Problemen met geautomatiseerde ML-experimenten oplossen
VAN TOEPASSING OP:
Azure CLI ml extension v2 (current)Python SDK azure-ai-ml v2 (current)
In deze handleiding leert u hoe u problemen in uw geautomatiseerde machine learning-experimenten kunt identificeren en oplossen.
Problemen met geautomatiseerde ML voor afbeeldingen en NLP in Studio oplossen
Als er een taakfout optreedt voor Automated ML for Images en NLP, kunt u de volgende stappen gebruiken om de fout te begrijpen.
- In de gebruikersinterface van studio moet de AutoML-taak een foutbericht hebben dat de reden voor de fout aangeeft.
- Ga naar de onderliggende taak van deze AutoML-taak voor meer informatie. Deze onderliggende uitvoering is een HyperDrive-taak.
- Op het tabblad Proefversies kunt u alle proefversies controleren die zijn uitgevoerd voor deze HyperDrive-uitvoering.
- Ga naar de mislukte proeftaak.
- Deze taken moeten een foutbericht bevatten in de sectie Status van het tabblad Overzicht die de reden voor de fout aangeeft. Selecteer Meer details weergeven voor meer informatie over de fout.
- Daarnaast kunt u std_log.txt bekijken op het tabblad Uitvoer en logboeken om gedetailleerde logboeken en uitzonderingstraceringen te bekijken.
Als uw geautomatiseerde ML-uitvoeringen pijplijnuitvoeringen gebruiken voor proefversies, volgt u deze stappen om de fout te begrijpen.
- Volg de stappen 1-4 hierboven om de mislukte proeftaak te identificeren.
- In deze uitvoering ziet u de pijplijnuitvoering en de mislukte knooppunten in de pijplijn zijn gemarkeerd met rode kleur.
- Selecteer het mislukte knooppunt in de pijplijn.
- Deze taken moeten een foutbericht bevatten in de sectie Status van het tabblad Overzicht die de reden voor de fout aangeeft. Selecteer Meer details weergeven voor meer informatie over de fout.
- U kunt std_log.txt bekijken op het tabblad Uitvoer en logboeken om gedetailleerde logboeken en uitzonderingstraceringen te bekijken.
