Környezeti problémák elhárítása
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
base_image
base_dockerfile
build_context
- Lásd: DockerSection
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
image
build
- Lásd: azure.ai.ml.entities.Environment
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
base_image
base_dockerfile
build_context
- Lásd: DockerSection
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
image
build
- Lásd: azure.ai.ml.entities.Environment
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
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
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:Python SDK azureml v1
Elérési út belefoglalása a build_context
DockerSectionbe
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
ÉRVÉNYES:Azure CLI ml-bővítmény 2-es verzió (aktuális)
A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)
Dockerfile-elérési út megadása
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 buildkörnyezet ismertetése
- Python SDK v1 környezeti osztály
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:
- Git
- Git URL-címeket adhat meg az Azure Machine Tanulás számára, de még nem hozhat létre képeket. Tárfiók használata, amíg a buildek git-támogatással nem rendelkeznek
- Tárfiók
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
- Elérhető alapképek megtekintése
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
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
- Lásd a PythonSection osztályt
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
Erőforrások
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
Erőforrások
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
A Python-verzió nem ajánlott
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
- Lásd: Conda-csomag rögzítése
Conda-problémák
Hiányzó conda-függőségek
Lehetséges okok:
- Nem adott meg conda-specifikációt a környezetdefinícióban, és
user_managed_dependencies
az alapértelmezett értékreFalse
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_dependencies
True
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
- Adja meg a conda fájl relatív elérési útját
- Környezet létrehozása conda-specifikációból
Erőforrások
- Conda-fájl manuális létrehozása
- Lásd: CondaDependencies osztály
- Conda-specifikáció beállítása a környezetdefinícióhoz
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
- Adja meg a conda fájl relatív elérési útját
- Környezet létrehozása conda-specifikációból
Erőforrások
- További példák
- Conda-fájl manuális létrehozása
- Lásd: CondaDependencies osztály
- Conda-specifikáció beállítása a környezetdefinícióhoz
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
- Conda-specifikáció beállítása a környezetdefiníció v1-jén
- Lásd: CondaDependencies osztály
- Conda-fájl manuális létrehozása
Az alap conda környezet nem ajánlott
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
- Környezet létrehozása conda-specifikációból
Erőforrások
- Conda-specifikáció beállítása a környezetdefiníció v1-jén
- Lásd: CondaDependencies osztály
- Conda-fájl manuális létrehozása
- Conda-fájl manuális létrehozása
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
- Lásd: Conda-csomag rögzítése
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
- Lásd: Conda-csomag rögzítése
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
- Lásd: Conda-csomag rögzítése
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
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
- A regisztrációs adatbázis
my-registry.io
és a címkével3.2
ellátott rendszerképtest/image
esetén érvényes rendszerkép elérési útjamy-registry.io/test/image:3.2
- A beállításjegyzék elérési útjának dokumentációja
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
True
állítvauser_managed_dependencies
. A conda letiltása ésTrue
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?
- Győződjön meg arról, hogy követte a jelen cikkben szereplő lépéseket a munkaterület virtuális hálózatokkal való biztonságossá tételéről
- Az Azure Machine Learningnek bejövő és kimenő hozzáférést kell biztosítani a nyilvános internethez. Ha probléma merült fel a virtuális hálózat beállításával kapcsolatban, előfordulhat, hogy probléma merül fel a rendszerkép létrehozása során szükséges bizonyos adattárak elérésével kapcsolatban.
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 create
conda 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
- Tekintse meg a csomagegyezés specifikációit és a conda-fájlok manuális létrehozását
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)
- Az mpi4py telepítésének megtekintése
- Ha szükséges, kövesse ezeket a lépéseket az MPI létrehozásakor
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
- Tekintse át a Conda telepítőinek listáját, és állapítsa meg, mire van szüksége a forgatókönyvhöz
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
- Az összes elérhető conda-eloszlás megtalálható a conda-adattárban
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
- Ha módosítja a Python-verziót, olyan verziót használjon, amely támogatott, és nem közeledik hamarosan az élettartamához.
- A Python élettartamának lejárati dátumainak megtekintése
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"
aconda 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
- Nem távolítható el a Docker-rendszerkép létrehozása közben
- pip 10 disutils részleges eltávolítási probléma
- a pip 10 már nem távolítja el a nem használt csomagokat
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
- Győződjön meg arról, hogy helyesen írta be a fájlnevet, és hogy létezik
- Győződjön meg arról, hogy a kerékfájlnevek formátumát követi
Problémák elhárítása
Nincs megadva cél, és nem található makefile
Ez a probléma akkor fordulhat elő, ha nem adott meg célokat, és a futtatáskor make
nem 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
, példáulsudo apt-get install <package-name>
Erőforrások
- Csomagkezelés az APT használatával
- Ubuntu Apt-Get
- Mi a teendő, ha az apt-get meghiúsul?
- apt-get parancs Linuxban példákkal
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
- A munkaterület ACR-jének hitelesítő adatainak lekérése az Azure Portalról
- Jelentkezzen be az ACR-be az
docker login <myregistry.azurecr.io> -u "username" -p "password"
- A "helloworld" nevű kép esetében tesztelje az ACR-be való leküldést a futtatással
docker push helloworld
- Lásd : Rövid útmutató: Tárolórendszerkép létrehozása és futtatása az Azure Container Registry Tasks használatával
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
- Tekintse át ezt a példát
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