Bagikan melalui

Pemecahan masalah lingkungan

  • Artikel

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

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

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

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

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

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

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

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

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

BERLAKU UNTUK: Ekstensi ml Azure CLI v2 (saat ini)

BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)

Tentukan jalur Dockerfile

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

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

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

  • Lihat gambar dasar yang tersedia

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

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

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

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

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

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

Masalah Conda

Dependensi conda hilang

Potensi penyebab:

  • Anda belum memberikan spesifikasi conda dalam definisi lingkungan Anda, dan user_managed_dependencies diatur ke False (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

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

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

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

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

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

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

BERLAKU UNTUK: Python SDK azureml v1

Menghapus bagian R dari definisi lingkungan Anda

env.r = None

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 gambar test/image dengan tag 3.2, jalur gambar yang valid adalah my-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 ke True. Mengatur user_managed_dependencies untuk True 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

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

Untuk memastikan build berhasil, pastikan Anda menggunakan sintaks yang tepat dan spesifikasi paket yang valid di conda yaml Anda

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

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

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)

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

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 menjadi conda 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

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

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, seperti sudo apt-get install <package-name>

Sumber

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

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

  • Tinjau contoh ini

Jika Anda telah mencoba menginstal perintah dan mengalami masalah ini, pastikan Anda telah menambahkan perintah ke jalur Anda

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