Устранение неполадок с экспериментами автоматического Машинного обучения

  • Статья

ОБЛАСТЬ ПРИМЕНЕНИЯ:Расширение машинного обучения Azure CLI версии 2 (current)Python SDK azure-ai-ml версии 2 (current)

В этом руководстве вы узнаете, как выявлять и устранять проблемы в экспериментах автоматизированного машинного обучения.

Устранение неполадок автоматизированного машинного обучения для образов и NLP в Студии

Если возникает сбой задания для автоматизированного машинного обучения для образов и NLP, можно выполнить следующие действия, чтобы понять ошибку.

  1. В пользовательском интерфейсе студии задание AutoML должно содержать сообщение об ошибке, указывающее причину сбоя.
  2. Дополнительные сведения см. в дочернем задании этого задания AutoML. Этот дочерний запуск — это задание HyperDrive.
  3. На вкладке "Пробные версии" можно проверка все пробные версии, выполненные для этого запуска HyperDrive.
  4. Перейдите к заданию пробной версии с ошибкой.
  5. Эти задания должны содержать сообщение об ошибке в разделе "Состояние" на вкладке "Обзор", указывающее причину сбоя. Выберите дополнительные сведения о сбое.
  6. Кроме того, вы можете просмотреть std_log.txt на вкладке "Выходные данные и журналы", чтобы просмотреть подробные журналы и трассировки исключений.

Если автоматизированное машинное обучение использует конвейеры для пробных версий, выполните следующие действия, чтобы понять ошибку.

  1. Выполните действия 1–4 выше, чтобы определить задание пробной версии с ошибкой.
  2. Этот запуск должен показать выполнение конвейера и неудачные узлы в конвейере помечены красным цветом. Diagram that shows a failed pipeline job.
  3. Выберите узел сбоем в конвейере.
  4. Эти задания должны содержать сообщение об ошибке в разделе "Состояние" на вкладке "Обзор", указывающее причину сбоя. Выберите дополнительные сведения о сбое.
  5. Вы можете просмотреть std_log.txt на вкладке "Выходные данные и журналы" , чтобы просмотреть подробные журналы и трассировки исключений.

Следующие шаги