Ortam sorunlarını giderme
ŞUNLAR IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)Python SDK azure-ai-ml v2 (geçerli)
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v1Python SDK azureml v1
Bu makalede, ortam görüntüsü derlemelerinde karşılaşabileceğiniz yaygın sorunları gidermeyi ve AzureML ortam güvenlik açıkları hakkında bilgi edinin.
Geri bildiriminizi etkin bir şekilde arıyoruz! Bu sayfaya Ortam Tanımı veya Derleme Hatası Çözümleme günlükleri aracılığıyla giderseniz, özelliğin size yardımcı olup olmadığını veya henüz analizimizin kapsamına alınmamış bir hata senaryosu bildirmek isteyip istemediğinizi öğrenmek isteriz. Ayrıca bu belgelerde geri bildirimde de bırakabilirsiniz. Düşüncelerinizi burada bırakın.
Azure Machine Learning ortamları
Azure Machine Learning ortamları, makine öğrenmesi eğitiminizin gerçekleştiği ortamın bir kapsüllemesidir. Eğitim ve puanlama betikleriniz etrafında temel docker görüntüsünü, Python paketlerini ve yazılım ayarlarını belirtir. Ortamlar, Çeşitli işlem hedeflerinde yeniden üretilebilir, denetlenebilir ve taşınabilir makine öğrenmesi iş akışlarına olanak tanıyan Machine Learning çalışma alanınızdaki yönetilen ve sürümlenmiş varlıklardır.
Ortam türleri
Ortamlar üç kategoriye ayrılır: seçilmiş, kullanıcı tarafından yönetilen ve sistem tarafından yönetilen.
Seçilmiş ortamlar, Azure Machine Learning tarafından yönetilen önceden oluşturulmuş ortamlardır ve her çalışma alanında varsayılan olarak kullanılabilir. Bunlar, çeşitli makine öğrenmesi çerçevelerini kullanmaya başlamanıza yardımcı olacak Python paketleri ve ayarları koleksiyonları içerir ve bunları olduğu gibi kullanmanız amaçlanır. Önceden oluşturulmuş bu ortamlar ayrıca daha hızlı dağıtım süresi sağlar.
Kullanıcı tarafından yönetilen ortamlarda, ortamınızı ayarlamak ve eğitim betiğinizin ihtiyaç duyduğu her paketi işlem hedefinde yüklemek sizin sorumluluğunuzdadır. Ayrıca model dağıtımı için gereken bağımlılıkları da eklediğinizden emin olun.
Bu ortam türlerinin iki alt türü vardır. İlk tür olan BYOC (kendi kapsayıcınızı getirin) için mevcut bir Docker görüntüsünü Azure Machine Learning'e getirirsiniz. İkinci tür olan Docker bağlam tabanlı ortamlar oluştururken Azure Machine Learning, sağladığınız bağlamdan görüntüyü gerçekleştirir.
Conda'nın Python ortamını sizin için yönetmesini istediğinizde, sistem tarafından yönetilen bir ortam kullanın. Azure Machine Learning, temel docker görüntüsünün üzerine conda belirtiminizi gerçekleştirerek yeni bir yalıtılmış conda ortamı oluşturur. Varsayılan olarak, Azure Machine Learning türetilen görüntüye ortak özellikler ekler. Temel görüntüde bulunan Python paketleri yalıtılmış conda ortamında kullanılamaz.
Ortamlar oluşturma ve ortamları yönetme
Azure Machine Learning Python SDK'sı, Azure Machine Learning CLI, Azure Machine Learning Studio kullanıcı arabirimi, Visual Studio Code uzantısı gibi istemcilerden ortamlar oluşturabilir ve yönetebilirsiniz.
Zaten var olan bir ortama kaydolmadan veya bu ortama başvurmadan deneme gönderdiğinizde "Anonim" ortamlar çalışma alanınıza otomatik olarak kaydedilir. Bunlar listelenmez, ancak bunları sürüme veya etikete göre alabilirsiniz.
Azure Machine Learning, Docker görüntülerine ortam tanımları oluşturur. Ayrıca Azure Machine Learning Çalışma Alanınızla ilişkili Azure Container Registry'deki görüntüleri önbelleğe alır, böylece sonraki eğitim işlerinde ve hizmet uç noktası dağıtımlarında yeniden kullanılabilirler. Aynı tanıma sahip birden çok ortam aynı önbelleğe alınmış görüntüye neden olabilir.
Eğitim betiğini uzaktan çalıştırmak için Docker görüntüsü oluşturulması gerekir.
AzureML Ortamlarındaki Güvenlik Açıkları
Bir bağımlılığın daha yeni bir sürümüne (temel görüntü, Python paketi vb.) yükselterek veya güvenlik gereksinimlerini karşılayan farklı bir bağımlılık geçirerek güvenlik açıklarını giderebilirsiniz. Kod ve altyapının yeniden düzenlenmesini gerektirebileceğinden güvenlik açıklarının azaltılması zaman alır ve maliyetlidir. açık kaynak yazılımının yaygınlığı ve karmaşık iç içe bağımlılıkların kullanılmasıyla, güvenlik açıklarını yönetmek ve takip etmek önemlidir.
Güvenlik açıklarının etkisini azaltmanın bazı yolları vardır:
- Bağımlılıklarınızın sayısını azaltın. Her senaryo için en düşük bağımlılık kümesini kullanın.
- Sorunları tek bir yerde kapsamlandırıp düzeltebilmeniz için ortamınızı bölümlere ayırın.
- Bayrak eklenmiş güvenlik açıklarını ve bunların senaryonuzla ilgi düzeyini anlayın.
Güvenlik Açıklarını Tara
Görüntüleri güvenlik açıklarına karşı taramaya yardımcı olmak için Kapsayıcı Kayıt Defteri için Microsoft Defender ile ortamın hijyen durumunu izleyebilir ve koruyabilirsiniz.
Bu işlemi Microsoft Defender tetikleyicilerine göre otomatikleştirmek için bkz. Bulut için Microsoft Defender tetikleyicilere yanıtları otomatikleştirme.
Güvenlik Açıkları ve Yeniden Üretilebilirlik Karşılaştırması
Yeniden üretilebilirlik, yazılım geliştirmenin temellerinden biridir. Üretim kodu geliştirirken yinelenen bir işlemin aynı sonucu garanti etmesi gerekir. Güvenlik açıklarını azaltmak, bağımlılıkları değiştirerek yeniden üretilebilirliği kesintiye uğratabilir.
Azure Machine Learning'in birincil odağı, yeniden üretilebilirliği garanti etmektir. Ortamlar üç kategoriye ayrılır: seçilmiş, kullanıcı tarafından yönetilen ve sistem tarafından yönetilen.
Seçilmiş Ortamlar
Seçilmiş ortamlar, Azure Machine Learning'in yönettiği önceden oluşturulmuş ortamlardır ve sağlanan her Azure Machine Learning çalışma alanında varsayılan olarak kullanılabilir. Güvenlik açıklarını gidermek için Azure Machine Learning tarafından yeni sürümler yayımlanmaktadır. En son görüntüyü kullanıp kullanmadığınız, yeniden üretilebilirlik ile güvenlik açığı yönetimi arasında bir denge olabilir.
Seçilmiş Ortamlar, çeşitli makine öğrenmesi çerçevelerini kullanmaya başlamanıza yardımcı olmak için Python paketleri ve ayarları koleksiyonları içerir. Onları olduğu gibi kullanacaksın. Önceden oluşturulmuş bu ortamlar ayrıca daha hızlı dağıtım süresi sağlar.
Kullanıcı tarafından yönetilen Ortamlar
Kullanıcı tarafından yönetilen ortamlarda, ortamınızı ayarlamaktan ve eğitim betiğinizin ihtiyaç duyduğu her paketi işlem hedefinde ve model dağıtımında yüklemek sizin sorumluluğunuzdadır. Bu ortam türlerinin iki alt türü vardır:
- KCG (kendi kapsayıcınızı getirin): Kullanıcı Azure Machine Learning'e bir Docker görüntüsü sağlar
- Docker derleme bağlamı: Azure Machine Learning, kullanıcı tarafından sağlanan içerikten alınan görüntüyü gerçekleştirir
Microsoft tarafından sağlanan bir görüntünün üzerine daha fazla bağımlılık yüklediğinizde veya kendi temel görüntünüzü getirdiğinizde, güvenlik açığı yönetimi sizin sorumluluğunuzda olur.
Sistem tarafından yönetilen Ortamlar
Conda'nın Python ortamını sizin için yönetmesini istediğinizde sistem tarafından yönetilen ortamları kullanırsınız. Azure Machine Learning, temel docker görüntüsünün üzerine conda belirtiminizi gerçekleştirerek yeni bir yalıtılmış conda ortamı oluşturur. Azure Machine Learning her sürümde temel görüntülere düzeltme eki eklerken, en son görüntüyü kullanıp kullanmadığınız, yeniden üretilebilirlik ile güvenlik açığı yönetimi arasında bir denge olabilir. Bu nedenle, sistem tarafından yönetilen ortamları kullanırken işleriniz veya model dağıtımlarınız için kullanılan ortam sürümünü seçmek sizin sorumluluğunuzdadır.
Güvenlik Açıkları: Yaygın Sorunlar
Temel Docker Görüntülerindeki Güvenlik Açıkları
Bir ortamdaki sistem güvenlik açıkları genellikle temel görüntüden ortaya çıkar. Örneğin, "Ubuntu" veya "Debian" olarak işaretlenen güvenlik açıkları, ortamın sistem düzeyinden (temel Docker görüntüsü) alınır. Temel görüntü bir üçüncü taraf verenden geliyorsa, lütfen en son sürümde bayrak eklenmiş güvenlik açıkları için düzeltmeler olup olmadığını denetleyin. Azure Machine Learning'deki temel görüntüler için en yaygın kaynaklar şunlardır:
- Microsoft Yapıt Kayıt Defteri (MAR) diğer adıyla Microsoft Container Registry (mcr.microsoft.com).
- Görüntüler MAR giriş sayfasından, katalog API'sini çağırarak veya /tags/list'ten listelenebilir
- AzureML'den eğitim temeli görüntüleri için kaynak ve sürüm notları Azure/AzureML-Containers içinde bulunabilir
- Nvidia (nvcr.io veya nvidia'nın Profili)
Temel görüntünüzün en son sürümü güvenlik açıklarınızı çözmezse, temel görüntü güvenlik açıkları bir güvenlik açığı taraması tarafından önerilen sürümler yüklenerek giderilebilir:
apt-get install -y library_name
Python Paketlerindeki Güvenlik Açıkları
Güvenlik açıkları, sistem tarafından yönetilen temel görüntünün üzerine yüklenen Python paketlerinden de kaynaklanabilir. Python ile ilgili bu güvenlik açıkları, Python bağımlılıklarınız güncelleştirilerek çözülmelidir. Görüntüdeki Python (pip) güvenlik açıkları genellikle kullanıcı tanımlı bağımlılıklardan gelir.
Bilinen Python güvenlik açıklarını ve çözümlerini aramak için bkz . GitHub Danışmanlık Veritabanı. Python güvenlik açıklarını gidermek için paketi bayrak eklenmiş soruna yönelik düzeltmeleri olan sürüme güncelleştirin:
pip install -u my_package=={good.version}
Conda ortamı kullanıyorsanız conda bağımlılıkları dosyasındaki başvuruyu güncelleştirin.
Bazı durumlarda, Temel Docker görüntüsünün üzerine conda'nın ortamınızı kurması sırasında Python paketleri otomatik olarak yüklenir. Bunlar için azaltma adımları, kullanıcı tarafından tanıtılan paketlere yönelik adımlarla aynıdır. Conda, 2010'un her ortamı için gerekli bağımlılıkları yükler. Şifreleme, kurulum araçları, tekerlek vb. paketler conda'nın varsayılan kanallarından otomatik olarak yüklenir. Varsayılan anaconda kanalında en son paket sürümlerinin eksik olmasıyla ilgili bilinen bir sorun olduğundan, topluluk tarafından korunan conda-forge kanalına öncelik verilmesi önerilir. Aksi takdirde, bu ortamda yürütmeyi planladığınız kodda bunlara başvurmasanız bile paketleri ve sürümleri açıkça belirtin.
Önbellek sorunları
Azure Machine Learning çalışma alanınızla ilişkili, kapsayıcı görüntüleri için önbellek olan bir Azure Container Registry örneğidir. Gerçekleştirilmiş tüm görüntüler kapsayıcı kayıt defterine gönderilir ve ilgili ortam için deneme veya dağıtım tetiklerseniz kullanılır. Azure Machine Learning kapsayıcı kayıt defterinizdeki görüntüleri silmez ve zaman içinde hangi görüntüleri korumanız gerektiğini değerlendirmek sizin sorumluluğunuzdadır.
Ortam görüntüsü derlemeleriyle ilgili sorunları giderme
Ortam görüntüsü derlemeleri ve paket yüklemeleriyle ilgili sorunları gidermeyi öğrenin.
Ortam tanımı sorunları
Ortam adı sorunları
Seçilen ön eke izin verilmiyor
Özel ortamınızın adı yalnızca seçilmiş ortamlar için ayrılmış terimleri kullandığında bu sorun oluşabilir. Seçilmiş ortamlar, Microsoft'un koruduğu ortamlardır. Özel ortamlar, oluşturduğunuz ve bakımını yaptığınız ortamlardır.
Olası nedenler:
- Ortam adınız Microsoft veya AzureML ile başlar
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Kullanmakta olduğunuz ayrılmış ön eki dışlamak için ortam adınızı güncelleştirin
Kaynaklar
Ortam adı çok uzun
Olası nedenler:
- Ortam adınız 255 karakterden uzun
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Ortam adınızı 255 karakter veya daha kısa olacak şekilde güncelleştirin
Docker sorunları
ŞUNLAR IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v1
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Yeni bir ortam oluşturmak için aşağıdaki yaklaşımlardan birini kullanmanız gerekir (bkz . DockerSection):
- Temel görüntü
- Temel görüntü adı, çekildiği depo ve gerekirse kimlik bilgilerini sağlayın
- Conda belirtimi sağlama
- Temel Dockerfile
- Dockerfile sağlama
- Conda belirtimi sağlama
- Docker derleme bağlamı
- Derleme bağlamının (URL) konumunu belirtin
- Derleme bağlamı en az bir Dockerfile içermelidir, ancak başka dosyalar da içerebilir
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Yeni bir ortam oluşturmak için aşağıdaki yaklaşımlardan birini kullanmanız gerekir:
- Docker görüntüsü
- Docker Hub veya Azure Container Registry gibi bir kayıt defterinde barındırılan görüntünün görüntü URI'sini sağlayın
- Örnek burada
- Docker derleme bağlamı
- Derleme bağlamı olarak hizmet veren dizini belirtin
- Dizinde bir Dockerfile ve görüntüyü oluşturmak için gereken diğer dosyalar bulunmalıdır
- Örnek burada
- Conda belirtimi
- Ortam için temel bir Docker görüntüsü belirtmeniz gerekir; Azure Machine Learning, sağlanan Docker görüntüsünün üzerine conda ortamını oluşturur
- Conda dosyasının göreli yolunu belirtin
- Örnek burada
Docker tanımı eksik
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Bu sorun, ortam tanımınızda eksik bir DockerSection
olduğunda oluşabilir. Bu bölüm, ortam belirtiminizde oluşturulan son Docker görüntüsüyle ilgili ayarları yapılandırır.
Olası nedenler:
- Ortam tanımınızı belirtmediyseniz
DockerSection
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
DockerSection
Ortam tanımınıza bir temel görüntü, temel dockerfile veya docker derleme bağlamı belirterek bir ekleyin.
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
Kaynaklar
Çok fazla Docker seçeneği
Olası nedenler:
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Ortam tanımınızda belirtilen bu Docker seçeneklerinden birden fazlası var
base_image
base_dockerfile
build_context
- Bkz. DockerSection
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Ortam tanımınızda belirtilen bu Docker seçeneklerinden birden fazlası var
image
build
- Bkz . azure.ai.ml.entities.Environment
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Ortamınızı oluşturmak için hangi Docker seçeneğini kullanmak istediğinizi belirtin. Ardından tüm diğer belirtilen seçenekleri Yok olarak ayarlayın.
ŞUNUN IÇIN GEÇERLIDIR: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
Docker seçeneği eksik
Olası nedenler:
Ortam tanımınızda aşağıdaki seçeneklerden birini belirtmediyseniz
base_image
base_dockerfile
build_context
- Bkz. DockerSection
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Ortam tanımınızda aşağıdaki seçeneklerden birini belirtmediyseniz
image
build
- Bkz . azure.ai.ml.entities.Environment
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Ortamınızı oluşturmak için hangi Docker seçeneğini kullanmak istediğinizi seçin ve ardından bu seçeneği ortam tanımınızda doldurun.
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
from azureml.core import Environment
myenv = Environment(name="myEnv")
myenv.docker.base_image = "pytorch/pytorch:latest"
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
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)
Kaynaklar
Kullanıcı adı veya parola eksik kapsayıcı kayıt defteri kimlik bilgileri
Olası nedenler:
- Ortam tanımınızda kapsayıcı kayıt defteriniz için bir kullanıcı adı veya parola belirttiniz, ancak ikisini birden belirtmediniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Sorunu çözmek için eksik kullanıcı adını veya parolayı ortam tanımınıza ekleyin
myEnv.docker.base_image_registry.username = "username"
Alternatif olarak, çalışma alanı bağlantıları aracılığıyla kimlik doğrulaması sağlayın
from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
YAML belirtim dosyasından çalışma alanı bağlantısı oluşturma
az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace
Not
- Ortam tanımınızda kimlik bilgilerinin sağlanması artık desteklenmiyor. Bunun yerine çalışma alanı bağlantılarını kullanın.
Kaynaklar
Temel görüntü kayıt defteri için birden çok kimlik bilgisi
Olası nedenler:
- Temel görüntü kayıt defteriniz için birden fazla kimlik bilgisi kümesi belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Çalışma alanı bağlantıları kullanıyorsanız, ayarladığınız bağlantıları görüntüleyin ve kullanmak istemediğiniz bağlantıları silin
from azureml.core import Workspace
ws = Workspace.from_config()
ws.list_connections()
ws.delete_connection("myConnection2")
Ortam tanımınızda kimlik bilgilerini belirttiyseniz, kullanılacak bir kimlik bilgisi kümesi seçin ve diğer tüm kimlik bilgilerini null olarak ayarlayın
myEnv.docker.base_image_registry.registry_identity = None
Not
- Ortam tanımınızda kimlik bilgilerinin sağlanması artık desteklenmiyor. Bunun yerine çalışma alanı bağlantılarını kullanın.
Kaynaklar
Temel görüntü kayıt defterindeki gizli diziler
Olası nedenler:
- Ortam tanımınızda kimlik bilgilerini belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Ortam tanımınızda kimlik bilgilerinin belirtilmesi artık desteklenmiyor. Ortam tanımınızdan kimlik bilgilerini silin ve bunun yerine çalışma alanı bağlantılarını kullanın.
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Çalışma alanınızda çalışma alanı bağlantısı ayarlama
from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
YAML belirtim dosyasından çalışma alanı bağlantısı oluşturma
az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace
Kaynaklar
Kullanım dışı Bırakılmış Docker özniteliği
Olası nedenler:
- Ortam tanımınızda artık kullanım dışı olan Docker özniteliklerini belirttiniz
- Kullanım dışı bırakılan özellikler şunlardır:
enabled
arguments
shared_volumes
gpu_support
- Azure Machine Learning artık kullanılabilir olduğunda NVIDIA Docker uzantısını otomatik olarak algılar ve kullanır
smh_size
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Bu öznitelikleri DockerSection
ortam tanımınızda belirtmek yerine DockerConfiguration kullanın
Kaynaklar
- Bkz.
DockerSection
kullanım dışı değişkenler
Dockerfile uzunluğu sınırı aşmış
Olası nedenler:
- Belirtilen Dockerfile'ınız en fazla 100 KB boyutu aştı
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Dockerfile'ınızı bu sınırın altına inmek için kısaltın
Kaynaklar
Docker derleme bağlamı sorunları
Docker derleme bağlamı konumu eksik
Olası nedenler:
- Ortam tanımınızda derleme bağlam dizininizin yolunu sağlamadınız
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
DockerSection'ınızın build_context
yoluna bir yol ekleyin
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Derleme bağlamınız için bir yol eklediğinizden emin olun
- Bkz. BuildContext sınıfı
- Bu örneğe bakın
Kaynaklar
Dockerfile yolu eksik
Azure Machine Learning Dockerfile'ınızı bulamıyorsa bu sorun oluşabilir. Varsayılan olarak Azure Machine Learning, bir Dockerfile yolu belirtmediğiniz sürece derleme bağlamı dizininizin kökünde 'Dockerfile' adlı bir Dockerfile arar.
Olası nedenler:
- Dockerfile'ınız derleme bağlam dizininizin kökünde değil ve/veya 'Dockerfile' dışında bir adla adlandırılıyor ve yolunu sağlamadınız
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Dockerfile yolu belirtme
Kaynaklar
Docker derleme bağlamı ile özniteliğin belirtilmesine izin verilmiyor
Bu sorun, ortam tanımınızda Docker derleme bağlamıyla eklenmeyecek özellikleri belirttiğinizde oluşabilir.
Olası nedenler:
- Ortam tanımınızda aşağıdaki özelliklerden en az biriyle birlikte bir Docker derleme bağlamı belirttiniz:
- Ortam değişkenleri
- Conda bağımlılıkları
- R
- Spark
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Ortam tanımınızda yukarıda listelenen özelliklerden herhangi birini belirttiyseniz, bunları kaldırın
- Docker derleme bağlamı kullanıyorsanız ve conda bağımlılıklarını belirtmek istiyorsanız, conda belirtiminiz derleme bağlamı dizininizde bulunmalıdır
Kaynaklar
- Derleme bağlamı anlama
- Python SDK v1 Ortam Sınıfı
Konum türü desteklenmiyor/Bilinmeyen konum türü
Olası nedenler:
- Docker derleme bağlamınız için desteklenmeyen veya bilinmeyen bir konum türü belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Kabul edilen konum türleri şunlardır:
- Git
- Azure Machine Learning'e git URL'leri sağlayabilirsiniz, ancak bunları henüz görüntü oluşturmak için kullanamazsınız. Derlemeler Git desteğine sahip olana kadar depolama hesabı kullanma
- Depolama hesabı
Kaynaklar
Geçersiz konum
Olası nedenler:
- Docker derleme bağlamınızın belirtilen konumu geçersiz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Docker derleme bağlamınızı depolama hesabında depoladığınız senaryolar için
Derleme bağlamının yolunu olarak belirtmeniz gerekir
https://<storage-account>.blob.core.windows.net/<container>/<path>
Sağladığınız konumun geçerli bir URL olduğundan emin olun
Bir kapsayıcı ve yol belirttiğinizden emin olun
Kaynaklar
Temel görüntü sorunları
Temel görüntü kullanım dışı bırakıldı
Olası nedenler:
- Kullanım dışı bırakılmış bir temel görüntü kullandınız
- Azure Machine Learning, kullanım dışı bırakılan görüntülerle başarısız derlemeler için sorun giderme desteği sağlayamaz
- Azure Machine Learning bu görüntüleri güncelleştirmez veya korumaz, bu nedenle güvenlik açıkları riski altındadır
Aşağıdaki temel görüntüler kullanım dışıdır:
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
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Temel görüntünüzü desteklenen görüntülerin en son sürümüne yükseltme
- Kullanılabilir temel görüntülere bakın
Etiket veya özet yok
Olası nedenler:
- Belirtilen temel görüntünüze sürüm etiketi veya özet eklemediyseniz
- Bu tanımlayıcılardan biri olmadan ortam yeniden üretilebilir değildir
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Temel görüntünüze aşağıdaki tanımlayıcılardan en az birini ekleyin
Ortam değişkeni sorunları
Yanlış yerleştirilmiş çalışma zamanı değişkenleri
Olası nedenler:
- Ortam tanımınızda çalışma zamanı değişkenlerini belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
environment_variables
Bunun yerine RunConfiguration nesnesinde özniteliğini kullanın
Python sorunları
Python bölümü eksik
Olası nedenler:
- Ortam tanımınızda Python bölümü yok
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Ortam tanımınızın Python bölümünü doldurma
- Bkz. PythonSection sınıfı
Python sürümü eksik
Olası nedenler:
- Ortam tanımınızda Python sürümü belirtmediniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Python'ı conda paketi olarak ekleme ve sürümü belirtme
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
Conda belirtiminiz için YAML kullanıyorsanız bağımlılık olarak Python'ı ekleyin
name: project_environment
dependencies:
- python=3.8
- pip:
- azureml-defaults
channels:
- anaconda
Kaynaklar
Birden çok Python sürümü
Olası nedenler:
- Ortam tanımınızda birden fazla Python sürümü belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Kullanmak istediğiniz Python sürümünü seçin ve diğer tüm sürümleri kaldırın
myenv.python.conda_dependencies.remove_conda_package("python=3.8")
Conda belirtiminiz için YAML kullanıyorsanız bağımlılık olarak yalnızca bir Python sürümü ekleyin
Kaynaklar
Python sürümü desteklenmiyor
Olası nedenler:
- Kullanım ömrünün sonunda veya yakınında olan ve artık desteklenmeyen bir Python sürümü belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Henüz ulaşılmamış ve kullanım ömrünün sonuna yaklaşmamış bir Python sürümü belirtin
Python sürümü önerilmez
Olası nedenler:
- Kullanım ömrünün sonunda veya yakınında olan bir Python sürümü belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Henüz ulaşılmamış ve kullanım ömrünün sonuna yaklaşmamış bir Python sürümü belirtin
Python sürümü doğrulanamadı
Olası nedenler:
- Yanlış söz dizimi veya yanlış biçimlendirmeye sahip bir Python sürümü belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
SDK kullanarak Python sürümü belirtmek için doğru söz dizimini kullanma
myenv.python.conda_dependencies.add_conda_package("python=3.8")
Conda YAML'de Python sürümü belirtmek için doğru söz dizimlerini kullanma
name: project_environment
dependencies:
- python=3.8
- pip:
- azureml-defaults
channels:
- anaconda
Kaynaklar
Conda sorunları
Eksik conda bağımlılıkları
Olası nedenler:
- Ortam tanımınızda conda belirtimi sağlamadınız ve
user_managed_dependencies
(varsayılan) olarak ayarlandınızFalse
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Azure Machine Learning'in ayarlanmış user_managed_dependencies
olarak conda_dependencies,
sizin için bir Python ortamı oluşturmasını istemiyorsanızTrue
env.python.user_managed_dependencies = True
- Betiği çalıştırmayı seçtiğiniz Python ortamında gerekli tüm paketlerin kullanılabilir olduğundan emin olmak sizin sorumluluğundadır
Azure Machine Learning'in conda belirtimini temel alarak sizin için bir Python ortamı oluşturmasını istiyorsanız, ortam tanımınızda doldurmanız conda_dependencies
gerekir
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
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Ortam için temel bir Docker görüntüsü belirtmeniz gerekir ve Azure Machine Learning bu görüntünün üzerine conda ortamını oluşturur
- Conda dosyasının göreli yolunu belirtin
- Conda belirtiminden ortam oluşturma
Kaynaklar
- Bkz. CondaDependencies sınıfı
- Ortam tanımında conda belirtimi ayarlamayı öğrenin
Geçersiz conda bağımlılıkları
Olası nedenler:
- Ortam tanımınızda belirtilen conda bağımlılıklarını yanlış biçimlendirmişsiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
conda_dependencies
Conda bağımlılıkları YAML yapısının JSONified sürümü olduğundan emin olun
"condaDependencies": {
"channels": [
"anaconda",
"conda-forge"
],
"dependencies": [
"python=3.8",
{
"pip": [
"azureml-defaults"
]
}
],
"name": "project_environment"
}
Yöntemini kullanarak add_conda_package
conda bağımlılıkları da belirtebilirsiniz
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
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Ortam için temel bir Docker görüntüsü belirtmeniz gerekir ve Azure Machine Learning bu görüntünün üzerine conda ortamını oluşturur
- Conda dosyasının göreli yolunu belirtin
- Conda belirtiminden ortam oluşturma
Kaynaklar
- Daha kapsamlı örneklere bakın
- El ile conda dosyası oluşturmayı öğrenin
- Bkz. CondaDependencies sınıfı
- Ortam tanımında conda belirtimi ayarlamayı öğrenin
Eksik conda kanalları
Olası nedenler:
- Ortam tanımınızda conda kanalları belirtmediyseniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Ortamınızın yeniden üretilebilirliği için bağımlılıkların çekildiği kanalları belirtin. Conda kanallarını belirtmezseniz, conda değişebilecek varsayılan değerleri kullanır.
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Python SDK'sını kullanarak conda kanalı ekleme
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
Conda belirtiminiz için YAML kullanıyorsanız, kullanmak istediğiniz conda kanallarını ekleyin
name: project_environment
dependencies:
- python=3.8
- pip:
- azureml-defaults
channels:
- anaconda
- conda-forge
Kaynaklar
- V1 ortam tanımında conda belirtimi ayarlamayı öğrenin
- Bkz. CondaDependencies sınıfı
- El ile conda dosyası oluşturmayı öğrenin
- Conda belirtim v2'den ortam oluşturmayı öğrenin
- El ile conda dosyası oluşturmayı öğrenin
Temel conda ortamı önerilmez
Olası nedenler:
- Ortam tanımınızda bir temel conda ortamı belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Kısmi ortam güncelleştirmeleri bağımlılık çakışmalarına ve/veya beklenmeyen çalışma zamanı hatalarına yol açabilir, bu nedenle temel conda ortamlarının kullanılması önerilmez.
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Temel conda ortamınızı kaldırın ve ortam tanımınızın bölümünde ortamınız conda_dependencies
için gereken tüm paketleri belirtin
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
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)
Standart conda YAML yapılandırma dosyası kullanarak ortam tanımlama
Kaynaklar
- V1 ortam tanımında conda belirtimi ayarlamayı öğrenin
- Bkz. CondaDependencies sınıfı
- El ile conda dosyası oluşturmayı öğrenin
Sabitlenmemiş bağımlılıklar
Olası nedenler:
- Conda belirtiminizde belirli paketler için sürüm belirtmediyseniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Bağımlılık sürümü belirtmezseniz, conda paket çözümleyicisi aynı ortamın sonraki derlemelerinde paketin farklı bir sürümünü seçebilir. Bu, ortamın yeniden üretilebilirliğini bozar ve beklenmeyen hatalara neden olabilir.
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Conda belirtiminize paket eklerken sürüm numaralarını ekleyin
from azureml.core.environment import CondaDependencies
conda_dep = CondaDependencies()
conda_dep.add_conda_package("numpy==1.24.1")
Conda belirtiminiz için YAML kullanıyorsanız bağımlılıklarınız için sürümleri belirtin
name: project_environment
dependencies:
- python=3.8
- pip:
- numpy=1.24.1
channels:
- anaconda
- conda-forge
Kaynaklar
Pip sorunları
Pip belirtilmedi
Olası nedenler:
- Pip'i conda belirtiminizde bağımlılık olarak belirtmediyseniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Yeniden üretilebilirlik için pip değerini conda belirtiminizde bir bağımlılık olarak belirtip sabitlemeniz gerekir.
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Pip'i, sürümüyle birlikte bağımlılık olarak belirtin
env.python.conda_dependencies.add_conda_package("pip==22.3.1")
Conda belirtiminiz için YAML kullanıyorsanız pip'i bağımlılık olarak belirtin
name: project_environment
dependencies:
- python=3.8
- pip=22.3.1
- pip:
- numpy=1.24.1
channels:
- anaconda
- conda-forge
Kaynaklar
Pip sabitlenmedi
Olası nedenler:
- Conda belirtiminizde pip için bir sürüm belirtmediyseniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Pip sürümü belirtmezseniz, aynı ortamın sonraki derlemelerinde farklı bir sürüm kullanılabilir. Pip'in farklı sürümleri paketlerinizi farklı şekilde çözerse bu davranış yeniden üretilebilirlik sorunlarına ve diğer beklenmeyen hatalara neden olabilir.
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
Conda bağımlılıklarınızda pip sürümü belirtme
env.python.conda_dependencies.add_conda_package("pip==22.3.1")
Conda belirtimi için YAML kullanıyorsanız pip için bir sürüm belirtin
name: project_environment
dependencies:
- python=3.8
- pip=22.3.1
- pip:
- numpy=1.24.1
channels:
- anaconda
- conda-forge
Kaynaklar
Çeşitli ortam sorunları
R bölümü kullanım dışı bırakıldı
Olası nedenler:
- Ortam tanımınızda bir R bölümü belirttiniz
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
R için Azure Machine Learning SDK'sı, Azure CLI v2 kullanılarak geliştirilmiş R eğitim ve dağıtım deneyimine yol açmak için 2021'in sonunda kullanım dışı bırakıldı
Azure CLI v2 kullanarak R modellerini eğitmeye başlamak için örnek deposuna bakın
Ortam için tanım yok
Olası nedenler:
- Var olmayan veya kaydedilmemiş bir ortam belirttiniz
- Ortam adınızı veya ortam sürümünüzü belirtme şeklinizde yazım hatası veya söz dizimsel hata oluştu
Etkilenen alanlar (belirtiler):
- Ortamınızı kaydetme hatası
Sorun giderme adımları
Ortamınızın adını doğru ve doğru sürümü belirttiğinizden emin olun
path-to-resource:version-number
Ortamınızın 'en son' sürümünü farklı bir şekilde belirtmelisiniz
path-to-resource@latest
Görüntü derleme sorunları
ACR sorunları
ACR'ye ulaşılamıyor
Bu sorun, çalışma alanının ilişkili Azure Container Registry (ACR) kaynağına erişilirken bir hata olduğunda oluşabilir.
Olası nedenler:
- Çalışma alanınızın ACR'si bir sanal ağın (VNet) (özel uç nokta veya hizmet uç noktası) arkasındadır ve görüntü oluşturmak için işlem kümesi kullanmıyorsunuz.
- Çalışma alanınızın ACR'si bir sanal ağın (VNet) (özel uç nokta veya hizmet uç noktası) arkasındadır ve görüntü oluşturmak için kullanılan işlem kümesinin çalışma alanının ACR'sine erişimi yoktur.
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
- İşlem hattı işi hataları.
- Model dağıtım hataları.
Sorun giderme adımları
- İşlem kümesinin VNet'inin çalışma alanının ACR'sine erişimi olduğunu doğrulayın.
- İşlem kümesinin CPU tabanlı olduğundan emin olun.
Not
- Yalnızca Azure Machine Learning işlem kümeleri desteklenir. İşlem, Azure Kubernetes Service (AKS) veya diğer örnek türleri görüntü derleme işlemi için desteklenmez.
Kaynaklar
Beklenmeyen Dockerfile Biçimi
Dockerfile'ınız yanlış biçimlendirildiğinde bu sorun oluşabilir.
Olası nedenler:
- Dockerfile'ınız geçersiz söz dizimi içeriyor
- Dockerfile dosyanız UTF-8 ile uyumlu olmayan karakterler içeriyor
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- İlk adımda ortamı örtük olarak oluşturma nedeniyle çalışan işlerde hata oluşmuştur.
Sorun giderme adımları
- Dockerfile dosyasının doğru biçimlendirildiğinden ve UTF-8'de kodlandığından emin olun
Kaynaklar
Docker çekme sorunları
Docker görüntüsü çekemedi
Bu sorun, görüntü derlemesi sırasında Docker görüntü çekme işlemi başarısız olduğunda oluşabilir.
Olası nedenler:
- Kapsayıcı kayıt defterinin yol adı yanlış
- Sanal ağın arkasındaki kapsayıcı kayıt defteri desteklenmeyen bir bölgede özel uç nokta kullanıyor
- Başvurmaya çalıştığınız görüntü belirttiğiniz kapsayıcı kayıt defterinde yok
- Görüntüyü çekmeye çalıştığınız özel bir kayıt defteri için kimlik bilgileri sağlamadınız veya sağlanan kimlik bilgileri yanlış
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Kapsayıcı kayıt defterinizin yol adının doğru olup olmadığını denetleyin
- Kayıt defteri
my-registry.io
ve etiketli3.2
bir görüntütest/image
için geçerli bir görüntü yolu olabilirmy-registry.io/test/image:3.2
- Kayıt defteri yolu belgelerine bakın
Kapsayıcı kayıt defteriniz bir sanal ağın arkasındaysa veya desteklenmeyen bir bölgede özel uç nokta kullanıyorsa
- Portaldan hizmet uç noktasını (genel erişim) kullanarak kapsayıcı kayıt defterini yapılandırın ve yeniden deneyin
- Kapsayıcı kayıt defterini bir sanal ağın arkasına yerleştirdikten sonra, çalışma alanının kapsayıcı kayıt defteri örneğiyle iletişim kurabilmesi için Azure Resource Manager şablonunu çalıştırın
Başvurmaya çalıştığınız görüntü belirttiğiniz kapsayıcı kayıt defterinde yoksa
- Doğru etiketi kullandığınızı ve olarak ayarladığınızı
user_managed_dependencies
True
denetleyin. conda'nın devre dışı bırakılıpTrue
kullanıcının yüklü paketlerinin kullanıldığı user_managed_dependencies ayarlanması
Çekmeye çalıştığınız özel bir kayıt defteri için kimlik bilgileri sağlamadıysanız veya sağlanan kimlik bilgileri yanlışsa
- Gerekirse kapsayıcı kayıt defteri için çalışma alanı bağlantılarını ayarlama
Kaynaklar
G/Ç Hatası
Bu sorun, ağ sorunu nedeniyle Docker görüntü çekme işlemi başarısız olduğunda oluşabilir.
Olası nedenler:
- Geçici olabilecek ağ bağlantısı sorunu
- Güvenlik duvarı bağlantıyı engelliyor
- ACR'ye ulaşılamıyor ve ağ yalıtımı var. Daha fazla bilgi için bkz . ACR'ye ulaşılamıyor.
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Konağı güvenlik duvarı kurallarına ekleme
- Sanal ağın arkasındaki çalışma alanınız ve kaynaklarınız için Azure Güvenlik Duvarı kullanmayı öğrenmek için bkz. gelen ve giden ağ trafiğini yapılandırma
Çalışma alanı kurulumunuzu değerlendirin. Sanal ağ mı kullanıyorsunuz yoksa bir sanal ağın arkasındaki görüntü derlemeniz sırasında erişmeye çalıştığınız kaynaklardan herhangi biri mi?
- Bu makaledeki sanal ağlarla çalışma alanının güvenliğini sağlama adımlarını izlediğinize emin olun
- Azure Machine Learning, genel İnternet'e hem gelen hem de giden erişimi gerektirir. Sanal ağ kurulumunuzla ilgili bir sorun varsa, görüntü derlemeniz sırasında gerekli olan belirli depolara erişmeyle ilgili bir sorun olabilir
Sanal ağ kullanmıyorsanız veya doğru yapılandırdıysanız
- Görüntünüzü yeniden oluşturmayı deneyin. Zaman aşımı bir ağ sorunundan kaynaklanıyorsa, sorun geçici olabilir ve yeniden derleme sorunu çözebilir
Derleme sırasında conda sorunları
Hatalı belirtim
Conda belirtiminizde listelenen bir paket geçersiz olduğunda veya bir conda komutunu yanlış yürüttüğünüzde bu sorun oluşabilir.
Olası nedenler:
- Conda belirtiminizde kullandığınız söz dizimi yanlış
- Conda komutunu yanlış yürütüyorsunuz
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
conda create komutunu yanlış kullanırsanız Conda belirtimi hataları oluşabilir
- Belgeleri okuyun ve geçerli seçenekleri ve söz dizimini kullandığınızdan emin olun
- ile ilgili
conda env create
conda create
bilinen karışıklıklar vardır. Conda'nın yanıtı ve diğer kullanıcıların bilinen çözümleri hakkında daha fazla bilgiyi burada bulabilirsiniz
Derlemenin başarılı olmasını sağlamak için conda yaml'nizde uygun söz dizimi ve geçerli paket belirtimi kullandığınızdan emin olun
İletişim hatası
Conda belirtiminizde listelenen paketleri indirmek istediğiniz varlıkla iletişimde bir hata olduğunda bu sorun oluşabilir.
Olası nedenler:
- Conda kanalı veya paket deposuyla iletişim kurılamadı
- Bu hatalar geçici ağ hatalarından kaynaklanıyor olabilir
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Conda belirtiminizde kullandığınız conda kanallarının/depolarının doğru olduğundan emin olun
- Bunların var olup olmadığını ve doğru yazıldığını denetleyin
Conda kanalları/depoları doğruysa
- Görüntüyü yeniden oluşturmaya çalışın; hatanın geçici olma olasılığı vardır ve yeniden derleme sorunu çözebilir
- Conda belirtiminizde listelenen paketlerin belirttiğiniz kanallarda/depolarda mevcut olduğundan emin olun
Derleme hatası
Bu sorun, derleyici hatası nedeniyle conda ortamı için gerekli bir paketi oluştururken hata oluştuğunda oluşabilir.
Olası nedenler:
- Bir paketi yanlış yazdıysanız ve bu nedenle tanınmadı
- Derleyicide bir sorun var
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Derleyici kullanıyorsanız
- Kullandığınız derleyicinin tanındığından emin olun
- Gerekirse Dockerfile'ınıza bir yükleme adımı ekleyin
- Derleyicinizin sürümünü doğrulayın ve kullandığınız tüm komutların veya seçeneklerin derleyici sürümüyle uyumlu olup olmadığını denetleyin
- Gerekirse derleyici sürümünüzü yükseltin
Listelenen tüm paketleri doğru yazdığınızdan ve sürümleri doğru sabitlediğinizden emin olun
Kaynaklar
Eksik komut
Bu sorun, bir görüntü derlemesi sırasında veya belirtilen Python paketi gereksiniminde bir komut tanınmadığında oluşabilir.
Olası nedenler:
- Komutu doğru yazmadınız
- Gerekli bir paket yüklü olmadığından komut yürütülemiyor
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Komutu doğru yazdığınızdan emin olun
- Gerçekleştirmeye çalıştığınız komutu yürütmek için gereken paketleri yüklediğinizden emin olun
- Gerekirse Dockerfile'ınıza bir yükleme adımı ekleyin
Kaynaklar
Conda zaman aşımı
Conda paketi çözümünün tamamlanması çok uzun sürdüğünde bu sorun oluşabilir.
Olası nedenler:
- Conda belirtiminizde çok sayıda paket listelenir ve gereksiz paketler dahil edilir
- Bağımlılıklarınızı sabitlemediyseniz (tensorflow=2.8 yerine tensorflow dahil edildi)
- Çözümü olmayan paketleri listelediniz (X=1.3 ve Y=2.8 paketini dahil ettiniz, ancak X'in sürümü Y'nin sürümüyle uyumlu değil)
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Conda belirtiminizde gereksiz olan tüm paketleri kaldırın
- Paketlerinizi sabitleyin;ortam çözünürlüğü daha hızlı
- Sorun yaşamaya devam ediyorsanız Conda'nın performansını anlama ve iyileştirme konusunda ayrıntılı bir bakış için bu makaleyi gözden geçirin
Bellek yetersiz
Kullanılabilir bellek tükendiğinden conda paket çözümlemesi başarısız olduğunda bu sorun oluşabilir.
Olası nedenler:
- Conda belirtiminizde çok sayıda paket listelenir ve gereksiz paketler dahil edilir
- Bağımlılıklarınızı sabitlemediyseniz (tensorflow=2.8 yerine tensorflow dahil edildi)
- Çözümü olmayan paketleri listelediniz (X=1.3 ve Y=2.8 paketini dahil ettiniz, ancak X'in sürümü Y'nin sürümüyle uyumlu değil)
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Conda belirtiminizde gereksiz olan tüm paketleri kaldırın
- Paketlerinizi sabitleyin;ortam çözünürlüğü daha hızlı
- Sorun yaşamaya devam ediyorsanız Conda'nın performansını anlama ve iyileştirme konusunda ayrıntılı bir bakış için bu makaleyi gözden geçirin
Paket bulunamadı
Belirtiminizde listelenen bir veya daha fazla conda paketi kanalda/depoda bulunamadığında bu sorun oluşabilir.
Olası nedenler:
- Conda belirtiminizde paketin adını veya sürümünü yanlış listelediyseniz
- Paket, conda belirtiminizde listelediğiniz bir conda kanalında var
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Paketi doğru yazdığınızdan ve belirtilen sürümün mevcut olduğundan emin olun
- Paketin hedeflediğiniz kanalda bulunduğundan emin olun
- Paketin paket çözümlemesi sırasında doğru şekilde çekilmesi için conda belirtiminizde kanalı/depoyu listelediğinizden emin olun
Conda belirtiminizde kanalları belirtin:
channels:
- conda-forge
- anaconda
dependencies:
- python=3.8
- tensorflow=2.8
Name: my_environment
Kaynaklar
Eksik Python modülü
Conda belirtiminizde listelenen bir Python modülü mevcut olmadığında veya geçerli olmadığında bu sorun oluşabilir.
Olası nedenler:
- Modülü yanlış yazıldınız
- Modül tanınmıyor
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Modülü doğru yazdığınızdan ve mevcut olduğundan emin olun
- Modülün conda belirtiminizde belirttiğiniz Python sürümüyle uyumlu olduğundan emin olun
- Conda belirtiminizde belirli bir Python sürümünü listelemediyseniz, modülünüzle uyumlu olan belirli bir sürümü listelediğinizden emin olun, aksi takdirde uyumlu olmayan bir varsayılan sürüm kullanılabilir
Kullandığınız pip modülüyle uyumlu bir Python sürümünü sabitleyin:
channels:
- conda-forge
- anaconda
dependencies:
- python=3.8
- pip:
- dataclasses
Name: my_environment
Eşleşen dağıtım yok
Bu sorun, belirttiğiniz sürümle eşleşen bir paket bulunamadığında oluşabilir.
Olası nedenler:
- Paket adını yanlış yazdınız
- Paket ve sürüm belirttiğiniz kanallarda veya akışlarda bulunamıyor
- Belirttiğiniz sürüm yok
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Paketi doğru yazdığınızdan ve mevcut olduğundan emin olun
- Paket için belirttiğiniz sürümün mevcut olduğundan emin olun
- Paketin yükleneceği kanalı belirttiğinizden emin olun. Bir kanal belirtmezseniz, varsayılanlar kullanılır ve bu varsayılanlar aradığınız pakete sahip olabilir veya olmayabilir
Conda yaml belirtimindeki kanalları listeleme:
channels:
- conda-forge
- anaconda
dependencies:
- python = 3.8
- tensorflow = 2.8
Name: my_environment
Kaynaklar
mpi4py derlenemez
Mpi4py için tekerlek oluşturma işlemi başarısız olduğunda bu sorun oluşabilir.
Olası nedenler:
- Başarılı bir mpi4py yükleme gereksinimleri karşılanmadı
- mpi4py'yi yüklemek için seçtiğiniz yöntemde bir sorun var
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Çalışan bir MPI yüklemeniz olduğundan emin olun (MPI-3 desteği ve paylaşılan/dinamik kitaplıklarla oluşturulmuş MPI tercihi)
- Bkz. mpi4py yüklemesi
- Gerekirse, MPI oluşturmayla ilgili şu adımları izleyin
Uyumlu bir Python sürümü kullandığınızdan emin olun
- Python 3.8+ sürümü, eski sürümlerin kullanım ömrü sonuna ulaşması nedeniyle önerilir
- Bkz. mpi4py yüklemesi
Kaynaklar
Etkileşimli kimlik doğrulaması denendi
Pip, paket yüklemesi sırasında etkileşimli kimlik doğrulamayı denediğinde bu sorun oluşabilir.
Olası nedenler:
- Kimlik doğrulaması gerektiren bir paket listelediniz, ancak kimlik bilgilerini sağlamadınız
- Görüntü derlemesi sırasında pip, derleme sırasında etkileşimli kimlik doğrulaması sağlayamadığınız için derlemede başarısız olan kimlik doğrulamasını isteyip istemediğinizi sormayı denedi
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Çalışma alanı bağlantıları aracılığıyla kimlik doğrulaması sağlama
ŞUNUN IÇIN GEÇERLIDIR:Python SDK azureml v1
from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "PythonFeed", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")
ŞUNUN IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)
YAML belirtim dosyasından çalışma alanı bağlantısı oluşturma
az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace
Kaynaklar
Yasak blob
Bu sorun, depolama hesabındaki bir bloba erişme girişimi reddedildiğinde oluşabilir.
Olası nedenler:
- Depolama hesabına erişmek için kullandığınız yetkilendirme yöntemi geçersiz
- Paylaşılan erişim imzası (SAS) aracılığıyla yetkilendirmeye çalışıyorsunuz, ancak SAS belirtecinin süresi doldu veya geçersiz
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Azure portalında blob verilerine erişimi yetkilendirmeyi anlamak için aşağıdakileri okuyun
Azure depolamadaki verilere erişimi yetkilendirmeyi anlamak için aşağıdakileri okuyun
Sas kullanarak Azure depolama kaynaklarına erişmek istiyorsanız aşağıdakileri okuyun
Horovod derlemesi
Bu sorun, horovod oluşturulamadığı için conda ortamı oluşturulamadığında veya güncelleştirilemediğinde oluşabilir.
Olası nedenler:
- Horovod yüklemesi, yüklemediğiniz diğer modülleri gerektirir
- Horovod yüklemesi, dahil etmediğiniz belirli kitaplıkları gerektirir
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Birçok sorun horovod hatasına neden olabilir ve horovod belgelerinde bunların kapsamlı bir listesi vardır
- Horovod sorun giderme kılavuzunu gözden geçirin
- Horovod oluşturulamadığında ortaya çıkarılmış bir hata iletisi olup olmadığını görmek için Derleme günlüğünüzü gözden geçirin
- Horovod sorun giderme kılavuzunda karşılaştığınız sorunun yanı sıra bir çözüm de açıklanmış olabilir
Kaynaklar
Conda komutu bulunamadı
Conda ortamı oluşturma veya güncelleştirme sırasında conda komutu tanınmadığında bu sorun oluşabilir.
Olası nedenler:
- Kullandığınız temel görüntüye conda yüklemediyseniz
- Conda komutunu yürütmeye çalışmadan önce Dockerfile'ınız aracılığıyla conda yüklemediyseniz
- Yolunuzda conda'yı eklemediyseniz veya yolunuz için eklemediyseniz
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Conda komutlarını yürütmeye çalışmadan önce Dockerfile dosyanızda bir conda yükleme adımı olduğundan emin olun
- Senaryonuz için neye ihtiyacınız olduğunu belirlemek için bu conda yükleyicileri listesini gözden geçirin
Conda'yı yüklemeyi denediyseniz ve bu sorunla karşılaşıyorsanız, yolunuz için conda eklediğinizden emin olun
- Rehberlik için bu örneği gözden geçirin
- Dockerfile'da ortam değişkenlerini ayarlamayı gözden geçirin
Kaynaklar
Uyumsuz Python sürümü
Conda ortamınızda belirtilen Python sürümünüzle uyumlu olmayan bir paket belirtildiğinde bu sorun oluşabilir.
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Paketin belirtilen Python sürümünüzle uyumlu farklı bir sürümünü kullanın
Alternatif olarak, belirttiğiniz paketle uyumlu farklı bir Python sürümü kullanın
- Python sürümünüzü değiştiriyorsanız desteklenen ve yakında kullanım süresi dolmuyor olan bir sürüm kullanın
- Bkz. Python kullanım süresi sonu tarihleri
Kaynaklar
Conda çıplak yeniden yönlendirme
Komut satırında tırnak işareti kullanmadan "" veya "<>" kullanarak bir paket belirttiğinizde bu sorun oluşabilir. Bu söz dizimi conda ortamı oluşturma veya güncelleştirmenin başarısız olmasına neden olabilir.
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Paket belirtimi çevresinde tırnak işareti ekleme
- Örneğin,
conda install -y pip<=20.1.1
öğesiniconda install -y "pip<=20.1.1"
olarak değiştirin
UTF-8 kod çözme hatası
Conda belirtiminizde bir karakterin kodunu çözme hatası olduğunda bu sorun oluşabilir.
Olası nedenler:
- conda YAML dosyanız UTF-8 ile uyumlu olmayan karakterler içeriyor.
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Derleme sırasında pip sorunları
Paketler yüklenemedi
Python paketi yüklemesi sırasında görüntü derlemeniz başarısız olduğunda bu sorun oluşabilir.
Olası nedenler:
- Bu hataya neden olabilecek birçok sorun var
- Bu ileti geneldir ve Azure Machine Learning analizi karşılaştığınız hatayı henüz kapsamadığında ortaya çıkar
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Görüntü derleme hatanız hakkında daha fazla bilgi için Derleme günlüğünüzü gözden geçirin
Karşılaştığınız hatayı analiz etmek için Azure Machine Learning ekibine geri bildirimde bulunabilirsiniz
Paket kaldırılamıyor
Pip, işletim sisteminin paket yöneticisinin yüklemiş olduğu bir Python paketini kaldıramadığında bu sorun oluşabilir.
Olası nedenler:
- Mevcut pip sorunu veya sorunlu pip sürümü
- Yalıtılmış ortam kullanmama sorunundan kaynaklanan bir sorun
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Aşağıdakini okuyun ve mevcut bir pip sorununun hatanıza neden olup olmadığını belirleyin
- Docker görüntüsü oluşturulurken kaldırılamıyor
- pip 10 disutils kısmi kaldırma sorunu
- pip 10 artık disutils paketlerini kaldırıyor
Aşağıdakileri deneyin
pip install --ignore-installed [package]
conda kullanarak ayrı bir ortam oluşturmayı deneyin
Geçersiz işleç
Bu sorun, pip gereksiniminde geçersiz bir işleç bulunduğundan Python paketini yükleyemediğinde oluşabilir.
Olası nedenler:
- Python paket gereksiniminde geçersiz bir işleç bulundu
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Paketi doğru yazdığınızdan ve belirtilen sürümün mevcut olduğundan emin olun
- Paket sürüm tanımlayıcınızın doğru biçimlendirildiğinden ve geçerli karşılaştırma işleçleri kullandığınızdan emin olun. Bkz. Sürüm tanımlayıcıları
- Geçersiz işleci hata iletisinde önerilen işleçle değiştirin
Eşleşen dağıtım yok
Bu sorun, belirttiğiniz sürümle eşleşen bir paket bulunamadığında oluşabilir.
Olası nedenler:
- Paket adını yanlış yazdınız
- Paket ve sürüm belirttiğiniz kanallarda veya akışlarda bulunamıyor
- Belirttiğiniz sürüm yok
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Paketi doğru yazdığınızdan ve mevcut olduğundan emin olun
- Paket için belirttiğiniz sürümün mevcut olduğundan emin olun
- Özgün komutu çalıştırın
pip install --upgrade pip
ve sonra yeniden çalıştırın - Kullandığınız pip'in istenen Python sürümüne yönelik paketleri yükleyebildiğinden emin olun. Bkz. Pip mi yoksa pip3 mü kullanmalıyım?
Kaynaklar
Geçersiz tekerlek dosya adı
Tekerlek dosyasını yanlış belirttiğinizde bu sorun oluşabilir.
Olası nedenler:
- Tekerlek dosya adını yanlış yazdınız veya yanlış biçimlendirme kullandınız
- Belirttiğiniz tekerlek dosyası bulunamıyor
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Dosya adını doğru yazdığınızdan ve var olduğundan emin olun
- Tekerlek dosya adları biçimini izlediğinize emin olun
Sorun giderme
Hedef belirtilmedi ve derleme dosyası bulunamadı
Bu sorun, herhangi bir hedef belirtmediğinizde ve çalıştırılırken make
hiçbir makefile bulunamadığında oluşabilir.
Olası nedenler:
- Makefile geçerli dizinde yok
- Hedef belirtilmemiş
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
- Makefile dosyasını doğru yazdığınızdan emin olun
- Makefile dosyasının geçerli dizinde bulunduğundan emin olun
- Özel bir derleme dosyanız varsa, bunu kullanarak belirtin
make -f custommakefile
- Makefile içinde veya komut satırında hedefleri belirtme
- Derlemenizi yapılandırma ve derleme dosyası oluşturma
- Derleme dosyanızı doğru biçimlendirdiğinizden ve girintileme için sekmeler kullandığınızdan emin olun
Kaynaklar
Kopyalama sorunları
Dosya bulunamadı
Docker bir dosyayı bulup kopyalayamazsa bu sorun oluşabilir.
Olası nedenler:
- Docker derleme bağlamında kaynak dosya bulunamadı
- Kaynak dosya tarafından dışlandı
.dockerignore
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- İlk adımda ortamı örtük olarak oluşturma nedeniyle çalışan işlerde hata oluşmuştur.
Sorun giderme adımları
- Kaynak dosyanın Docker derleme bağlamında mevcut olduğundan emin olun
- Kaynak ve hedef yolların var olduğundan ve doğru yazıldığından emin olun
- Kaynak dosyanın geçerli ve üst dizinlerde
.dockerignore
listelenmediğinden emin olun - Komutla aynı satırdan
COPY
sondaki açıklamaları kaldırma
Kaynaklar
Apt-Get Sorunları
apt-get komutu çalıştırılamadı
Apt-get çalıştırılamıyorsa bu sorun oluşabilir.
Olası nedenler:
- Geçici olabilecek ağ bağlantısı sorunu
- apt-get çalıştırdığınız paketle ilgili bozuk bağımlılıklar
- apt-get komutunu kullanmak için doğru izinlere sahip değilsiniz
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- İlk adımda ortamı örtük olarak oluşturma nedeniyle çalışan işlerde hata oluşmuştur.
Sorun giderme adımları
- Ağ bağlantınızı ve DNS ayarlarınızı denetleyin
- Bozuk bağımlılıkları denetlemek için komutunu çalıştırın
apt-get check
- Özgün komutu çalıştırıp
apt-get update
yeniden çalıştırın - Komutunu bayrağıyla
-f
çalıştırın; bu, bozuk bağımlılıklardan gelen sorunu çözmeye çalışır - komutunu aşağıdaki gibi izinlerle
sudo
çalıştırın:sudo apt-get install <package-name>
Kaynaklar
- APT ile paket yönetimi
- Ubuntu Apt-Get
- apt-get başarısız olduğunda yapılması gerekenler
- Örneklerle Linux'ta apt-get komutu
Docker gönderme sorunları
Docker görüntüsü depolanamadı
Bu sorun, docker görüntüsünü kapsayıcı kayıt defterine gönderirken bir hata olduğunda oluşabilir.
Olası nedenler:
- Çalışma alanıyla ilişkilendirilmiş ACR ile ilgili geçici bir sorun oluştu
- Sanal ağın arkasındaki kapsayıcı kayıt defteri desteklenmeyen bir bölgede özel uç nokta kullanıyor
Etkilenen alanlar (belirtiler):
- Kullanıcı arabiriminden, SDK'dan ve CLI'dan ortam oluşturma hatası.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Çalışma alanının Azure Container Registry'sinde (ACR) geçici bir sorun olduğundan şüpheleniyorsanız ortam derlemesini yeniden deneyin
Kapsayıcı kayıt defteriniz bir sanal ağın arkasındaysa veya desteklenmeyen bir bölgede özel uç nokta kullanıyorsa
- Portaldan hizmet uç noktasını (genel erişim) kullanarak kapsayıcı kayıt defterini yapılandırın ve yeniden deneyin
- Kapsayıcı kayıt defterini bir sanal ağın arkasına yerleştirdikten sonra, çalışma alanının kapsayıcı kayıt defteri örneğiyle iletişim kurabilmesi için Azure Resource Manager şablonunu çalıştırın
Sanal ağ kullanmıyorsanız veya doğru yapılandırdıysanız, basit bir yerel derleme deneyerek kimlik bilgilerinizin ACR'niz için doğru olup olmadığını test edin
- Azure portalından çalışma alanı ACR'niz için kimlik bilgilerini alma
- Kullanarak ACR'nizde oturum açın
docker login <myregistry.azurecr.io> -u "username" -p "password"
- "helloworld" görüntüsü için komutunu çalıştırarak ACR'nize göndermeyi test edin
docker push helloworld
- Bkz . Hızlı Başlangıç: Azure Container Registry Görevlerini kullanarak kapsayıcı görüntüsü oluşturma ve çalıştırma
Bilinmeyen Docker komutu
Bilinmeyen Docker yönergesi
Docker Dockerfile'daki bir yönergeyi tanımadığında bu sorun oluşabilir.
Olası nedenler:
- Dockerfile'da bilinmeyen Docker yönergesi kullanılıyor
- Dockerfile'ınız geçersiz söz dizimi içeriyor
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- İlk adımda ortamı örtük olarak oluşturma nedeniyle çalışan işlerde hata oluşmuştur.
Sorun giderme adımları
- Docker komutunun geçerli olduğundan ve doğru yazıldığından emin olun
- Docker komutuyla bağımsız değişkenler arasında bir boşluk olduğundan emin olun
- Dockerfile'da gereksiz boşluk olmadığından emin olun
- Dockerfile dosyasının doğru biçimlendirildiğinden ve UTF-8'de kodlandığından emin olun
Kaynaklar
Komut Bulunamadı
Komut tanınmadı
Bu sorun, çalıştırılmakta olan komut tanınmadığında oluşabilir.
Olası nedenler:
- Komutunu yürütmeye çalışmadan önce Dockerfile'ınız aracılığıyla komutu yüklememişsinizdir
- Yolunuzda komutu eklememiş veya yolunuz için eklememişsinizdir
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- İlk adımda ortamı örtük olarak oluşturma nedeniyle çalışan işlerde hata oluşmuştur.
Sorun giderme adımları Komutu yürütmeye çalışmadan önce Dockerfile dosyanızda komut için bir yükleme adımınızın olduğundan emin olun
Komutunu yüklemeyi denediyseniz ve bu sorunla karşılaşıyorsanız, komutu yolunuz için eklediğinizden emin olun
- Bu örneği gözden geçirin
- Dockerfile'da ortam değişkenlerini ayarlamayı gözden geçirin
Çeşitli derleme sorunları
Derleme günlüğü kullanılamıyor
Olası nedenler:
- Azure Machine Learning, derleme günlüklerinizi depolama hesabınızda depolama yetkisine sahip değil
- Derleme günlükleriniz kaydedilirken geçici bir hata oluştu
- Görüntü derlemesi tetiklenmeden önce bir sistem hatası oluştu
Etkilenen alanlar (belirtiler):
- Başarılı bir derleme, ancak kullanılabilir günlük yok.
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- Azure Machine Learning ilk adımda ortamı örtük olarak derlediğinden işleri çalıştırma hatası.
Sorun giderme adımları
Yeniden derleme geçiciyse sorunu düzeltebilir
Görüntü bulunamadı
Belirttiğiniz temel görüntü bulunamadığında bu sorun oluşabilir.
Olası nedenler:
- Görüntüyü yanlış belirttiniz
- Belirttiğiniz görüntü belirttiğiniz kayıt defterinde yok
Etkilenen alanlar (belirtiler):
- Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası vardır.
- İlk adımda ortamı örtük olarak oluşturma nedeniyle çalışan işlerde hata oluşmuştur.
Sorun giderme adımları
- Temel görüntünün doğru yazıldığından ve biçimlendirildiğinden emin olun
- Kullandığınız temel görüntünün belirttiğiniz kayıt defterinde mevcut olduğundan emin olun
Kaynaklar