Pemecahan masalah lingkungan
BERLAKU UNTUK:Ekstensi ml Azure CLI v1Python SDK azureml v1
Dalam artikel ini, pelajari cara memecahkan masalah umum yang mungkin Anda temui dengan build gambar lingkungan dan mempelajari tentang kerentanan lingkungan AzureML.
Kami secara aktif mencari umpan balik Anda! Jika Anda menavigasi ke halaman ini melalui log Definisi Lingkungan atau Analisis Kegagalan Build, kami ingin mengetahui apakah fitur tersebut berguna bagi Anda, atau jika Anda ingin melaporkan skenario kegagalan yang belum dibahas oleh analisis kami. Anda juga dapat meninggalkan umpan balik tentang dokumentasi ini. Tinggalkan pikiran anda di sini.
Lingkungan Azure Machine Learning
Lingkungan Azure Machine Learning adalah enkapsulasi lingkungan tempat pelatihan pembelajaran mesin Anda terjadi. Lingkungan menentukan paket Python, gambar Docker, dan pengaturan perangkat lunak di sekitar skrip pelatihan dan penilaian Anda. Lingkungan adalah aset terkelola dan versi dalam ruang kerja Pembelajaran Mesin yang memungkinkan alur kerja pembelajaran mesin yang dapat direproduksi, diaudit, dan portabel di berbagai target komputasi.
Jenis lingkungan
Lingkungan termasuk dalam tiga kategori: dikumpulkan, dikelola pengguna, dan dikelola sistem.
Lingkungan yang dikumpulkan adalah lingkungan yang telah dibuat sebelumnya yang dikelola oleh Azure Pembelajaran Mesin dan tersedia secara default di setiap ruang kerja. Mereka berisi koleksi paket dan pengaturan Python untuk membantu Anda memulai berbagai kerangka kerja pembelajaran mesin, dan Anda dimaksudkan untuk menggunakannya apa adanya. Lingkungan yang telah dibuat sebelumnya ini juga memungkinkan waktu penyebaran yang lebih cepat.
Di lingkungan yang dikelola pengguna, Anda bertanggung jawab untuk menyiapkan lingkungan dan menginstal setiap paket yang dibutuhkan skrip pelatihan Anda di target komputasi. Pastikan juga untuk menyertakan semua dependensi yang diperlukan untuk penyebaran model.
Jenis lingkungan ini memiliki dua subjenis. Untuk jenis pertama, BYOC (bawa kontainer Anda sendiri), Anda membawa gambar Docker yang ada ke Azure Pembelajaran Mesin. Untuk jenis kedua, lingkungan berbasis konteks build Docker, Azure Pembelajaran Mesin mewujudkan gambar dari konteks yang Anda berikan.
Saat Anda ingin Conda mengelola lingkungan Python untuk Anda, gunakan lingkungan yang dikelola sistem. Azure Pembelajaran Mesin membuat lingkungan conda terisolasi baru dengan mewujudkan spesifikasi conda Anda di atas gambar Docker dasar. Secara default, Azure Pembelajaran Mesin menambahkan fitur umum ke gambar turunan. Paket Python apa pun yang ada dalam gambar dasar tidak tersedia di lingkungan conda yang terisolasi.
Membuat dan mengelola lingkungan
Anda dapat membuat dan mengelola lingkungan dari klien seperti Azure Pembelajaran Mesin Python SDK, Azure Pembelajaran Mesin CLI, Azure Pembelajaran Mesin Studio UI, ekstensi Visual Studio Code.
Lingkungan "Anonim" secara otomatis terdaftar di ruang kerja Anda saat Anda mengirimkan eksperimen tanpa mendaftarkan atau mereferensikan lingkungan yang sudah ada. Mereka tidak tercantum tetapi Anda dapat mengambilnya berdasarkan versi atau label.
Azure Pembelajaran Mesin membangun definisi lingkungan ke dalam gambar Docker. Ini juga menyimpan gambar di Azure Container Registry yang terkait dengan Azure Pembelajaran Mesin Workspace Anda sehingga dapat digunakan kembali dalam pekerjaan pelatihan berikutnya dan penyebaran titik akhir layanan. Beberapa lingkungan dengan definisi yang sama dapat menghasilkan gambar cache yang sama.
Menjalankan skrip pelatihan secara jarak jauh memerlukan pembuatan gambar Docker.
Kerentanan di Lingkungan AzureML
Anda dapat mengatasi kerentanan dengan meningkatkan ke versi dependensi yang lebih baru (gambar dasar, paket Python, dll.) atau dengan bermigrasi ke dependensi berbeda yang memenuhi persyaratan keamanan. Mengurangi kerentanan memakan waktu dan mahal karena dapat memerlukan refaktor kode dan infrastruktur. Dengan prevalensi perangkat lunak sumber terbuka dan penggunaan dependensi berlapis yang rumit, penting untuk mengelola dan melacak kerentanan.
Ada beberapa cara untuk mengurangi dampak kerentanan:
- Kurangi jumlah dependensi Anda - gunakan set minimal dependensi untuk setiap skenario.
- Kompartementalisasi lingkungan Anda sehingga Anda dapat mencakup dan memperbaiki masalah di satu tempat.
- Pahami kerentanan yang ditandai dan relevansinya dengan skenario Anda.
Pindai Kerentanan
Anda dapat memantau dan memelihara kebersihan lingkungan dengan Microsoft Defender for Container Registry untuk membantu memindai gambar untuk kerentanan.
Untuk mengotomatiskan proses ini berdasarkan pemicu dari Pertahanan Microsoft, lihat Mengotomatiskan respons terhadap pemicu Microsoft Defender untuk Cloud.
Kerentanan vs Reproduksi
Reproduksi adalah salah satu fondasi pengembangan perangkat lunak. Saat Anda mengembangkan kode produksi, operasi berulang harus menjamin hasil yang sama. Mengurangi kerentanan dapat mengganggu reproduksi dengan mengubah dependensi.
Fokus utama Azure Pembelajaran Mesin adalah menjamin reproduktifitas. Lingkungan termasuk dalam tiga kategori: dikumpulkan, dikelola pengguna, dan dikelola sistem.
Lingkungan yang Dikumpulkan
Lingkungan yang dikumpulkan adalah lingkungan yang telah dibuat sebelumnya yang dikelola azure Pembelajaran Mesin dan tersedia secara default di setiap ruang kerja Azure Pembelajaran Mesin yang disediakan. Versi baru dirilis oleh Azure Pembelajaran Mesin untuk mengatasi kerentanan. Apakah Anda menggunakan gambar terbaru mungkin merupakan tradeoff antara reproduktifitas dan pengelolaan kerentanan.
Lingkungan Yang Dikumpulkan berisi kumpulan paket dan pengaturan Python untuk membantu Anda memulai berbagai kerangka kerja pembelajaran mesin. Anda dimaksudkan untuk menggunakannya apa adanya. Lingkungan yang telah dibuat sebelumnya ini juga memungkinkan waktu penyebaran yang lebih cepat.
Lingkungan yang dikelola pengguna
Di lingkungan yang dikelola pengguna, Anda bertanggung jawab untuk menyiapkan lingkungan Anda dan menginstal setiap paket yang dibutuhkan skrip pelatihan Anda pada target komputasi dan untuk penyebaran model. Jenis lingkungan ini memiliki dua subjenis:
- BYOC (bawa kontainer Anda sendiri): pengguna menyediakan gambar Docker ke Azure Pembelajaran Mesin
- Konteks build Docker: Azure Pembelajaran Mesin mewujudkan gambar dari konten yang disediakan pengguna
Setelah Anda menginstal lebih banyak dependensi di atas gambar yang disediakan Microsoft, atau membawa gambar dasar Anda sendiri, pengelolaan kerentanan menjadi tanggung jawab Anda.
Lingkungan yang dikelola sistem
Anda menggunakan lingkungan yang dikelola sistem saat Anda ingin conda mengelola lingkungan Python. Azure Pembelajaran Mesin membuat lingkungan conda terisolasi baru dengan mewujudkan spesifikasi conda Anda di atas gambar Docker dasar. Meskipun Azure Pembelajaran Mesin menambal gambar dasar dengan setiap rilis, apakah Anda menggunakan gambar terbaru mungkin merupakan tradeoff antara reproduksi dan pengelolaan kerentanan. Jadi, Anda bertanggung jawab untuk memilih versi lingkungan yang digunakan untuk pekerjaan atau penyebaran model Anda saat menggunakan lingkungan yang dikelola sistem.
Kerentanan: Masalah Umum
Kerentanan dalam gambar Base Docker
Kerentanan sistem di lingkungan biasanya diperkenalkan dari gambar dasar. Misalnya, kerentanan yang ditandai sebagai "Ubuntu" atau "Debian" berasal dari tingkat sistem lingkungan–gambar Docker dasar. Jika gambar dasar berasal dari penerbit pihak ketiga, silakan periksa apakah versi terbaru memiliki perbaikan untuk kerentanan yang ditandai. Sumber paling umum untuk gambar dasar di Azure Pembelajaran Mesin adalah:
- Registri Artefak Microsoft (MAR) alias Microsoft Container Registry (mcr.microsoft.com).
- Gambar dapat dicantumkan dari beranda MAR, memanggil API katalog, atau /tag/daftar
- Catatan sumber dan rilis untuk gambar dasar pelatihan dari AzureML dapat ditemukan di Azure/AzureML-Containers
- Nvidia (nvcr.io, atau Profil nvidia)
Jika versi terbaru gambar dasar Anda tidak mengatasi kerentanan Anda, kerentanan gambar dasar dapat ditangani dengan menginstal versi yang direkomendasikan oleh pemindaian kerentanan:
apt-get install -y library_name
Kerentanan dalam Paket Python
Kerentanan juga dapat berasal dari paket Python yang diinstal di atas gambar dasar yang dikelola sistem. Kerentanan terkait Python ini harus diselesaikan dengan memperbarui dependensi Python Anda. Kerentanan Python (pip) dalam gambar biasanya berasal dari dependensi yang ditentukan pengguna.
Untuk mencari kerentanan dan solusi Python yang diketahui, silakan lihat Database Penasihat GitHub. Untuk mengatasi kerentanan Python, perbarui paket ke versi yang memiliki perbaikan untuk masalah yang ditandai:
pip install -u my_package=={good.version}
Jika Anda menggunakan lingkungan conda, perbarui referensi dalam file dependensi conda.
Dalam beberapa kasus, paket Python akan diinstal secara otomatis selama penyiapan lingkungan Anda conda di atas gambar Docker dasar. Langkah-langkah mitigasi untuk langkah-langkah tersebut sama dengan langkah-langkah untuk paket yang diperkenalkan pengguna. Conda menginstal dependensi yang diperlukan untuk setiap lingkungan yang terwujud. Paket seperti kriptografi, setuptool, roda, dll. akan diinstal secara otomatis dari saluran default conda. Ada masalah yang diketahui dengan saluran anaconda default yang kehilangan versi paket terbaru, jadi disarankan untuk memprioritaskan saluran conda-forge yang dikelola komunitas. Jika tidak, tentukan paket dan versi secara eksplisit, bahkan jika Anda tidak mereferensikannya dalam kode yang Anda rencanakan untuk dijalankan di lingkungan tersebut.
Masalah tembolokan
Terkait dengan ruang kerja Azure Pembelajaran Mesin Anda adalah instans Azure Container Registry yang merupakan cache untuk gambar kontainer. Gambar apa pun yang terwujud didorong ke registri kontainer dan digunakan jika Anda memicu eksperimen atau penyebaran untuk lingkungan yang sesuai. Azure Pembelajaran Mesin tidak menghapus gambar dari registri kontainer Anda, dan Anda bertanggung jawab untuk mengevaluasi gambar mana yang perlu Anda pertahankan dari waktu ke waktu.
Pemecahan masalah build gambar lingkungan
Pelajari cara memecahkan masalah dengan build gambar lingkungan dan penginstalan paket.
Masalah definisi lingkungan
Masalah nama lingkungan
Awalan yang dikumpulkan tidak diizinkan
Masalah ini dapat terjadi ketika nama lingkungan kustom Anda menggunakan istilah yang dicadangkan hanya untuk lingkungan yang dikumpulkan. Lingkungan yang dikumpulkan adalah lingkungan yang dikelola Microsoft. Lingkungan kustom adalah lingkungan yang Anda buat dan pertahankan.
Potensi penyebab:
- Nama lingkungan Anda dimulai dengan Microsoft atau AzureML
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Perbarui nama lingkungan Anda untuk mengecualikan awalan yang dipesan yang saat ini Anda gunakan
Sumber
Nama lingkungan terlalu panjang
Potensi penyebab:
- Nama lingkungan Anda lebih panjang dari 255 karakter
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Perbarui nama lingkungan Anda menjadi 255 karakter atau kurang
Masalah Docker
BERLAKU UNTUK: Ekstensi ml Azure CLI v1
BERLAKU UNTUK: Python SDK azureml v1
Untuk membuat lingkungan baru, Anda harus menggunakan salah satu pendekatan berikut (lihat DockerSection):
- Gambar dasar
- Berikan nama gambar dasar, repositori untuk menariknya, dan kredensial jika diperlukan
- Berikan spesifikasi conda
- Dockerfile Dasar
- Sediakan Dockerfile
- Berikan spesifikasi conda
- Konteks build Docker
- Sediakan lokasi konteks build (URL)
- Konteks build harus berisi setidaknya Dockerfile, tetapi mungkin juga berisi file lain
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Untuk membuat lingkungan baru, Anda harus menggunakan salah satu pendekatan berikut:
- Gambar Docker
- Berikan URI gambar gambar yang dihosting dalam registri seperti Docker Hub atau Azure Container Registry
- Sampel di sini
- Konteks build Docker
- Tentukan direktori yang berfungsi sebagai konteks build
- Direktori harus berisi Dockerfile dan file lain yang diperlukan untuk membangun gambar
- Sampel di sini
- Spesifikasi Conda
- Anda harus menentukan gambar Docker dasar untuk lingkungan; Azure Pembelajaran Mesin membangun lingkungan conda di atas gambar Docker yang disediakan
- Berikan jalur relatif ke file conda
- Sampel di sini
Definisi Docker hilang
BERLAKU UNTUK: Python SDK azureml v1
Masalah ini dapat terjadi ketika definisi lingkungan Anda kehilangan DockerSection
. Bagian ini mengonfigurasi pengaturan yang terkait dengan gambar Docker akhir yang dibangun dari spesifikasi lingkungan Anda.
Potensi penyebab:
- Anda tidak menentukan
DockerSection
definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
DockerSection
Tambahkan ke definisi lingkungan Anda, menentukan gambar dasar, dockerfile dasar, atau konteks build docker.
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
Sumber
Terlalu banyak opsi Docker
Potensi penyebab:
BERLAKU UNTUK: Python SDK azureml v1
Anda memiliki lebih dari satu opsi Docker ini yang ditentukan dalam definisi lingkungan Anda
base_image
base_dockerfile
build_context
- Lihat DockerSection
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Anda memiliki lebih dari satu opsi Docker ini yang ditentukan dalam definisi lingkungan Anda
image
build
- Lihat azure.ai.ml.entities.Environment
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Pilih opsi Docker mana yang ingin Anda gunakan untuk membangun lingkungan Anda. Kemudian atur semua opsi lain yang ditentukan ke Tidak Ada.
BERLAKU UNTUK: 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
Opsi Docker hilang
Potensi penyebab:
Anda tidak menentukan salah satu opsi berikut dalam definisi lingkungan Anda
base_image
base_dockerfile
build_context
- Lihat DockerSection
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Anda tidak menentukan salah satu opsi berikut dalam definisi lingkungan Anda
image
build
- Lihat azure.ai.ml.entities.Environment
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Pilih opsi Docker mana yang ingin Anda gunakan untuk membangun lingkungan Anda, lalu isi opsi tersebut dalam definisi lingkungan Anda.
BERLAKU UNTUK: Python SDK azureml v1
from azureml.core import Environment
myenv = Environment(name="myEnv")
myenv.docker.base_image = "pytorch/pytorch:latest"
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
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)
Sumber
Kredensial registri kontainer hilang baik nama pengguna atau kata sandi
Potensi penyebab:
- Anda telah menentukan nama pengguna atau kata sandi untuk registri kontainer Anda dalam definisi lingkungan Anda, tetapi tidak keduanya
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Tambahkan nama pengguna atau kata sandi yang hilang ke definisi lingkungan Anda untuk memperbaiki masalah
myEnv.docker.base_image_registry.username = "username"
Atau, berikan autentikasi melalui koneksi ruang kerja
from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
Membuat koneksi ruang kerja dari file spesifikasi YAML
az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace
Catatan
- Memberikan kredensial dalam definisi lingkungan Anda tidak lagi didukung. Gunakan koneksi ruang kerja sebagai gantinya.
Sumber
Beberapa kredensial untuk registri gambar dasar
Potensi penyebab:
- Anda telah menentukan lebih dari satu set kredensial untuk registri gambar dasar Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Jika Anda menggunakan koneksi ruang kerja, lihat koneksi yang telah Anda atur, dan hapus koneksi mana pun yang tidak ingin Anda gunakan
from azureml.core import Workspace
ws = Workspace.from_config()
ws.list_connections()
ws.delete_connection("myConnection2")
Jika Anda telah menentukan kredensial dalam definisi lingkungan Anda, pilih satu set kredensial yang akan digunakan, dan atur semua kredensial lainnya ke null
myEnv.docker.base_image_registry.registry_identity = None
Catatan
- Memberikan kredensial dalam definisi lingkungan Anda tidak lagi didukung. Gunakan koneksi ruang kerja sebagai gantinya.
Sumber
Rahasia dalam registri gambar dasar
Potensi penyebab:
- Anda telah menentukan kredensial dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Menentukan kredensial dalam definisi lingkungan Anda tidak lagi didukung. Hapus kredensial dari definisi lingkungan Anda dan gunakan koneksi ruang kerja sebagai gantinya.
BERLAKU UNTUK: Python SDK azureml v1
Mengatur koneksi ruang kerja di ruang kerja Anda
from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
Membuat koneksi ruang kerja dari file spesifikasi YAML
az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace
Sumber
Atribut Docker yang tidak digunakan lagi
Potensi penyebab:
- Anda telah menentukan atribut Docker dalam definisi lingkungan Anda yang sekarang tidak digunakan lagi
- Berikut ini adalah properti yang tidak digunakan lagi:
enabled
arguments
shared_volumes
gpu_support
- Azure Pembelajaran Mesin sekarang secara otomatis mendeteksi dan menggunakan ekstensi NVIDIA Docker saat tersedia
smh_size
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Alih-alih menentukan atribut ini dalam DockerSection
definisi lingkungan Anda, gunakan DockerConfiguration
Sumber
- Lihat
DockerSection
variabel yang tidak digunakan lagi
Panjang dockerfile melebihi batas
Potensi penyebab:
- Dockerfile yang Anda tentukan melebihi ukuran maksimum 100 KB
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Persingkat Dockerfile Anda untuk mendapatkannya di bawah batas ini
Sumber
- Lihat praktik terbaik
Masalah konteks build Docker
Lokasi konteks build Docker hilang
Potensi penyebab:
- Anda tidak menyediakan jalur direktori konteks build dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Sertakan jalur di build_context
DockerSection Anda
- Lihat Kelas DockerBuildContext
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Pastikan Anda menyertakan jalur untuk konteks build Anda
- Lihat Kelas BuildContext
- Lihat sampel ini
Sumber
Jalur Dockerfile hilang
Masalah ini dapat terjadi saat Azure Pembelajaran Mesin gagal menemukan Dockerfile Anda. Sebagai default, Azure Pembelajaran Mesin mencari Dockerfile bernama 'Dockerfile' di akar direktori konteks build Anda kecuali Anda menentukan jalur Dockerfile.
Potensi penyebab:
- Dockerfile Anda tidak berada di akar direktori konteks build Anda dan/atau diberi nama selain 'Dockerfile,' dan Anda tidak menyediakan jalurnya
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
build_context
Di DockerSection Anda, sertakandockerfile_path
- Lihat Kelas DockerBuildContext
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Tentukan jalur Dockerfile
- Lihat Kelas BuildContext
- Lihat sampel ini
Sumber
Tidak diizinkan untuk menentukan atribut dengan konteks build Docker
Masalah ini dapat terjadi ketika Anda telah menentukan properti dalam definisi lingkungan Anda yang tidak dapat disertakan dengan konteks build Docker.
Potensi penyebab:
- Anda menentukan konteks build Docker, bersama dengan setidaknya salah satu properti berikut dalam definisi lingkungan Anda:
- Variabel lingkungan
- Dependensi conda
- R
- Spark
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Jika Anda menentukan salah satu properti yang tercantum di atas dalam definisi lingkungan Anda, hapus properti tersebut
- Jika Anda menggunakan konteks build Docker dan ingin menentukan dependensi conda, spesifikasi conda Anda harus berada di direktori konteks build Anda
Sumber
- Memahami konteks build
- Kelas Lingkungan Python SDK v1
Tipe lokasi tidak didukung/Tipe lokasi tidak diketahui
Potensi penyebab:
- Anda menentukan jenis lokasi untuk konteks build Docker yang tidak didukung atau tidak diketahui
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Berikut ini adalah jenis lokasi yang diterima:
- Git
- Anda dapat menyediakan URL git ke Azure Pembelajaran Mesin, tetapi Anda belum dapat menggunakannya untuk membuat gambar. Gunakan akun penyimpanan hingga build memiliki dukungan Git
- Akun penyimpanan
- Lihat gambaran umum akun penyimpanan ini
- Lihat cara membuat akun penyimpanan
Sumber
Lokasi tidak valid
Potensi penyebab:
- Lokasi yang ditentukan dari konteks build Docker Anda tidak valid
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Untuk skenario di mana Anda menyimpan konteks build Docker di akun penyimpanan
Anda harus menentukan jalur konteks build sebagai
https://<storage-account>.blob.core.windows.net/<container>/<path>
Pastikan lokasi yang Anda berikan adalah URL yang valid
Pastikan Anda telah menentukan kontainer dan jalur
Sumber
Masalah gambar dasar
Gambar dasar tidak digunakan lagi
Potensi penyebab:
- Anda menggunakan gambar dasar yang tidak digunakan lagi
- Azure Pembelajaran Mesin tidak dapat memberikan dukungan pemecahan masalah untuk build yang gagal dengan gambar yang tidak digunakan lagi
- Azure Pembelajaran Mesin tidak memperbarui atau memelihara gambar-gambar ini, sehingga berisiko rentan
Gambar dasar berikut tidak digunakan lagi:
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
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Tingkatkan gambar dasar Anda ke versi terbaru gambar yang didukung
Tidak ada tag atau hash
Potensi penyebab:
- Anda tidak menyertakan tag versi atau hash pada gambar dasar yang ditentukan
- Tanpa salah satu penentu ini, lingkungan tidak dapat direproduksi
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Sertakan setidaknya salah satu penentu berikut pada gambar dasar Anda
- Tag versi
- digest
- Lihat gambar dengan pengidentifikasi yang tidak dapat diubah
Masalah variabel lingkungan
Variabel runtime salah tempat
Potensi penyebab:
- Anda menentukan variabel runtime dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Gunakan environment_variables
atribut di objek RunConfiguration sebagai gantinya
Masalah Python
Bagian Python hilang
Potensi penyebab:
- Definisi lingkungan Anda tidak memiliki bagian Python
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Mengisi bagian Python dari definisi lingkungan Anda
- Lihat kelas PythonSection
Versi Python hilang
Potensi penyebab:
- Anda belum menentukan versi Python dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Tambahkan Python sebagai paket conda dan tentukan versinya
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
Jika Anda menggunakan YAML untuk spesifikasi conda Anda, sertakan Python sebagai dependensi
name: project_environment
dependencies:
- python=3.8
- pip:
- azureml-defaults
channels:
- anaconda
Sumber
Beberapa versi Python
Potensi penyebab:
- Anda telah menentukan lebih dari satu versi Python dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Pilih versi Python mana yang ingin Anda gunakan, dan hapus semua versi lainnya
myenv.python.conda_dependencies.remove_conda_package("python=3.8")
Jika Anda menggunakan YAML untuk spesifikasi conda Anda, sertakan hanya satu versi Python sebagai dependensi
Sumber
Versi Python tidak didukung
Potensi penyebab:
- Anda telah menentukan versi Python yang berada di atau mendekati akhir masa pakainya dan tidak lagi didukung
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Tentukan versi python yang belum tercapai dan tidak mendekati akhir masa pakainya
Versi Python tidak disarankan
Potensi penyebab:
- Anda telah menentukan versi Python yang berada di atau mendekati akhir masa pakainya
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Tentukan versi python yang belum tercapai dan tidak mendekati akhir masa pakainya
Gagal memvalidasi versi Python
Potensi penyebab:
- Anda menentukan versi Python dengan sintaks yang salah atau pemformatan yang tidak tepat
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Gunakan sintaks yang benar untuk menentukan versi Python menggunakan SDK
myenv.python.conda_dependencies.add_conda_package("python=3.8")
Gunakan sintaks yang benar untuk menentukan versi Python dalam CONDA YAML
name: project_environment
dependencies:
- python=3.8
- pip:
- azureml-defaults
channels:
- anaconda
Sumber
- Lihat penyematan paket conda
Masalah Conda
Dependensi conda hilang
Potensi penyebab:
- Anda belum memberikan spesifikasi conda dalam definisi lingkungan Anda, dan
user_managed_dependencies
diatur keFalse
(default)
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Jika Anda tidak ingin Azure Pembelajaran Mesin membuat lingkungan Python untuk Anda berdasarkan conda_dependencies,
atur user_managed_dependencies
keTrue
env.python.user_managed_dependencies = True
- Anda bertanggung jawab untuk memastikan bahwa semua paket yang diperlukan tersedia di lingkungan Python tempat Anda memilih untuk menjalankan skrip
Jika Anda ingin Azure Pembelajaran Mesin membuat lingkungan Python untuk Anda berdasarkan spesifikasi conda, Anda harus mengisi conda_dependencies
definisi lingkungan Anda
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
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Anda harus menentukan gambar Docker dasar untuk lingkungan, dan Azure Pembelajaran Mesin kemudian membangun lingkungan conda di atas gambar tersebut
- Berikan jalur relatif ke file conda
- Lihat cara membuat lingkungan dari spesifikasi conda
Sumber
Dependensi conda tidak valid
Potensi penyebab:
- Anda salah memformat dependensi conda yang ditentukan dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
BERLAKU UNTUK: Python SDK azureml v1
Pastikan itu conda_dependencies
adalah versi JSONified dari struktur YAML dependensi conda
"condaDependencies": {
"channels": [
"anaconda",
"conda-forge"
],
"dependencies": [
"python=3.8",
{
"pip": [
"azureml-defaults"
]
}
],
"name": "project_environment"
}
Anda juga dapat menentukan dependensi conda menggunakan add_conda_package
metode
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
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Anda harus menentukan gambar Docker dasar untuk lingkungan, dan Azure Pembelajaran Mesin kemudian membangun lingkungan conda di atas gambar tersebut
- Berikan jalur relatif ke file conda
- Lihat cara membuat lingkungan dari spesifikasi conda
Sumber
Saluran conda hilang
Potensi penyebab:
- Anda belum menentukan saluran conda dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Untuk reproduksi lingkungan Anda, tentukan saluran untuk menarik dependensi. Jika Anda tidak menentukan saluran conda, conda menggunakan default yang mungkin berubah.
BERLAKU UNTUK: Python SDK azureml v1
Menambahkan saluran conda menggunakan Python SDK
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
Jika Anda menggunakan YAML untuk spesifikasi conda Anda, sertakan saluran conda yang ingin Anda gunakan
name: project_environment
dependencies:
- python=3.8
- pip:
- azureml-defaults
channels:
- anaconda
- conda-forge
Sumber
Lingkungan conda dasar tidak disarankan
Potensi penyebab:
- Anda menentukan lingkungan conda dasar dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Pembaruan lingkungan parsial dapat menyebabkan konflik dependensi dan/atau kesalahan runtime tak terduga, sehingga penggunaan lingkungan conda dasar tidak disarankan.
BERLAKU UNTUK: Python SDK azureml v1
Hapus lingkungan conda dasar Anda, dan tentukan semua paket yang diperlukan untuk lingkungan Anda di conda_dependencies
bagian definisi lingkungan Anda
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
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)
Menentukan lingkungan menggunakan file konfigurasi YAML conda standar
Sumber
Dependensi yang tidak disematkan
Potensi penyebab:
- Anda tidak menentukan versi untuk paket tertentu dalam spesifikasi conda Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Jika Anda tidak menentukan versi dependensi, pemecah masalah paket conda dapat memilih versi paket yang berbeda pada build berikutnya dari lingkungan yang sama. Ini memutus reproduksi lingkungan dan dapat menyebabkan kesalahan tak terduga.
BERLAKU UNTUK: Python SDK azureml v1
Sertakan nomor versi saat menambahkan paket ke spesifikasi conda Anda
from azureml.core.environment import CondaDependencies
conda_dep = CondaDependencies()
conda_dep.add_conda_package("numpy==1.24.1")
Jika Anda menggunakan YAML untuk spesifikasi conda Anda, tentukan versi untuk dependensi Anda
name: project_environment
dependencies:
- python=3.8
- pip:
- numpy=1.24.1
channels:
- anaconda
- conda-forge
Sumber
- Lihat penyematan paket conda
Masalah pip
Pip tidak ditentukan
Potensi penyebab:
- Anda tidak menentukan pip sebagai dependensi dalam spesifikasi conda Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Untuk reproduktifitas, Anda harus menentukan dan menyematkan pip sebagai dependensi dalam spesifikasi conda Anda.
BERLAKU UNTUK: Python SDK azureml v1
Tentukan pip sebagai dependensi, bersama dengan versinya
env.python.conda_dependencies.add_conda_package("pip==22.3.1")
Jika Anda menggunakan YAML untuk spesifikasi conda Anda, tentukan pip sebagai dependensi
name: project_environment
dependencies:
- python=3.8
- pip=22.3.1
- pip:
- numpy=1.24.1
channels:
- anaconda
- conda-forge
Sumber
- Lihat penyematan paket conda
Pip tidak disematkan
Potensi penyebab:
- Anda tidak menentukan versi untuk pip dalam spesifikasi conda Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Jika Anda tidak menentukan versi pip, versi yang berbeda dapat digunakan pada build berikutnya dari lingkungan yang sama. Perilaku ini dapat menyebabkan masalah reproduksi dan kesalahan tak terduga lainnya jika versi pip yang berbeda menyelesaikan paket Anda secara berbeda.
BERLAKU UNTUK: Python SDK azureml v1
Tentukan versi pip dalam dependensi conda Anda
env.python.conda_dependencies.add_conda_package("pip==22.3.1")
Jika Anda menggunakan YAML untuk spesifikasi conda Anda, tentukan versi untuk pip
name: project_environment
dependencies:
- python=3.8
- pip=22.3.1
- pip:
- numpy=1.24.1
channels:
- anaconda
- conda-forge
Sumber
- Lihat penyematan paket conda
Masalah lingkungan lain-lain
Bagian R tidak digunakan lagi
Potensi penyebab:
- Anda menentukan bagian R dalam definisi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Azure Pembelajaran Mesin SDK for R tidak digunakan lagi pada akhir 2021 untuk memberi jalan bagi pengalaman pelatihan dan penyebaran R yang ditingkatkan menggunakan Azure CLI v2
Lihat repositori sampel untuk memulai pelatihan model R menggunakan Azure CLI v2
Tidak ada definisi untuk lingkungan
Potensi penyebab:
- Anda menentukan lingkungan yang tidak ada atau belum terdaftar
- Ada kesalahan ejaan atau kesalahan sintis dalam cara Anda menentukan nama lingkungan atau versi lingkungan Anda
Area terdampak (gejala):
- Kegagalan dalam mendaftarkan lingkungan Anda
Langkah-langkah pemecahan masalah
Pastikan Anda menentukan nama lingkungan dengan benar, bersama dengan versi yang benar
path-to-resource:version-number
Anda harus menentukan versi 'terbaru' lingkungan Anda dengan cara yang berbeda
path-to-resource@latest
Masalah build gambar
Masalah ACR
ACR tidak dapat dijangkau
Masalah ini dapat terjadi ketika ada kegagalan dalam mengakses sumber daya Azure Container Registry (ACR) terkait ruang kerja.
Potensi penyebab:
- ACR ruang kerja Anda berada di belakang jaringan virtual (VNet) (titik akhir privat atau titik akhir layanan), dan Anda tidak menggunakan kluster komputasi untuk membangun gambar.
- ACR ruang kerja Anda berada di belakang jaringan virtual (VNet) (titik akhir privat atau titik akhir layanan), dan kluster komputasi yang digunakan untuk membangun gambar tidak memiliki akses ke ACR ruang kerja.
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
- Kegagalan pekerjaan alur.
- Kegagalan penyebaran model.
Langkah-langkah pemecahan masalah
- Verifikasi VNet kluster komputasi memiliki akses ke ACR ruang kerja.
- Pastikan kluster komputasi berbasis CPU.
Catatan
- Hanya kluster komputasi Azure Machine Learning yang didukung. Komputasi, Azure Kubernetes Service (AKS), atau jenis instans lainnya tidak didukung untuk komputasi build gambar.
Sumber
Format Dockerfile Tak Terduga
Masalah ini dapat terjadi ketika Dockerfile Anda salah diformat.
Potensi penyebab:
- Dockerfile Anda berisi sintaksis yang tidak valid
- Dockerfile Anda berisi karakter yang tidak kompatibel dengan UTF-8
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena secara implisit dapat membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Dockerfile diformat dengan benar dan dikodekan dalam UTF-8
Sumber
Masalah penarikan Docker
Gagal menarik gambar Docker
Masalah ini dapat terjadi ketika penarikan gambar Docker gagal selama build gambar.
Potensi penyebab:
- Nama jalur ke registri kontainer salah
- Registri kontainer di belakang jaringan virtual menggunakan titik akhir privat di wilayah yang tidak didukung
- Gambar yang Anda coba referensikan tidak ada di registri kontainer yang Anda tentukan
- Anda belum memberikan info masuk untuk registri privat tempat Anda mencoba menarik gambar, atau info masuk yang disediakan salah
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Periksa apakah nama jalur ke registri kontainer Anda sudah benar
- Untuk registri
my-registry.io
dan gambartest/image
dengan tag3.2
, jalur gambar yang valid adalahmy-registry.io/test/image:3.2
- Lihat dokumentasi jalur registri
Jika registri kontainer Anda berada di belakang jaringan virtual atau menggunakan titik akhir privat di wilayah yang tidak didukung
- Konfigurasikan registri kontainer dengan menggunakan titik akhir layanan (akses publik) dari portal dan coba lagi
- Setelah Anda meletakkan registri kontainer di belakang jaringan virtual, jalankan templat Azure Resource Manager sehingga ruang kerja dapat berkomunikasi dengan instans registri kontainer
Jika gambar yang Anda coba referensikan tidak ada di registri kontainer yang Anda tentukan
- Periksa apakah Anda telah menggunakan tag yang benar dan anda telah mengatur
user_managed_dependencies
keTrue
. Mengatur user_managed_dependencies untukTrue
menonaktifkan conda dan menggunakan paket yang diinstal pengguna
Jika Anda belum memberikan kredensial untuk registri privat yang ingin Anda tarik, atau kredensial yang disediakan salah
- Atur koneksi ruang kerja untuk registri kontainer jika diperlukan
Sumber
Kesalahan I/O
Masalah ini dapat terjadi ketika penarikan gambar Docker gagal karena masalah jaringan.
Potensi penyebab:
- Masalah koneksi jaringan, yang bisa bersifat sementara
- Firewall memblokir koneksi
- ACR tidak dapat dijangkau dan ada isolasi jaringan. Untuk informasi selengkapnya, lihat ACR tidak dapat dijangkau.
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Menambahkan host ke aturan firewall
- Lihat mengonfigurasi lalu lintas jaringan masuk dan keluar untuk mempelajari cara menggunakan Azure Firewall untuk ruang kerja dan sumber daya Anda di belakang VNet
Menilai penyiapan ruang kerja Anda. Apakah Anda menggunakan jaringan virtual, atau apakah salah satu sumber daya yang coba Anda akses selama build gambar Anda di belakang jaringan virtual?
- Pastikan Anda telah mengikuti langkah-langkah dalam artikel ini tentang mengamankan ruang kerja dengan jaringan virtual
- Azure Machine Learning membutuhkan akses masuk dan keluar ke internet publik. Jika ada masalah dengan penyiapan jaringan virtual Anda, mungkin ada masalah dengan mengakses repositori tertentu yang diperlukan selama build gambar Anda
Jika Anda tidak menggunakan jaringan virtual, atau jika Anda telah mengonfigurasinya dengan benar
- Coba bangun ulang gambar Anda. Jika waktu habis disebabkan oleh masalah jaringan, masalahnya mungkin sementara, dan pembangunan ulang dapat memperbaiki masalah
Masalah Conda selama build
Spesifikasi buruk
Masalah ini dapat terjadi ketika paket yang tercantum dalam spesifikasi conda Anda tidak valid atau ketika Anda telah menjalankan perintah conda dengan tidak benar.
Potensi penyebab:
- Sintaks yang Anda gunakan dalam spesifikasi conda Anda salah
- Anda salah menjalankan perintah conda
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Kesalahan spesifikasi Conda dapat terjadi jika Anda salah menggunakan perintah conda create
- Baca dokumentasi dan pastikan Anda menggunakan opsi dan sintaks yang valid
- Ada kebingungan yang diketahui mengenai
conda env create
versusconda create
. Anda dapat membaca selengkapnya tentang respons conda dan solusi pengguna lain yang diketahui di sini
Untuk memastikan build berhasil, pastikan Anda menggunakan sintaks yang tepat dan spesifikasi paket yang valid di conda yaml Anda
- Lihat spesifikasi kecocokan paket dan cara membuat file conda secara manual
Kesalahan komunikasi
Masalah ini dapat terjadi ketika ada kegagalan dalam berkomunikasi dengan entitas tempat Anda ingin mengunduh paket yang tercantum dalam spesifikasi conda Anda.
Potensi penyebab:
- Gagal berkomunikasi dengan saluran conda atau repositori paket
- Kegagalan ini mungkin disebabkan oleh kegagalan jaringan sementara
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Pastikan bahwa saluran/repositori conda yang Anda gunakan dalam spesifikasi conda Anda sudah benar
- Periksa apakah ada dan Anda telah mengejanya dengan benar
Jika saluran/repositori conda sudah benar
- Cobalah untuk membangun kembali gambar--ada kemungkinan kegagalan bersifat sementara, dan pembangunan kembali mungkin memperbaiki masalah
- Periksa untuk memastikan bahwa paket yang tercantum dalam spesifikasi conda Anda ada di saluran/repositori yang Anda tentukan
Kesalahan kompilasi
Masalah ini dapat terjadi ketika ada kegagalan membangun paket yang diperlukan untuk lingkungan conda karena kesalahan kompilator.
Potensi penyebab:
- Anda salah mengeja paket dan karena itu tidak dikenali
- Ada sesuatu yang salah dengan pengkompilasi
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Jika Anda menggunakan pengkompilasi
- Pastikan pengkompilasi yang Anda gunakan dikenali
- Jika diperlukan, tambahkan langkah penginstalan ke Dockerfile Anda
- Verifikasi versi pengkompilasi Anda dan periksa apakah semua perintah atau opsi yang Anda gunakan kompatibel dengan versi pengkompilasi
- Jika perlu, tingkatkan versi kompilator Anda
Pastikan Anda telah mengeja semua paket yang tercantum dengan benar dan Anda telah menyematkan versi dengan benar
Sumber
Perintah hilang
Masalah ini dapat terjadi ketika perintah tidak dikenali selama build gambar atau dalam persyaratan paket Python yang ditentukan.
Potensi penyebab:
- Anda tidak mengeja perintah dengan benar
- Perintah tidak dapat dijalankan karena paket yang diperlukan tidak diinstal
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja perintah dengan benar
- Pastikan Anda telah menginstal paket apa pun yang diperlukan untuk menjalankan perintah yang coba Anda lakukan
- Jika diperlukan, tambahkan langkah penginstalan ke Dockerfile Anda
Sumber
Batas waktu Conda
Masalah ini dapat terjadi ketika resolusi paket conda membutuhkan waktu terlalu lama untuk diselesaikan.
Potensi penyebab:
- Ada sejumlah besar paket yang tercantum dalam spesifikasi conda Anda dan paket yang tidak perlu disertakan
- Anda belum menyematkan dependensi Anda (Anda menyertakan tensorflow alih-alih tensorflow=2.8)
- Anda telah mencantumkan paket yang tidak ada solusinya (Anda menyertakan paket X=1.3 dan Y=2.8, tetapi versi X tidak kompatibel dengan versi Y)
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Hapus paket apa pun dari spesifikasi conda Anda yang tidak perlu
- Sematkan paket Anda--resolusi lingkungan lebih cepat
- Jika Anda masih mengalami masalah, tinjau artikel ini untuk melihat pemahaman mendalam dan meningkatkan performa conda
Kehabisan memori
Masalah ini dapat terjadi ketika resolusi paket conda gagal karena memori yang tersedia habis.
Potensi penyebab:
- Ada sejumlah besar paket yang tercantum dalam spesifikasi conda Anda dan paket yang tidak perlu disertakan
- Anda belum menyematkan dependensi Anda (Anda menyertakan tensorflow alih-alih tensorflow=2.8)
- Anda telah mencantumkan paket yang tidak ada solusinya (Anda menyertakan paket X=1.3 dan Y=2.8, tetapi versi X tidak kompatibel dengan versi Y)
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Hapus paket apa pun dari spesifikasi conda Anda yang tidak perlu
- Sematkan paket Anda--resolusi lingkungan lebih cepat
- Jika Anda masih mengalami masalah, tinjau artikel ini untuk melihat pemahaman mendalam dan meningkatkan performa conda
Paket tidak ditemukan
Masalah ini dapat terjadi ketika satu atau beberapa paket conda yang tercantum dalam spesifikasi Anda tidak dapat ditemukan di saluran/repositori.
Potensi penyebab:
- Anda salah mencantumkan nama atau versi paket dalam spesifikasi conda Anda
- Paket ada di saluran conda yang tidak Anda cantumkan dalam spesifikasi conda Anda
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja paket dengan benar dan bahwa versi yang ditentukan ada
- Pastikan paket ada di saluran yang Anda targetkan
- Pastikan Anda telah mencantumkan saluran/repositori dalam spesifikasi conda Anda sehingga paket dapat ditarik dengan benar selama resolusi paket
Tentukan saluran dalam spesifikasi conda Anda:
channels:
- conda-forge
- anaconda
dependencies:
- python=3.8
- tensorflow=2.8
Name: my_environment
Sumber
Modul Python hilang
Masalah ini dapat terjadi ketika modul Python yang tercantum dalam spesifikasi conda Anda tidak ada atau tidak valid.
Potensi penyebab:
- Anda salah mengeja modul
- Modul tidak dikenali
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja modul dengan benar dan bahwa modul tersebut ada
- Periksa untuk memastikan bahwa modul kompatibel dengan versi Python yang telah Anda tentukan dalam spesifikasi conda Anda
- Jika Anda belum mencantumkan versi Python tertentu dalam spesifikasi conda Anda, pastikan untuk mencantumkan versi tertentu yang kompatibel dengan modul Anda jika tidak, default dapat digunakan yang tidak kompatibel
Sematkan versi Python yang kompatibel dengan modul pip yang Anda gunakan:
channels:
- conda-forge
- anaconda
dependencies:
- python=3.8
- pip:
- dataclasses
Name: my_environment
Tidak ada distribusi yang cocok
Masalah ini dapat terjadi ketika tidak ada paket yang ditemukan yang cocok dengan versi yang Anda tentukan.
Potensi penyebab:
- Anda salah mengeja nama paket
- Paket dan versi tidak dapat ditemukan di saluran atau umpan yang Anda tentukan
- Versi yang Anda tentukan tidak ada
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja paket dengan benar dan bahwa paket tersebut ada
- Pastikan versi yang Anda tentukan untuk paket ada
- Pastikan Anda telah menentukan saluran tempat paket akan diinstal. Jika Anda tidak menentukan saluran, default digunakan dan default tersebut mungkin atau mungkin tidak memiliki paket yang Anda cari
Cara mencantumkan saluran dalam spesifikasi yaml conda:
channels:
- conda-forge
- anaconda
dependencies:
- python = 3.8
- tensorflow = 2.8
Name: my_environment
Sumber
Tidak dapat membangun mpi4py
Masalah ini dapat terjadi ketika roda bangunan untuk mpi4py gagal.
Potensi penyebab:
- Persyaratan untuk penginstalan mpi4py yang berhasil tidak terpenuhi
- Ada sesuatu yang salah dengan metode yang Anda pilih untuk menginstal mpi4py
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Pastikan Anda memiliki penginstalan MPI yang berfungsi (preferensi untuk dukungan MPI-3 dan untuk MPI yang dibangun dengan pustaka bersama/dinamis)
- Lihat penginstalan mpi4py
- Jika diperlukan, ikuti langkah-langkah berikut tentang membangun MPI
Pastikan Anda menggunakan versi python yang kompatibel
- Python 3.8+ direkomendasikan karena versi yang lebih lama mencapai akhir masa pakai
- Lihat penginstalan mpi4py
Sumber
Autentikasi interaktif dicoba
Masalah ini dapat terjadi ketika pip mencoba autentikasi interaktif selama penginstalan paket.
Potensi penyebab:
- Anda telah mencantumkan paket yang memerlukan autentikasi, tetapi Anda belum memberikan kredensial
- Selama build gambar, pip mencoba meminta Anda untuk mengautentikasi build yang gagal karena Anda tidak dapat memberikan autentikasi interaktif selama build
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Menyediakan autentikasi melalui koneksi ruang kerja
BERLAKU UNTUK: Python SDK azureml v1
from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "PythonFeed", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")
BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)
Membuat koneksi ruang kerja dari file spesifikasi YAML
az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace
Sumber
Blob terlarang
Masalah ini dapat terjadi ketika upaya untuk mengakses blob di akun penyimpanan ditolak.
Potensi penyebab:
- Metode otorisasi yang Anda gunakan untuk mengakses akun penyimpanan tidak valid
- Anda mencoba mengotorisasi melalui tanda tangan akses bersama (SAS), tetapi token SAS kedaluwarsa atau tidak valid
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Baca hal berikut untuk memahami cara mengotorisasi akses ke data blob di portal Azure
Baca hal berikut untuk memahami cara mengotorisasi akses ke data di penyimpanan Azure
Baca hal berikut jika Anda tertarik menggunakan SAS untuk mengakses sumber daya penyimpanan Azure
Horovod membangun
Masalah ini dapat terjadi ketika lingkungan conda gagal dibuat atau diperbarui karena horovod gagal dibangun.
Potensi penyebab:
- Penginstalan Horovod memerlukan modul lain yang belum Anda instal
- Penginstalan Horovod memerlukan pustaka tertentu yang belum Anda sertakan
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Banyak masalah dapat menyebabkan kegagalan horovod, dan ada daftar komprehensif dari mereka dalam dokumentasi horovod
- Tinjau panduan pemecahan masalah horovod
- Tinjau log Build Anda untuk melihat apakah ada pesan kesalahan yang muncul saat horovod gagal dibangun
- Ada kemungkinan bahwa panduan pemecahan masalah horovod menjelaskan masalah yang Anda temui, bersama dengan solusi
Sumber
Perintah Conda tidak ditemukan
Masalah ini dapat terjadi ketika perintah conda tidak dikenali selama pembuatan atau pembaruan lingkungan conda.
Potensi penyebab:
- Anda belum menginstal conda dalam gambar dasar yang Anda gunakan
- Anda belum menginstal conda melalui Dockerfile Anda sebelum mencoba menjalankan perintah conda
- Anda belum menyertakan conda di jalur Anda, atau Anda belum menambahkannya ke jalur Anda
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Pastikan Anda memiliki langkah penginstalan conda di Dockerfile Anda sebelum mencoba menjalankan perintah conda apa pun
- Tinjau daftar alat penginstal conda ini untuk menentukan apa yang Anda butuhkan untuk skenario Anda
Jika Anda telah mencoba menginstal conda dan mengalami masalah ini, pastikan Anda telah menambahkan conda ke jalur Anda
- Tinjau contoh ini untuk panduan
- Tinjau cara mengatur variabel lingkungan dalam Dockerfile
Sumber
- Semua distribusi conda yang tersedia ditemukan di repositori conda
Versi Python yang tidak kompatibel
Masalah ini dapat terjadi ketika ada paket yang ditentukan di lingkungan conda Anda yang tidak kompatibel dengan versi Python yang Anda tentukan.
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Gunakan versi paket berbeda yang kompatibel dengan versi Python yang Anda tentukan
Atau, gunakan versi Python yang berbeda yang kompatibel dengan paket yang telah Anda tentukan
- Jika Anda mengubah versi Python, gunakan versi yang didukung dan tidak mendekati akhir masa pakainya segera
- Lihat Tanggal akhir masa pakai Python
Sumber
Pengalihan bare Conda
Masalah ini dapat terjadi ketika Anda telah menentukan paket pada baris perintah menggunakan "<" atau ">" tanpa menggunakan tanda kutip. Sintaks ini dapat menyebabkan pembuatan atau pembaruan lingkungan conda gagal.
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Menambahkan kutipan sekeliling spesifikasi paket
- Misalnya, ubah
conda install -y pip<=20.1.1
menjadiconda install -y "pip<=20.1.1"
Kesalahan pendekodean UTF-8
Masalah ini dapat terjadi ketika ada kegagalan mendekode karakter dalam spesifikasi conda Anda.
Potensi penyebab:
- File YAML conda Anda berisi karakter yang tidak kompatibel dengan UTF-8.
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Masalah pip selama build
Gagal menginstal paket
Masalah ini dapat terjadi ketika build gambar Anda gagal selama penginstalan paket Python.
Potensi penyebab:
- Ada banyak masalah yang dapat menyebabkan kesalahan ini
- Pesan ini umum dan muncul ketika analisis Azure Pembelajaran Mesin belum mencakup kesalahan yang Anda temui
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Tinjau log Build Anda untuk informasi selengkapnya tentang kegagalan build gambar Anda
Tinggalkan umpan balik untuk tim Azure Pembelajaran Mesin untuk menganalisis kesalahan yang Anda alami
Tidak dapat menghapus instalasi paket
Masalah ini dapat terjadi ketika pip gagal menghapus instalan paket Python yang diinstal oleh manajer paket sistem operasi.
Potensi penyebab:
- Masalah pip yang ada atau versi pip yang bermasalah
- Masalah yang timbul karena tidak menggunakan lingkungan yang terisolasi
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Baca hal berikut dan tentukan apakah masalah pip yang ada menyebabkan kegagalan Anda
- Tidak dapat menghapus instalasi saat membuat gambar Docker
- pip 10 disutils masalah penghapusan penginstalan parsial
- pip 10 tidak lagi menghapus instalan paket disutil
Coba yang berikut ini
pip install --ignore-installed [package]
Coba buat lingkungan terpisah menggunakan conda
Operator tidak valid
Masalah ini dapat terjadi ketika pip gagal menginstal paket Python karena operator yang tidak valid yang ditemukan dalam persyaratan.
Potensi penyebab:
- Ada operator yang tidak valid yang ditemukan dalam persyaratan paket Python
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja paket dengan benar dan bahwa versi yang ditentukan ada
- Pastikan bahwa penentu versi paket Anda diformat dengan benar dan Anda menggunakan operator perbandingan yang valid. Lihat Penentu versi
- Ganti operator yang tidak valid dengan operator yang direkomendasikan dalam pesan kesalahan
Tidak ada distribusi yang cocok
Masalah ini dapat terjadi ketika tidak ada paket yang ditemukan yang cocok dengan versi yang Anda tentukan.
Potensi penyebab:
- Anda salah mengeja nama paket
- Paket dan versi tidak dapat ditemukan di saluran atau umpan yang Anda tentukan
- Versi yang Anda tentukan tidak ada
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja paket dengan benar dan bahwa paket tersebut ada
- Pastikan versi yang Anda tentukan untuk paket ada
- Jalankan
pip install --upgrade pip
lalu jalankan perintah asli lagi - Pastikan pip yang Anda gunakan dapat menginstal paket untuk versi Python yang diinginkan. Lihat Haruskah saya menggunakan pip atau pip3?
Sumber
Nama file roda tidak valid
Masalah ini dapat terjadi ketika Anda telah menentukan file roda dengan tidak benar.
Potensi penyebab:
- Anda salah mengeja nama file roda atau menggunakan pemformatan yang tidak tepat
- File roda yang Anda tentukan tidak dapat ditemukan
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja nama file dengan benar dan nama file tersebut ada
- Pastikan Anda mengikuti format untuk nama file roda
Membuat masalah
Tidak ada target yang ditentukan dan tidak ada makefile yang ditemukan
Masalah ini dapat terjadi ketika Anda belum menentukan target apa pun dan tidak ada makefile yang ditemukan saat menjalankan make
.
Potensi penyebab:
- Makefile tidak ada di direktori saat ini
- Tidak ada target yang ditentukan
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan Anda telah mengeja makefile dengan benar
- Pastikan makefile ada di direktori saat ini
- Jika Anda memiliki makefile kustom, tentukan menggunakannya
make -f custommakefile
- Tentukan target dalam makefile atau di baris perintah
- Mengonfigurasi build Anda dan membuat makefile
- Pastikan Anda telah memformat makefile dengan benar dan Anda telah menggunakan tab untuk indentasi
Sumber
Salin masalah
File tidak ditemukan
Masalah ini dapat terjadi ketika Docker gagal menemukan dan menyalin file.
Potensi penyebab:
- File sumber tidak ditemukan dalam konteks build Docker
- File sumber dikecualikan oleh
.dockerignore
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena secara implisit dapat membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan file sumber ada dalam konteks build Docker
- Pastikan jalur sumber dan tujuan ada dan dieja dengan benar
- Pastikan bahwa file sumber tidak tercantum di
.dockerignore
direktori saat ini dan induk - Menghapus komentar berikutnya dari baris yang sama dengan
COPY
perintah
Sumber
Masalah Apt-Get
Gagal menjalankan perintah apt-get
Masalah ini dapat terjadi ketika apt-get gagal dijalankan.
Potensi penyebab:
- Masalah koneksi jaringan, yang bisa bersifat sementara
- Dependensi rusak yang terkait dengan paket yang Anda jalankan apt-get on
- Anda tidak memiliki izin yang benar untuk menggunakan perintah apt-get
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena secara implisit dapat membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Memeriksa koneksi jaringan dan pengaturan DNS Anda
- Jalankan
apt-get check
untuk memeriksa dependensi yang rusak - Jalankan lalu jalankan
apt-get update
perintah asli Anda lagi - Jalankan perintah dengan
-f
bendera , yang akan mencoba mengatasi masalah yang berasal dari dependensi rusak - Jalankan perintah dengan
sudo
izin, sepertisudo apt-get install <package-name>
Sumber
- Manajemen paket dengan APT
- Ubuntu Apt-Get
- Apa yang harus dilakukan ketika apt-get gagal
- perintah apt-get di Linux dengan Contoh
Masalah docker push
Gagal menyimpan gambar Docker
Masalah ini dapat terjadi ketika ada kegagalan dalam mendorong gambar Docker ke registri kontainer.
Potensi penyebab:
- Masalah sementara telah terjadi dengan ACR yang terkait dengan ruang kerja
- Registri kontainer di belakang jaringan virtual menggunakan titik akhir privat di wilayah yang tidak didukung
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari UI, SDK, dan CLI.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Coba lagi build lingkungan jika Anda menduga kegagalan adalah masalah sementara dengan Azure Container Registry (ACR) ruang kerja
Jika registri kontainer Anda berada di belakang jaringan virtual atau menggunakan titik akhir privat di wilayah yang tidak didukung
- Konfigurasikan registri kontainer dengan menggunakan titik akhir layanan (akses publik) dari portal dan coba lagi
- Setelah Anda meletakkan registri kontainer di belakang jaringan virtual, jalankan templat Azure Resource Manager sehingga ruang kerja dapat berkomunikasi dengan instans registri kontainer
Jika Anda tidak menggunakan jaringan virtual, atau jika Anda telah mengonfigurasinya dengan benar, uji bahwa kredensial Anda sudah benar untuk ACR Anda dengan mencoba build lokal sederhana
- Mendapatkan kredensial untuk ACR ruang kerja Anda dari portal Azure
- Masuk ke ACR Anda menggunakan
docker login <myregistry.azurecr.io> -u "username" -p "password"
- Untuk gambar "helloworld", uji pendorongan ke ACR Anda dengan menjalankan
docker push helloworld
- Lihat Mulai Cepat: Membangun dan menjalankan gambar kontainer menggunakan Tugas Azure Container Registry
Perintah Docker Tidak Diketahui
Instruksi Docker tidak diketahui
Masalah ini dapat terjadi ketika Docker tidak mengenali instruksi di Dockerfile.
Potensi penyebab:
- Instruksi Docker yang tidak diketahui digunakan di Dockerfile
- Dockerfile Anda berisi sintaksis yang tidak valid
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena secara implisit dapat membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan bahwa perintah Docker valid dan dieja dengan benar
- Pastikan ada spasi antara perintah Docker dan argumen
- Pastikan tidak ada spasi kosong yang tidak perlu di Dockerfile
- Pastikan Dockerfile diformat dengan benar dan dikodekan dalam UTF-8
Sumber
Perintah Tidak Ditemukan
Perintah tidak dikenali
Masalah ini dapat terjadi ketika perintah yang dijalankan tidak dikenali.
Potensi penyebab:
- Anda belum menginstal perintah melalui Dockerfile sebelum mencoba menjalankan perintah
- Anda belum menyertakan perintah di jalur Anda, atau Anda belum menambahkannya ke jalur Anda
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena secara implisit dapat membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah Pastikan Anda memiliki langkah penginstalan untuk perintah di Dockerfile Anda sebelum mencoba menjalankan perintah
Jika Anda telah mencoba menginstal perintah dan mengalami masalah ini, pastikan Anda telah menambahkan perintah ke jalur Anda
- Tinjau contoh ini
- Tinjau cara mengatur variabel lingkungan dalam Dockerfile
Masalah build lain-lain
Log build tidak tersedia
Potensi penyebab:
- Azure Pembelajaran Mesin tidak berwenang untuk menyimpan log build Anda di akun penyimpanan Anda
- Terjadi kesalahan sementara saat menyimpan log build Anda
- Terjadi kesalahan sistem sebelum build gambar dipicu
Area terdampak (gejala):
- Build yang berhasil, tetapi tidak ada log yang tersedia.
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena Azure Pembelajaran Mesin secara implisit membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
Pembangunan ulang dapat memperbaiki masalah jika bersifat sementara
Gambar tidak ditemukan
Masalah ini dapat terjadi ketika gambar dasar yang Anda tentukan tidak dapat ditemukan.
Potensi penyebab:
- Anda salah menentukan gambar
- Gambar yang Anda tentukan tidak ada di registri yang Anda tentukan
Area terdampak (gejala):
- Kegagalan dalam membangun lingkungan dari Antarmuka Pengguna, Kit Pengembangan Perangkat Lunak, dan Antarmuka Tingkat Panggilan.
- Kegagalan dalam menjalankan pekerjaan karena secara implisit dapat membangun lingkungan pada langkah pertama.
Langkah-langkah pemecahan masalah
- Pastikan bahwa gambar dasar dieja dan diformat dengan benar
- Pastikan bahwa gambar dasar yang Anda gunakan ada di registri yang Anda tentukan
Sumber