Устранение неполадок с конвейерами машинного обучения

Статья
10/16/2024

ОБЛАСТЬ ПРИМЕНЕНИЯ: Пакет SDK для Python версии 1

Из этой статьи вы узнаете, как устранять неполадки, связанные с запуском конвейера машинного обучения в пакете SDK Машинного обучения Azure и конструкторе Машинного обучения Azure.

Советы по устранению неполадок

В следующей таблице приведены распространенные проблемы, возникающие во время разработки конвейера, а также возможные решения.

Проблема	Возможное решение
Не удалось передать данные в каталог `PipelineData`	Убедитесь, что в скрипте создан каталог, который соответствует ожидаемому конвейером расположению вывода данных на шаге. В большинстве случаев входной аргумент определяет выходной каталог, а затем создаете каталог явным образом. Используйте `os.makedirs(args.output_dir, exist_ok=True)` для создания выходного каталога. См. руководство по примеру сценария оценки, в котором описан этот конструктивный шаблон.
Ошибки зависимостей	Если в удаленном конвейере возникают ошибки зависимостей, которые не произошли при локальном тестировании, убедитесь, что зависимости удаленной среды и версии соответствуют их в тестовой среде. (См. статью Создание среды, кэширование и повторное использование.)
Неоднозначные ошибки с целевыми объектами вычислений	Попробуйте удалить и повторно создать целевые объекты вычислений. Повторное создание целевых объектов вычислений позволяет быстро устранить некоторые временные проблемы.
Конвейер не использует этапы повторно	Повторное использование этапов включено по умолчанию, но убедитесь, что вы не отключили его на этапе конвейера. Если повторное использование отключено, `allow_reuse` параметр на шаге имеет значение `False`.
Конвейер перезапускается без необходимости	Чтобы обеспечить повторное выполнение этапов только при изменении базовых данных или сценариев, следует разделить каталоги исходного кода для каждого этапа. Если один и тот же исходный каталог используется для нескольких этапов, может возникнуть ненужное повторное использование. Используйте параметр `source_directory` для объекта этапа конвейера, чтобы указать на изолированный каталог для этого этапа. Убедитесь, что вы не используете один и тот же путь `source_directory` для нескольких этапов.
Этап замедляется во время эпох обучения или возникает другое циклическое поведение	Попробуйте переключить операции записи файлов, в том числе ведение журнала, с `as_mount()` на `as_upload()`. В режиме mount используется удаленная виртуальная файловая система и загружается весь файл каждый раз, когда он добавляется.
Целевой объект вычислений долго запускается	Образы Docker для целевых объектов вычислений загружаются из Реестра контейнеров Azure (ACR). По умолчанию служба Машинного обучения Azure создает реестр ACR, который использует уровень обслуживания Basic. Изменение ACR для рабочей области на уровень "Стандарт" или "Премиум" может сократить время, затрачиваемое на сборку и загрузку образов. Дополнительные сведения см в статье Уровни службы Реестра контейнеров Azure.

Ошибки проверки подлинности

При выполнении операции управления на целевом объекте вычислений из удаленного задания возникает одна из следующих ошибок:

{"code":"Unauthorized","statusCode":401,"message":"Unauthorized","details":[{"code":"InvalidOrExpiredToken","message":"The request token was either invalid or expired. Please try again with a valid token."}]}

{"error":{"code":"AuthenticationFailed","message":"Authentication failed."}}

Например, при попытке создать или подключить целевой объект вычислений из конвейера машинного обучения, отправленного для удаленного выполнения, возникает ошибка.

Устранение неполадок `ParallelRunStep`

Сценарий для ParallelRunStep должен содержать две функции:

init(): используйте эту функцию для любой дорогостоящих или распространенных подготовки к последующему выводу. Например, в ней можно загружать модель в глобальный объект. Эта функция вызывается только один раз в начале процесса.
run(mini_batch): функция выполняется для каждого mini_batch экземпляра.
- mini_batch: ParallelRunStep вызывает метод выполнения и передает список или pandas DataFrame в качестве аргумента методу. Каждая запись в mini_batch — это путь к файлу, если входные данные являются FileDataset входными или пандами, если входные данные являются входными данными DataFrame TabularDataset.
- response: метод run() должен возвращать Pandas DataFrame или массив. Для append_row output_action эти возвращаемые элементы добавляются в общий выходной файл. Для summary_only содержимое элементов игнорируется. Для всех выходных действий каждый возвращаемый элемент обозначает один успешный запуск входного элемента во входном мини-пакете. Убедитесь в том, что в результат выполнения включено достаточно данных, чтобы сопоставить входные данные с результатом вывода. Выходные данные запуска записываются в выходной файл и не гарантируется, что они должны быть упорядочены, используйте ключ в выходных данных, чтобы сопоставить его с входным.

%%writefile digit_identification.py
# Snippets from a sample script.
# Refer to the accompanying digit_identification.py
# (https://github.com/Azure/MachineLearningNotebooks/tree/master/how-to-use-azureml/machine-learning-pipelines/parallel-run)
# for the implementation script.

import os
import numpy as np
import tensorflow as tf
from PIL import Image
from azureml.core import Model


def init():
    global g_tf_sess

    # Pull down the model from the workspace
    model_path = Model.get_model_path("mnist")

    # Construct a graph to execute
    tf.reset_default_graph()
    saver = tf.train.import_meta_graph(os.path.join(model_path, 'mnist-tf.model.meta'))
    g_tf_sess = tf.Session()
    saver.restore(g_tf_sess, os.path.join(model_path, 'mnist-tf.model'))


def run(mini_batch):
    print(f'run method start: {__file__}, run({mini_batch})')
    resultList = []
    in_tensor = g_tf_sess.graph.get_tensor_by_name("network/X:0")
    output = g_tf_sess.graph.get_tensor_by_name("network/output/MatMul:0")

    for image in mini_batch:
        # Prepare each image
        data = Image.open(image)
        np_im = np.array(data).reshape((1, 784))
        # Perform inference
        inference_result = output.eval(feed_dict={in_tensor: np_im}, session=g_tf_sess)
        # Find the best probability, and add it to the result list
        best_result = np.argmax(inference_result)
        resultList.append("{}: {}".format(os.path.basename(image), best_result))

    return resultList

Если у вас есть другой файл или папка в том же каталоге, что и скрипт вывода, можно сослаться на него, найдя текущий рабочий каталог.

script_dir = os.path.realpath(os.path.join(__file__, '..',))
file_path = os.path.join(script_dir, "<file_name>")

Параметры для ParallelRunConfig

ParallelRunConfig — это основная конфигурация для экземпляра ParallelRunStep в конвейере Машинного обучения Azure. Он пригодится вам как оболочка скрипта для настройки необходимых параметров, включая перечисленные ниже записи:

entry_script: пользовательский скрипт в качестве локального пути к файлу, который выполняется параллельно на нескольких узлах. Если присутствует source_directory, используйте относительный путь. В противном случае используйте любой путь, доступный на компьютере.
mini_batch_size: размер мини-пакета, переданного одному run() вызову. (необязательно; значение по умолчанию — 10 это файлы для FileDataset и 1MB для TabularDataset.)
- Для FileDataset здесь указывается количество файлов; минимальное допустимое значение — 1. Несколько файлов можно объединить в один мини-пакет.
- Для TabularDataset здесь указывается размер данных. Примеры допустимых значений: 1024, 1024KB, 10MB и 1GB. Мы рекомендуем использовать значение 1MB. Мини-пакет из TabularDataset никогда не пересекает границы файлов. Предположим, что у вас есть CSV-файлы с разными размерами в пределах от 100 КБ до 10 МБ. Если задано mini_batch_size = 1MB, файлы размером меньше 1 МБ обрабатываются как один мини-пакет. Файлы с размером размером более 1 МБ делятся на несколько мини-пакетов.
error_threshold: количество сбоев записей и TabularDataset сбоев файлов для FileDataset этого следует игнорировать во время обработки. Если количество ошибок для всего входного значения превышает это значение, задание прервано. Пороговое количество ошибок применяется к общему объему входных данных, а не к отдельному мини-пакету, которые передаются в метод run(). Используется диапазон [-1, int.max]. Часть -1 указывает на то, что следует игнорировать все сбои во время обработки.
output_action: одно из следующих значений указывает, как упорядочены выходные данные:
- summary_only: скрипт пользователя сохраняет выходные данные. ParallelRunStep использует выходные данные только для вычисления порогового значения ошибки.
- append_row: для всех входных данных создается только один файл в выходной папке, чтобы добавить все выходные данные, разделенные строкой.
append_row_file_name: чтобы настроить имя выходного файла для append_row output_action (необязательно; значение parallel_run_step.txtпо умолчанию — ).
source_directory: пути к папкам, содержащим все файлы для выполнения на целевом объекте вычислений (необязательно).
compute_target: поддерживается только AmlCompute .
node_count: количество вычислительных узлов, используемых для выполнения пользовательского скрипта.
process_count_per_node: количество процессов на узел. Рекомендуется устанавливать в значение, равное количеству GPU или ЦП на одном узле (необязательно; значение по умолчанию — 1).
environment: определение среды Python. Вы можете настроить использование существующей среды Python или временной среды. Также это определение может задавать необходимые зависимости приложения (необязательно).
logging_level: детализация журнала. Значения уровня детализации в порядке увеличения: WARNING, INFO и DEBUG. (необязательный параметр; по умолчанию используется значение INFO.)
run_invocation_timeoutrun(): время ожидания вызова метода в секундах. (необязательный параметр, значение по умолчанию — 60)
run_max_try: максимальное количество run() попыток для мини-пакета. Сбой run() при возникновении исключения или если при достижении run_invocation_timeout ничего не возвращается (необязательно; значение по умолчанию — 3).

Можно указать mini_batch_size, node_count, process_count_per_node, logging_level, run_invocation_timeout и run_max_try как PipelineParameter, чтобы при повторной отправке запуска конвейера можно было точно настроить значения параметров. В этом примере вы используете PipelineParameter mini_batch_size и Process_count_per_node изменяете эти значения при повторной отправке запуска позже.

Параметры для создания ParallelRunStep

Создайте ParallelRunStep, используя скрипт, конфигурацию среды и параметры. Укажите целевой объект вычислений, который уже подключен к рабочей области, в качестве целевого объекта для выполнения скрипта вывода. Используйте ParallelRunStep, чтобы создать шаг конвейера пакетного вывода, который принимает все следующие параметры.

name: Имя шага со следующими ограничениями на именование: уникальность, от 3 до 32 символов, соответствие регулярному выражению ^[a-z]([-a-z0-9]*[a-z0-9])?$.
parallel_run_configParallelRunConfig: объект, как определено ранее.
inputs: один или несколько однотипных Машинное обучение Azure наборов данных, которые следует секционировать для параллельной обработки.
side_inputs: один или несколько ссылочных данных или наборов данных, используемых в качестве побочных входных данных без необходимости секционироваться.
output: объект OutputFileDatasetConfig, который соответствует каталогу для выходных данных.
arguments: список аргументов, переданных в скрипт пользователя. Используйте unknown_args, чтобы получить их в начальном сценарии (необязательно).
allow_reuse: следует ли шаг повторно использовать предыдущие результаты при выполнении с теми же параметрами и входными данными. Если этот параметр имеет значение False, для этого шага создается новый запуск во время выполнения конвейера. (необязательный параметр; по умолчанию используется значение True.)

from azureml.pipeline.steps import ParallelRunStep

parallelrun_step = ParallelRunStep(
    name="predict-digits-mnist",
    parallel_run_config=parallel_run_config,
    inputs=[input_mnist_ds_consumption],
    output=output_dir,
    allow_reuse=True
)

Методы отладки

Существует три основных метода отладки конвейеров:

Отладка отдельных шагов конвейера на локальном компьютере
Использование ведения журналов и Application Insights для изоляции и диагностики источника проблемы.
Подключение удаленного отладчика к конвейеру, выполняющемуся в Azure.

Локальная отладка сценариев.

Одним из наиболее распространенных сбоев в конвейере является то, что скрипт домена не выполняется как предполагаемое или содержит ошибки среды выполнения в удаленном контексте вычислений, которые трудно выполнить отладку.

Сами конвейеры не могут выполняться локально. Но выполнение скриптов в изоляции на локальном компьютере позволяет выполнять отладку быстрее, так как вам не нужно ждать процесса сборки вычислений и среды. Для этого требуется выполнить некоторые действия по разработке.

Если данные размещены в облачном хранилище данных, необходимо скачать данные и сделать его доступным для скрипта. Использование небольшой выборки данных — хороший способ сократить время выполнения и проанализировать работу сценария.
Если вы пытаетесь имитировать промежуточный шаг конвейера, может потребоваться вручную создать типы объектов, которые ожидает конкретный скрипт с предыдущего шага.
Необходимо определить собственную среду и реплицировать зависимости, определенные в удаленной вычислительной среде.

После установки скрипта для запуска в локальной среде проще выполнять такие задачи отладки, как:

присоединение пользовательской конфигурации отладки;
приостановка выполнения и проверка состояния объекта;
перехват типов или логических ошибок, которые не будут предоставляться до времени выполнения.

Совет

Если вы убедились, что сценарий выполняется должным образом, на следующем этап стоит запустить сценарий в одноэтапном конвейере, прежде чем пытаться выполнить его в конвейере из нескольких этапов.

Настройка, запись и проверка журналов конвейера

Тестирование скриптов локально — отличный способ отладки основных фрагментов кода и сложной логики перед началом создания конвейера. В какой-то момент необходимо выполнить отладку скриптов во время собственного запуска конвейера, особенно при диагностике поведения, которое происходит во время взаимодействия между этапами конвейера. Мы рекомендуем свободно использовать инструкции print() в сценариях этапов, чтобы видеть состояние объекта и ожидаемые значения во время удаленного выполнения, как при отладке кода JavaScript.

Параметры и режим ведения журнала

В следующей таблице приведены сведения о различных параметрах отладки для конвейеров. Это не исчерпывающий список, так как другие параметры существуют, кроме Машинное обучение Azure и Python, показанных здесь.

Библиотека	Тип	Пример	Назначение	Ресурсы
пакет SDK для Машинного обучения Azure;	Метрика	`run.log(name, val)`	Пользовательский интерфейс обучающего портала Машинного обучения Azure	Отслеживание экспериментов Класс azureml.core.Run
Печать и ведение журнала Python	Журнал	`print(val)` `logging.info(message)`	Журналы драйверов, конструктор Машинного обучения Azure	Отслеживание экспериментов Ведение журнала Python

Пример параметров ведения журнала

import logging

from azureml.core.run import Run

run = Run.get_context()

# Azure Machine Learning Scalar value logging
run.log("scalar_value", 0.95)

# Python print statement
print("I am a python print statement, I will be sent to the driver logs.")

# Initialize Python logger
logger = logging.getLogger(__name__)
logger.setLevel(args.log_level)

# Plain Python logging statements
logger.debug("I am a plain debug statement, I will be sent to the driver logs.")
logger.info("I am a plain info statement, I will be sent to the driver logs.")

handler = AzureLogHandler(connection_string='<connection string>')
logger.addHandler(handler)

Конструктор Машинного обучения Azure

Для конвейеров, созданных в конструкторе файл 70_driver_log можно найти либо на странице создания, либо на странице сведения о выполнении конвейера.

Включение ведения журнала для конечных точек в режиме реального времени

Для устранения неполадок и отладки конечных точек в режиме реального времени в конструкторе необходимо включить ведение журнала Application Insights с помощью пакета SDK. Ведение журнала позволяет устранять неполадки и выполнять отладку развертывания и использования модели. Дополнительные сведения см. в разделе Ведение журнала для развернутых моделей.

Получение журналов на странице создания

Если отправить конвейер на выполнение и остаться на странице создания, вы сможете найти файлы журналов, созданные для каждого компонента после завершения выполнения.

Выберите компонент, который завершил выполнение на холсте разработки.
На правой панели компонента перейдите на вкладку Выходные данные + журналы.
Разверните правую панель и выберите 70_driver_log.txt, чтобы просмотреть файл в браузере. Кроме того, можно загрузить журналы локально.

Получение журналов из запусков конвейера

Файлы журналов для конкретных запусков также можно найти на странице сведений о запуске конвейера в разделе Конвейеры или Эксперименты в студии.

Выберите запуск конвейера, созданный в конструкторе.
Выберите компонент в области предварительного просмотра.
На правой панели компонента перейдите на вкладку Выходные данные + журналы.
Разверните правую панель, чтобы просмотреть файл std_log.txt в браузере, или выберите файл, чтобы загрузить журналы локально.

Внимание

Чтобы обновить конвейер со страницы сведений о запуске конвейера, необходимо клонировать запуск конвейера в новый черновик конвейера. Запуск конвейера — это моментальный снимок конвейера. Он похож на файл журнала и не может быть изменен.

Интерактивная отладка с помощью Visual Studio Code

В некоторых случаях может потребоваться интерактивная отладка кода Python, используемого в конвейере машинного обучения. С помощью Visual Studio Code (VS Code) и debugpy можно присоединяться к коду, когда он выполняется в среде обучения. Дополнительные сведения см. в руководстве по интерактивной отладке в VS Code.

Сбой HyperdriveStep и AutoMLStep с сетевой изоляцией

После использования HyperdriveStep и AutoMLStep при попытке зарегистрировать модель может появиться ошибка.

Вы используете пакет SDK Машинное обучение Azure версии 1.
Рабочая область Машинное обучение Azure настроена для сетевой изоляции (виртуальная сеть).

Конвейер пытается зарегистрировать модель, созданную на предыдущем шаге. Например, в следующем примере inputs параметр является saved_model из HyperdriveStep:

register_model_step = PythonScriptStep(script_name='register_model.py',
                                   name="register_model_step01",
                                   inputs=[saved_model],
                                   compute_target=cpu_cluster,
                                   arguments=["--saved-model", saved_model],
                                   allow_reuse=True,
                                   runconfig=rcfg)

Обходное решение

Внимание

Это поведение не происходит при использовании пакета SDK Машинное обучение Azure версии 2.

Чтобы обойти эту ошибку , используйте класс Run , чтобы получить модель, созданную на основе HyperdriveStep или AutoMLStep. Ниже приведен пример скрипта, который получает выходную модель из HyperdriveStep:

%%writefile $script_folder/model_download9.py
import argparse
from azureml.core import Run
from azureml.pipeline.core import PipelineRun
from azureml.core.experiment import Experiment
from azureml.train.hyperdrive import HyperDriveRun
from azureml.pipeline.steps import HyperDriveStepRun

if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument(
        '--hd_step_name', 
        type=str, dest='hd_step_name', 
        help='The name of the step that runs AutoML training within this pipeline')
        
        
    
    args = parser.parse_args()
    
    current_run = Run.get_context()

    pipeline_run = PipelineRun(current_run.experiment, current_run.experiment.name)

    hd_step_run = HyperDriveStepRun((pipeline_run.find_step_run(args.hd_step_name))[0])
    hd_best_run = hd_step_run.get_best_run_by_primary_metric()

    print(hd_best_run)
    hd_best_run.download_file("outputs/model/saved_model.pb", "saved_model.pb")
    
    
    print("Successfully downloaded model")

Затем файл можно использовать из PythonScriptStep:

from azureml.pipeline.steps import PythonScriptStep
conda_dep = CondaDependencies()
conda_dep.add_pip_package("azureml-sdk")
conda_dep.add_pip_package("azureml-pipeline")

rcfg = RunConfiguration(conda_dependencies=conda_dep)

model_download_step = PythonScriptStep(
    name="Download Model 9",
    script_name="model_download9.py", 
    arguments=["--hd_step_name", hd_step_name],
    compute_target=compute_target,
    source_directory=script_folder,
    allow_reuse=False,
    runconfig=rcfg
)

Следующие шаги

Полный учебник по использованию ParallelRunStep см. в статье Руководство по Создание конвейеров Машинного обучения Azure для пакетной оценки.
Полный пример, в котором показано автоматизированное машинное обучение в конвейерах, см. в статье Использование автоматического Машинного обучения в конвейере Машинного обучения Azure в Python.
Изучите справочные материалы по SDK для пакетов azureml-pipelines-core и azureml-pipelines-steps.
См. список исключений и кодов ошибок конструктора.

Поделиться через

Устранение неполадок с конвейерами машинного обучения

Советы по устранению неполадок

Ошибки проверки подлинности

Устранение неполадок `ParallelRunStep`

Параметры для ParallelRunConfig

Параметры для создания ParallelRunStep

Методы отладки

Локальная отладка сценариев.

Настройка, запись и проверка журналов конвейера

Параметры и режим ведения журнала

Пример параметров ведения журнала

Конструктор Машинного обучения Azure

Включение ведения журнала для конечных точек в режиме реального времени

Получение журналов на странице создания

Получение журналов из запусков конвейера

Интерактивная отладка с помощью Visual Studio Code

Сбой HyperdriveStep и AutoMLStep с сетевой изоляцией

Обходное решение

Следующие шаги

Обратная связь

Дополнительные ресурсы

Поделиться через

Устранение неполадок с конвейерами машинного обучения

Советы по устранению неполадок

Ошибки проверки подлинности

Устранение неполадок ParallelRunStep

Параметры для ParallelRunConfig

Параметры для создания ParallelRunStep

Методы отладки

Локальная отладка сценариев.

Настройка, запись и проверка журналов конвейера

Параметры и режим ведения журнала

Пример параметров ведения журнала

Конструктор Машинного обучения Azure

Включение ведения журнала для конечных точек в режиме реального времени

Получение журналов на странице создания

Получение журналов из запусков конвейера

Интерактивная отладка с помощью Visual Studio Code

Сбой HyperdriveStep и AutoMLStep с сетевой изоляцией

Обходное решение

Следующие шаги

Обратная связь

Дополнительные ресурсы

Устранение неполадок `ParallelRunStep`