások

A Docker lekérési problémái

Nem sikerült lekérni a Docker-rendszerképet

Ez a probléma akkor fordulhat elő, ha egy Docker-rendszerkép lekérése meghiúsul egy kép összeállítása során.

Lehetséges okok:

  • A tárolóregisztrációs adatbázis elérési útja helytelen
  • A virtuális hálózat mögötti tárolóregisztrációs adatbázis privát végpontot használ egy nem támogatott régióban
  • A hivatkozni kívánt rendszerkép nem létezik a megadott tárolóregisztrációs adatbázisban
  • Nem adott meg hitelesítő adatokat a rendszerképet lekérni próbáló magánregisztrációs adatbázishoz, vagy a megadott hitelesítő adatok helytelenek

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Ellenőrizze, hogy a tárolóregisztrációs adatbázis elérési útja helyes-e

Ha a tárolóregisztrációs adatbázis egy virtuális hálózat mögött található, vagy magánvégpontot használ egy nem támogatott régióban

  • Konfigurálja a tárolóregisztrációs adatbázist a szolgáltatásvégpont (nyilvános hozzáférés) használatával a portálról, és próbálkozzon újra
  • Miután a tárolóregisztrációs adatbázist egy virtuális hálózat mögé helyezte, futtassa az Azure Resource Manager-sablont , hogy a munkaterület kommunikálni tudjon a tárolóregisztrációs adatbázispéldánysal

Ha a hivatkozni kívánt rendszerkép nem létezik a megadott tárolóregisztrációs adatbázisban

  • Ellenőrizze, hogy a megfelelő címkét használta-e, és hogy be van-e Trueállítvauser_managed_dependencies. A conda letiltása és True a felhasználó telepített csomagjainak használata user_managed_dependencies beállítása

Ha nem adott meg hitelesítő adatokat a lekérni kívánt magánregisztrációs adatbázishoz, vagy a megadott hitelesítő adatok helytelenek

  • Munkaterület-kapcsolatok beállítása a tárolóregisztrációs adatbázishoz, ha szükséges

Erőforrások

I/O-hiba

Ez a probléma akkor fordulhat elő, ha egy Docker-rendszerkép lekérése hálózati probléma miatt meghiúsul.

Lehetséges okok:

  • Hálózati kapcsolattal kapcsolatos probléma, amely ideiglenes lehet
  • A tűzfal blokkolja a kapcsolatot
  • Az ACR nem érhető el, és van hálózati elkülönítés. További információ: Az ACR nem érhető el.

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Gazdagép hozzáadása a tűzfalszabályokhoz

  • A bejövő és kimenő hálózati forgalom konfigurálását ismertető cikkből megtudhatja, hogyan használhatja az Azure Firewallt a virtuális hálózat mögötti munkaterülethez és erőforrásokhoz

Értékelje a munkaterület beállítását. Virtuális hálózatot használ, vagy a virtuális hálózat mögötti rendszerkép összeállítása során elérni kívánt erőforrások bármelyikét?

Ha nem virtuális hálózatot használ, vagy ha megfelelően konfigurálta

  • Próbálja újraépíteni a rendszerképet. Ha az időtúllépés hálózati probléma miatt történt, a probléma átmeneti lehet, és az újraépítés megoldhatja a problémát

Conda-problémák a buildelés során

Rossz specifikáció

Ez a probléma akkor fordulhat elő, ha a conda specifikációjában felsorolt csomag érvénytelen, vagy ha helytelenül hajtott végre egy conda parancsot.

Lehetséges okok:

  • A conda specifikációban használt szintaxis helytelen
  • Helytelenül hajt végre conda parancsot

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Conda-specifikációs hibák akkor fordulhatnak elő, ha helytelenül használja a conda create parancsot

  • Olvassa el a dokumentációt, és győződjön meg arról, hogy érvényes beállításokat és szintaxist használ
  • A vs conda env createconda create. A Conda válaszáról és más felhasználók ismert megoldásairól itt olvashat bővebben

A sikeres buildelés érdekében győződjön meg arról, hogy megfelelő szintaxist és érvényes csomagspecifikációt használ a conda yamlben

Kommunikációs hiba

Ez a probléma akkor fordulhat elő, ha nem sikerül kommunikálni azzal az entitással, amelyről le szeretné tölteni a conda specifikációjában felsorolt csomagokat.

Lehetséges okok:

  • Conda-csatornával vagy csomagtárházzal nem sikerült kommunikálni
  • Ezek a hibák átmeneti hálózati hibákból adódhatnak

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Győződjön meg arról, hogy a conda specifikációban használt conda-csatornák/adattárak helyesek

  • Ellenőrizze, hogy léteznek-e, és hogy helyesen írta-e őket

Ha a conda-csatornák/adattárak helyesek

  • Próbálja újraépíteni a lemezképet – fennáll annak az esélye, hogy a hiba átmeneti, és az újraépítés megoldhatja a problémát
  • Ellenőrizze, hogy a conda specifikációban felsorolt csomagok léteznek-e a megadott csatornákban/adattárakban

Fordítási hiba

Ez a probléma akkor fordulhat elő, ha egy fordítási hiba miatt a Conda-környezethez szükséges csomag létrehozása meghiúsul.

Lehetséges okok:

  • Helytelenül írt egy csomagot, ezért nem lett felismerve
  • Hiba történt a fordítóval

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Fordító használata esetén

  • Győződjön meg arról, hogy a használt fordító felismerve van
  • Szükség esetén adjon hozzá egy telepítési lépést a Dockerfile-hoz
  • Ellenőrizze a fordító verzióját, és ellenőrizze, hogy az összes használt parancs vagy beállítás kompatibilis-e a fordító verziójával
  • Szükség esetén frissítse a fordítóverziót

Ellenőrizze, hogy helyesen írta-e az összes felsorolt csomagot, és hogy helyesen rögzítette-e a verziókat

Erőforrások

Hiányzó parancs

Ez a probléma akkor fordulhat elő, ha egy parancs nem ismerhető fel a rendszerkép összeállítása során vagy a megadott Python-csomagra vonatkozó követelményben.

Lehetséges okok:

  • Nem helyesen írta be a parancsot
  • A parancs nem hajtható végre, mert nincs telepítve egy szükséges csomag

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy helyesen írta be a parancsot
  • Győződjön meg arról, hogy telepítette a végrehajtani kívánt parancs végrehajtásához szükséges csomagokat
  • Szükség esetén adjon hozzá egy telepítési lépést a Dockerfile-hoz

Erőforrások

Conda időtúllépés

Ez a probléma akkor fordulhat elő, ha a Conda-csomag felbontása túl sokáig tart.

Lehetséges okok:

  • A conda specifikációban számos csomag szerepel, és a szükségtelen csomagok is szerepelnek benne
  • Nem rögzítette a függőségeket (tensorflow helyett tensorflow=2,8)
  • Olyan csomagokat sorolt fel, amelyekhez nincs megoldás (az X=1.3 és az Y=2.8 csomagot tartalmazta, de az X verziója nem kompatibilis az Y verziójával)

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Távolítsa el a felesleges csomagokat a Conda-specifikációból
  • Csomagok rögzítése – a környezet felbontása gyorsabb
  • Ha továbbra is problémákat tapasztal, tekintse át ezt a cikket, és tekintse át részletesen a Conda teljesítményének megértését és javítását.

Nincs elég memória

Ez a probléma akkor fordulhat elő, ha a Conda-csomagfeloldás meghiúsul a rendelkezésre álló memória kimerülése miatt.

Lehetséges okok:

  • A conda specifikációban számos csomag szerepel, és a szükségtelen csomagok is szerepelnek benne
  • Nem rögzítette a függőségeket (tensorflow helyett tensorflow=2,8)
  • Olyan csomagokat sorolt fel, amelyekhez nincs megoldás (az X=1.3 és az Y=2.8 csomagot tartalmazta, de az X verziója nem kompatibilis az Y verziójával)

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Távolítsa el a felesleges csomagokat a Conda-specifikációból
  • Csomagok rögzítése – a környezet felbontása gyorsabb
  • Ha továbbra is problémákat tapasztal, tekintse át ezt a cikket, és tekintse át részletesen a Conda teljesítményének megértését és javítását.

A csomag nem található

Ez a probléma akkor fordulhat elő, ha a specifikációban felsorolt egy vagy több Conda-csomag nem található egy csatornában vagy adattárban.

Lehetséges okok:

  • A csomag nevét vagy verzióját helytelenül sorolta fel a conda specifikációban
  • A csomag olyan Conda-csatornában létezik, amelyet nem sorolt fel a conda specifikációjában

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy helyesen írta be a csomagot, és hogy a megadott verzió létezik
  • Győződjön meg arról, hogy a csomag létezik a megcélzott csatornán
  • Győződjön meg arról, hogy a csatorna/adattár szerepel a conda specifikációjában, hogy a csomag megfelelően leküldhető legyen a csomagfeloldás során

Adja meg a csatornákat a conda specifikációjában:

channels:
  - conda-forge
  - anaconda
dependencies:
  - python=3.8
  - tensorflow=2.8
Name: my_environment

Erőforrások

Hiányzó Python-modul

Ez a probléma akkor fordulhat elő, ha a Conda specifikációjában felsorolt Python-modul nem létezik vagy nem érvényes.

Lehetséges okok:

  • Helytelenül írta be a modult
  • A modul nem ismerhető fel

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy helyesen írta be a modult, és hogy létezik
  • Ellenőrizze, hogy a modul kompatibilis-e a Conda specifikációjában megadott Python-verzióval
  • Ha még nem sorolt fel egy adott Python-verziót a Conda specifikációjában, mindenképpen listázz egy olyan verziót, amely kompatibilis a modullal, ellenkező esetben előfordulhat, hogy egy alapértelmezett verzió nem kompatibilis

Rögzítsen egy Python-verziót, amely kompatibilis a használt pipmodullal:

channels:
  - conda-forge
  - anaconda
dependencies:
  - python=3.8
  - pip:
    - dataclasses
Name: my_environment

Nincs egyező eloszlás

Ez a probléma akkor fordulhat elő, ha nem található olyan csomag, amely megfelel a megadott verziónak.

Lehetséges okok:

  • Helytelenül írta be a csomag nevét
  • A csomag és a verzió nem található a megadott csatornákon vagy csatornákon
  • A megadott verzió nem létezik

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy helyesen írta be a csomagot, és hogy létezik
  • Győződjön meg arról, hogy a csomaghoz megadott verzió létezik
  • Győződjön meg arról, hogy megadta azt a csatornát, amelyről a csomag telepítve lesz. Ha nem ad meg csatornát, az alapértelmezett értékeket használja a rendszer, és előfordulhat, hogy ezek az alapértelmezett értékek a keresett csomagot használják vagy nem.

Csatornák listázása conda yaml specifikációban:

channels:
  - conda-forge
  - anaconda
dependencies:
  - python = 3.8
  - tensorflow = 2.8
Name: my_environment

Erőforrások

Nem lehet mpi4py-t készíteni

Ez a probléma akkor fordulhat elő, ha a kerekek mpi4py-hoz való létrehozása meghiúsul.

Lehetséges okok:

  • A sikeres mpi4py telepítésre vonatkozó követelmények nem teljesülnek
  • Hiba történt az mpi4py telepítéséhez választott módszerrel

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Győződjön meg arról, hogy rendelkezik működő MPI-telepítéssel (az MPI-3 támogatás és a megosztott/dinamikus kódtárakkal készült MPI használata)

Győződjön meg arról, hogy kompatibilis Python-verziót használ

  • A Python 3.8+ használata az élettartam végéhez érő régebbi verziók miatt ajánlott
  • Az mpi4py telepítésének megtekintése

Erőforrások

Interaktív hitelesítést kíséreltek meg

Ez a probléma akkor fordulhat elő, ha a pip interaktív hitelesítést kísérel meg a csomag telepítése során.

Lehetséges okok:

  • Olyan csomagot sorolt fel, amely hitelesítést igényel, de nem adott meg hitelesítő adatokat
  • A rendszerkép összeállítása során Pip megpróbálta megkérni a hitelesítésre, amely sikertelen volt a buildelés során, mert nem tud interaktív hitelesítést biztosítani a buildelés során

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Hitelesítés biztosítása munkaterület-kapcsolatokon keresztül

ÉRVÉNYES:Python SDK azureml v1

from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "PythonFeed", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")

ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)

Munkaterület-kapcsolat létrehozása YAML-specifikációs fájlból

az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace

Erőforrások

Tiltott blob

Ez a probléma akkor fordulhat elő, ha a tárfiókban lévő blob elérésére tett kísérlet elutasításra kerül.

Lehetséges okok:

  • A tárfiók eléréséhez használt engedélyezési módszer érvénytelen
  • Közös hozzáférésű jogosultságkódon (SAS) keresztül próbál engedélyezni, de az SAS-jogkivonat lejárt vagy érvénytelen

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Az alábbiakból megtudhatja , hogyan engedélyezheti a blobadatokhoz való hozzáférést az Azure Portalon

Az alábbiakból megtudhatja , hogyan engedélyezheti az adatokhoz való hozzáférést az Azure Storage-ban

Olvassa el az alábbiakat, ha sas használatával szeretne hozzáférni az Azure Storage-erőforrásokhoz

Horovod build

Ez a probléma akkor fordulhat elő, ha a Conda-környezetet nem lehet létrehozni vagy frissíteni, mert a horovod nem készült el.

Lehetséges okok:

  • A Horovod telepítéséhez más olyan modulokra van szükség, amelyeket még nem telepített
  • A Horovod-telepítéshez olyan kódtárak szükségesek, amelyeket nem vett fel

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Számos probléma okozhat horovodi hibát, és ezek átfogó listája megtalálható Horovod dokumentációjában

  • Tekintse át a horovod hibaelhárítási útmutatót
  • Tekintse át a buildnaplót, és ellenőrizze, hogy van-e olyan hibaüzenet, amely akkor jelenik meg, amikor a horovod nem tudott buildelést végrehajtani
  • Lehetséges, hogy a horovod hibaelhárítási útmutatója elmagyarázza a tapasztalt problémát, valamint egy megoldást

Erőforrások

A Conda parancs nem található

Ez a probléma akkor fordulhat elő, ha a Conda-parancs nem ismerhető fel a Conda-környezet létrehozása vagy frissítése során.

Lehetséges okok:

  • Még nem telepítette a Condát a használt alaprendszerképre
  • A Conda-parancs végrehajtása előtt nem telepítette a Condát a Dockerfile-on keresztül
  • Nem vett fel condát az elérési útba, vagy nem adta hozzá az elérési úthoz

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

A Conda-parancsok végrehajtása előtt győződjön meg arról, hogy conda telepítési lépéssel rendelkezik a Dockerfile-ban

Ha megpróbálta telepíteni a condát, és ezt a problémát tapasztalja, győződjön meg arról, hogy hozzáadta a condát az elérési úthoz

  • Útmutatásért tekintse át ezt a példát
  • A környezeti változók Docker-fájlban való beállításának áttekintése

Erőforrások

Inkompatibilis Python-verzió

Ez a probléma akkor fordulhat elő, ha a Conda-környezetben olyan csomag van megadva, amely nem kompatibilis a megadott Python-verzióval.

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

A csomag egy másik verziójának használata, amely kompatibilis a megadott Python-verzióval

Másik lehetőségként használja a Python egy másik verzióját, amely kompatibilis a megadott csomaggal

Erőforrások

Conda csupasz átirányítás

Ez a probléma akkor fordulhat elő, ha idézőjelek használata nélkül adott meg egy csomagot a parancssorban"< vagy ">" használatával. Ez a szintaxis a Conda-környezet létrehozásának vagy frissítésének sikertelenségéhez vezethet.

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Idézőjelek hozzáadása a csomag specifikációja körül

  • Írja be például, hogy conda install -y "pip<=20.1.1" a conda install -y pip<=20.1.1 helyett

UTF-8 dekódolási hiba

Ez a probléma akkor fordulhat elő, ha hiba történt egy karakter dekódolásakor a Conda specifikációjában. 

Lehetséges okok:

  • A conda YAML-fájl olyan karaktereket tartalmaz, amelyek nem kompatibilisek az UTF-8-tal.

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Pip-problémák a buildelés során

Nem sikerült telepíteni a csomagokat

Ez a probléma akkor fordulhat elő, ha a rendszerkép összeállítása meghiúsul a Python-csomag telepítése során.

Lehetséges okok:

  • Sok probléma okozhatja ezt a hibát
  • Ez az üzenet általános, és akkor jelenik meg, amikor az Azure Machine Tanulás elemzése még nem fedi le a tapasztalt hibát

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

A buildelési hibával kapcsolatos további információkért tekintse át a buildelési naplót

Visszajelzés küldése az Azure Machine Tanulás csapatának a tapasztalt hiba elemzéséhez

A csomag nem távolítható el

Ez a probléma akkor fordulhat elő, ha a pip nem tudja eltávolítani az operációs rendszer csomagkezelője által telepített Python-csomagot.

Lehetséges okok:

  • Meglévő pipproba vagy problémás pipverzió
  • Izolált környezet használatának sikertelenségéből eredő probléma

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Olvassa el az alábbiakat, és állapítsa meg, hogy egy meglévő piphiba okozta-e a hibát

Próbálja ki az alábbiakat

pip install --ignore-installed [package]

Próbáljon meg külön környezetet létrehozni a Conda használatával

Érvénytelen operátor

Ez a probléma akkor fordulhat elő, ha a pip nem tud Python-csomagot telepíteni, mert érvénytelen operátor található a követelményben.

Lehetséges okok:

  • Érvénytelen operátor található a Python-csomagra vonatkozó követelményben

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy helyesen írta be a csomagot, és hogy a megadott verzió létezik
  • Győződjön meg arról, hogy a csomagverzió-meghatározó megfelelően van formázva, és hogy érvényes összehasonlító operátorokat használ. Lásd: Verziókijelölők
  • Cserélje le az érvénytelen operátort a hibaüzenetben javasolt operátorra

Nincs egyező eloszlás

Ez a probléma akkor fordulhat elő, ha nem található olyan csomag, amely megfelel a megadott verziónak.

Lehetséges okok:

  • Helytelenül írta be a csomag nevét
  • A csomag és a verzió nem található a megadott csatornákon vagy csatornákon
  • A megadott verzió nem létezik

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy helyesen írta be a csomagot, és hogy létezik
  • Győződjön meg arról, hogy a csomaghoz megadott verzió létezik
  • Futtassa pip install --upgrade pip , majd futtassa újra az eredeti parancsot
  • Győződjön meg arról, hogy a használt pip telepíthet csomagokat a kívánt Python-verzióhoz. Lásd: Pip vagy pip3 használata?

Erőforrások

Érvénytelen kerékfájlnév

Ez a probléma akkor fordulhat elő, ha helytelenül adott meg egy kerékfájlt.

Lehetséges okok:

  • Helytelenül írta be a kerék fájlnevét, vagy helytelen formázást használt
  • A megadott kerékfájl nem található

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Problémák elhárítása

Nincs megadva cél, és nem található makefile

Ez a probléma akkor fordulhat elő, ha nem adott meg célokat, és a futtatáskor makenem található makefile.

Lehetséges okok:

  • A Makefile nem létezik az aktuális könyvtárban
  • Nincsenek megadva célok

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy helyesen írta a makefile-t
  • Győződjön meg arról, hogy a makefile létezik az aktuális könyvtárban
  • Ha egyéni makefile-fájllal rendelkezik, adja meg a make -f custommakefile
  • Célértékek megadása a makefile-ban vagy a parancssorban
  • A build konfigurálása és makefile létrehozása
  • Győződjön meg arról, hogy helyesen formázta a makefile-t, és hogy tabulátorokat használt a behúzáshoz

Erőforrások

Másolási problémák

A fájl nem található

Ez a probléma akkor fordulhat elő, ha a Docker nem talál és másol egy fájlt.

Lehetséges okok:

  • A forrásfájl nem található a Docker buildkörnyezetében
  • A forrásfájlt kizárja a következő: .dockerignore

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Feladatfuttatások is meghiúsulnak, mert első lépésként implicit módon buildelnék a környezetet.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy a forrásfájl létezik a Docker buildkörnyezetében
  • Győződjön meg arról, hogy a forrás- és célútvonalak léteznek, és helyesen vannak beírva
  • Győződjön meg arról, hogy a forrásfájl nem szerepel az aktuális és a .dockerignore szülőkönyvtárak listájában
  • A záró megjegyzések eltávolítása a COPY parancs sorából

Erőforrások

Apt-Get problémák

Nem sikerült futtatni az apt-get parancsot

Ez a probléma akkor fordulhat elő, ha az apt-get nem fut.

Lehetséges okok:

  • Hálózati kapcsolattal kapcsolatos probléma, amely ideiglenes lehet
  • Az apt-get szolgáltatást futtató csomaghoz kapcsolódó hibás függőségek
  • Nem rendelkezik a megfelelő engedélyekkel az apt-get parancs használatához

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Feladatfuttatások is meghiúsulnak, mert első lépésként implicit módon buildelnék a környezetet.

Hibaelhárítási lépések

  • A hálózati kapcsolat és a DNS-beállítások ellenőrzése
  • Hibás függőségek keresésének futtatása apt-get check
  • Futtassa apt-get update , majd futtassa újra az eredeti parancsot
  • Futtassa a parancsot a -f jelölővel, amely megpróbálja megoldani a hibás függőségekből eredő problémát
  • Futtassa a parancsot engedélyekkel sudo , például sudo apt-get install <package-name>

Erőforrások

Docker leküldéses problémái

Nem sikerült tárolni a Docker-rendszerképet

Ez a probléma akkor fordulhat elő, ha egy Docker-rendszerkép tárolóregisztrációs adatbázisba való leküldése meghiúsul.

Lehetséges okok:

  • Átmeneti hiba történt a munkaterülethez társított ACR-sel kapcsolatban
  • A virtuális hálózat mögötti tárolóregisztrációs adatbázis privát végpontot használ egy nem támogatott régióban

Érintett területek (hibajelenségek):

  • Hiba történt a környezetek felhasználói felületről, SDK-ból és parancssori felületről történő létrehozása során.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Próbálkozzon újra a környezet felépítésével, ha gyanítja, hogy a hiba átmeneti probléma a munkaterület Azure Container Registryjével (ACR)

Ha a tárolóregisztrációs adatbázis egy virtuális hálózat mögött található, vagy magánvégpontot használ egy nem támogatott régióban

  • Konfigurálja a tárolóregisztrációs adatbázist a szolgáltatásvégpont (nyilvános hozzáférés) használatával a portálról, és próbálkozzon újra
  • Miután a tárolóregisztrációs adatbázist egy virtuális hálózat mögé helyezte, futtassa az Azure Resource Manager-sablont , hogy a munkaterület kommunikálni tudjon a tárolóregisztrációs adatbázispéldánysal

Ha nem virtuális hálózatot használ, vagy ha megfelelően konfigurálta, tesztelje, hogy a hitelesítő adatai helyesek-e az ACR-hez egy egyszerű helyi build megkísérlésével

Ismeretlen Docker-parancs

Ismeretlen Docker-utasítás

Ez a probléma akkor fordulhat elő, ha a Docker nem ismer fel utasítást a Dockerfile-ban.

Lehetséges okok:

  • Ismeretlen Docker-utasítás használata a Dockerfile-ban
  • A Dockerfile érvénytelen szintaxist tartalmaz

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Feladatfuttatások is meghiúsulnak, mert első lépésként implicit módon buildelnék a környezetet.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy a Docker-parancs érvényes és helyesen van beírva
  • Győződjön meg arról, hogy van szóköz a Docker-parancs és az argumentumok között
  • Győződjön meg arról, hogy nincs szükségtelen szabad tér a Dockerfile-ban
  • Győződjön meg arról, hogy a Dockerfile megfelelően van formázva, és UTF-8-ban van kódolva

Erőforrások

A parancs nem található

Ismeretlen parancs

Ez a probléma akkor fordulhat elő, ha a futtatott parancsot nem ismeri fel a rendszer.

Lehetséges okok:

  • A parancs végrehajtása előtt nem telepítette a parancsot a Dockerfile-on keresztül
  • Nem adta hozzá a parancsot az elérési úthoz, vagy nem adta hozzá az elérési úthoz

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Feladatfuttatások is meghiúsulnak, mert első lépésként implicit módon buildelnék a környezetet.

Hibaelhárítási lépések : A parancs végrehajtása előtt győződjön meg arról, hogy rendelkezik a parancs telepítési lépésével a Dockerfile-ban

Ha megpróbálta telepíteni a parancsot, és ezt a problémát tapasztalja, győződjön meg arról, hogy hozzáadta a parancsot az elérési úthoz

  • Tekintse át ezt a példát
  • A környezeti változók Docker-fájlban való beállításának áttekintése

Egyéb buildelési problémák

A buildnapló nem érhető el

Lehetséges okok:

  • Az Azure Machine Tanulás nem jogosult a buildnaplók tárfiókban való tárolására
  • Átmeneti hiba történt a buildnaplók mentésekor
  • Rendszerhiba történt a rendszerképek létrehozása előtt

Érintett területek (hibajelenségek):

  • Sikeres buildelés, de nincsenek elérhető naplók.
  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Hiba a feladatok futtatásakor, mert az Azure Machine Tanulás implicit módon hozza létre a környezetet az első lépésben.

Hibaelhárítási lépések

Az újraépítés megoldhatja a problémát, ha átmeneti

A rendszerkép nem található

Ez a probléma akkor fordulhat elő, ha a megadott alaprendszerkép nem található.

Lehetséges okok:

  • Helytelenül adta meg a képet
  • A megadott rendszerkép nem létezik a megadott beállításjegyzékben

Érintett területek (hibajelenségek):

  • A környezetek felhasználói felületen, SDK-ban vagy parancssorban történő buildelése sikertelen.
  • Feladatfuttatások is meghiúsulnak, mert első lépésként implicit módon buildelnék a környezetet.

Hibaelhárítási lépések

  • Győződjön meg arról, hogy az alaprendszerkép helyesen van beírva és formázva
  • Győződjön meg arról, hogy a használt alaprendszerkép megtalálható a megadott beállításjegyzékben

Erőforrások