Este artigo contém respostas para perguntas frequentes sobre solução de problemas sobre o serviço Personalizador.
Residência de dados de região única
Quando o Personalizador será preterido?
A partir de 20 de setembro de 2023, você não poderá criar novos recursos do Personalizador. O serviço de Personalizador será aposentado no dia 1º de outubro de 2026.
Como meus dados são replicados em uma região com residência de dados de região única?
O Personalizer não armazena/processa dados do cliente fora da região em que o cliente implanta a instância de serviço.
Problemas de configuração
Mudei uma definição de configuração e agora meu loop não está funcionando no mesmo nível de aprendizagem. O que aconteceu?
Algumas definições de configuração redefinirão o seu modelo. As alterações de configuração devem ser planejadas e executadas cuidadosamente após a leitura da documentação.
Ao configurar o Personalizer com a API, recebi um erro. O que aconteceu?
Se você usar uma única solicitação de API para configurar seu serviço e alterar seu comportamento de aprendizagem, receberá um erro. Você precisará fazer duas chamadas de API separadas: primeiro, para configurar seu serviço e, em seguida, para alterar o comportamento de aprendizagem.
Erros de transação
Recebo uma resposta HTTP 429 (muitas solicitações) do serviço. O que posso fazer?
Se você escolheu uma faixa de preço gratuita quando criou a instância do Personalizador, há um limite de cota para o número de solicitações de Classificação permitidas. Revise sua taxa de chamadas de API para a API de classificação (no painel Métricas no portal do Azure para seu recurso Personalizador) e ajuste a camada de preço (no painel Camada de preço) se o volume de chamadas de API aumentar além do limite para a camada escolhida.
Estou recebendo um erro 5xx nas APIs de Classificação ou Recompensa. O que devo fazer?
5xx erros devem ser problemas transitórios. Se eles continuarem a ocorrer, entre em contato com o suporte selecionando Nova solicitação de suporte na seção Suporte + solução de problemas, no portal do Azure para seu recurso do Personalizador.
Ciclo de aprendizagem
No modo Aprendiz, o ciclo de aprendizagem não atinge uma correspondência de 100% com a política não personalizada (linha de base). Como devo proceder para corrigir este problema?
A eficácia do Personalizer no modo Aprendiz raramente atingirá perto de 100% da linha de base do aplicativo; e nunca a exceda. A melhor prática não seria o objetivo de atingir 100%; mas um intervalo de 60% a 80% deve ser alcançável, dependendo do caso de uso. No entanto, se o desempenho de aprendizagem for lento ou estabilizado abaixo de 60%, então os seguintes problemas podem ter ocorrido:
- Recursos insuficientes enviados com chamada de API de classificação
- Bugs nos recursos enviados - como o envio de dados de recursos não agregados, como carimbos de data/hora para a API de classificação
- Bugs com processamento de loop - como não enviar dados de recompensa para a API de recompensa para eventos
Para resolver esses problemas, talvez seja necessário fazer ajustes alterando os recursos enviados para o loop ou garantindo que a pontuação de recompensa esteja capturando com precisão o valor da ação retornada pela chamada da API de classificação.
O ciclo de aprendizagem parece não aprender de forma eficaz ou rápida. Como devo proceder para corrigir este problema?
O ciclo de aprendizagem precisa de alguns milhares de chamadas de Recompensa antes que as chamadas de Rank priorizem efetivamente.
Se você não tiver certeza sobre como seu ciclo de aprendizagem está se comportando atualmente, execute uma avaliação offline e aplique a política de aprendizagem corrigida.
Eu continuo recebendo resultados de classificação com todas as mesmas probabilidades para todos os itens. Como sei que o Personalizer está a aprender?
O Personalizer retorna as mesmas probabilidades em um resultado da API de classificação quando ele acaba de ser iniciado e tem um modelo vazio , ou quando você redefine o Personalizer Loop e seu modelo ainda está dentro do período de frequência de atualização do modelo.
Quando o novo período de atualização começar, você verá as probabilidades mudarem com os resultados do modelo atualizado.
O ciclo de aprendizagem estava aprendendo, mas parece não aprender mais, e a qualidade dos resultados do Rank não é tão boa. O que devo fazer?
- Certifique-se de ter concluído e aplicado uma avaliação no portal do Azure para esse loop.
- Certifique-se de que todas as recompensas foram enviadas com sucesso através da API de Recompensas e processadas.
Como posso saber que o ciclo de aprendizagem está a ser atualizado regularmente e é utilizado para pontuar os meus dados?
Você pode encontrar a hora em que o modelo foi atualizado pela última vez na página Configurações de Modelo e Aprendizagem do portal do Azure. Se vir um carimbo de data/hora antigo, é provável que não esteja a enviar as chamadas de Classificação e Recompensa. Se o serviço não tiver dados de entrada, ele não atualizará o aprendizado. Se você vir que o loop de aprendizagem não está sendo atualizado com frequência suficiente, poderá editar a frequência de atualização de modelo do loop.
Avaliações offline
A importância do recurso de uma avaliação offline retorna uma longa lista com centenas ou milhares de itens. O que aconteceu?
Isso geralmente se deve a carimbos de data/hora, IDs de usuário ou alguns outros recursos refinados enviados.
Criei uma avaliação offline e ela teve sucesso quase instantaneamente. Porquê? Não vejo nenhum resultado?
A avaliação offline usa o modelo treinado e os dados dos eventos que foram enviados para as APIs de Classificação/Recompensa nesse período de tempo. Se a sua candidatura não enviou quaisquer dados entre as horas de início e de fim da avaliação, esta será concluída rapidamente sem quaisquer resultados.
Política de aprendizagem
Como importar uma política de aprendizagem?
Saiba mais sobre conceitos de política de aprendizagem e como aplicar uma nova política de aprendizagem. Se não quiser selecionar uma política de aprendizagem, pode utilizar a avaliação offline para sugerir uma política de aprendizagem, com base nos seus eventos atuais.
Segurança
Quais protocolos de autenticação de API o Personalizer suporta?
As APIs do Personalizer usam o Microsoft Entra ID, que suporta uma variedade de protocolos de autenticação e sincronização.
A chave de API para o meu loop foi comprometida. O que posso fazer?
Você pode regenerar uma chave depois de trocar seus clientes para usar a outra chave. Ter duas teclas permite que você propague a chave de forma preguiçosa sem ter que ter nenhum tempo de inatividade. Por motivos de segurança, recomendamos que o faça a uma cadência regular.