Ortam sorunlarını giderme

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)Python SDK azure-ai-ml v2 (geçerli)

Bu makalede, ortam görüntüsü derlemelerinde karşılaşabileceğiniz yaygın sorunları gidermeyi ve Azure Machine Learning ortamı 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.

Ortam oluşturma ve yönetme

Azure Machine Learning Python SDK'sı, Azure Machine Learning CLI, Azure Machine Learning Stüdyosu 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.

Azure Machine Learning 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 yazılımların yaygınlığı ve karmaşık iç içe bağımlılıkların kullanılmasıyla, güvenlik açıklarını yönetmek ve izlemek 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.
• İşaretlenmiş güvenlik açıklarını ve bunların senaryonuzla ilgisini anlayın.

Güvenlik Açıklarını Tara

Kapsayıcı Kayıt Defteri için Microsoft Defender ile görüntüleri güvenlik açıklarına karşı taramanıza yardımcı olarak ortamın hijyen durumunu izleyebilir ve koruyabilirsiniz.

Bu işlemi Microsoft Defender tetikleyicilerine göre otomatikleştirmek için bkz. Bulut için Microsoft Defender tetikleyicilerine 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.

Özenle Düzenlenmiş 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 ve 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:

• BYOC (kendi kapsayıcınızı getirin): Kullanıcı Azure Machine Learning'e bir Docker imajı 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 ve 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 üçüncü taraf bir sağlayıcıdan geliyorsa, en son sürümde belirlenen güvenlik açıkları için düzeltmeler olup olmadığını kontrol edin. Azure Machine Learning'deki temel görüntüler için en yaygın kaynaklar şunlardır:

• Microsoft Artifact Registry (MAR), Microsoft Container Registry (mcr.microsoft.com) olarak da bilinir.
  • MAR giriş sayfasından görüntüleri listeleyebilir, katalog API'sini çağırabilir veya /tags/list uç noktasını kullanabilirsiniz.
  • Azure Machine Learning'den eğitim temeli görüntüleri için kaynak ve sürüm notları Azure/AzureML-Kapsayıcılar'da bulunabilir
• NVIDIA (nvcr.io veya Nvidia'nın Profili)

Temel görüntünüzün en son sürümü güvenlik açıklarınızı çözmezse, güvenlik açığı taraması tarafından önerilen sürümler yüklenerek temel görüntü güvenlik açıkları 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 tanımlanmış sorunların düzeltmelerini içeren sürüme güncelleyin.

pip install "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, her ortamı oluşturarak 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 alanınıza bağlı olan bu Azure Container Registry örneği, kapsayıcı görüntüleri için önbellek görevi görür. Oluşturulan tüm imajlar, kapsayıcı kayıt defterine gönderilir ve ilgili ortam için deneme veya dağıtım tetiklendiğinde kullanılır. Azure Machine Learning kapsayıcı kayıt defterinizdeki görüntüleri silmez ve zaman içinde hangi görüntüleri korumanız gerektiğini değerlendirmek sizin sorumluluğunuzdadır.

Ortam görüntüsü oluşturma sorunlarını çözme

Ortam görüntüsü derlemeleri ve paket yüklemeleriyle ilgili sorunları gidermeyi öğrenin.

Ortam tanımı sorunları

Ortam adı sorunları

Özenle 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

Kaynak

• Yeniden kullanılabilir ortamlar oluşturma ve yönetme

Ortamın 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 v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK 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

Çok fazla Docker seçeneği

Olası nedenler:

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK azure-ai-ml v2 (geçerli)

Ortam tanımınızda belirtilen bu Docker seçeneklerinden birden fazlası var

• image
• build
• Bakınız 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.

Docker seçeneği eksik

Olası nedenler:

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK azure-ai-ml v2 (geçerli)

Ortam tanımınızda aşağıdaki seçeneklerden birini belirtmediyseniz

• image
• build
• Bakınız 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.

GEÇERLİ OLDUĞU YERLER: Python SDK 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)

Kaynak

• Yeniden kullanılabilir ortamlar oluşturma ve yönetme v2

Kapsayıcı kayıt defteri kimlik bilgileri kullanıcı adı veya parola eksik

Olası nedenler:

• Ortam tanımınızda kapsayıcı kayıt defteriniz için ya bir kullanıcı adı ya da bir parola belirttiniz, ancak ikisini de belirtmediniz.

Etkilenen alanlar (belirtiler):

• Ortamınızı kaydetme hatası

Sorun giderme adımları

ŞUNLAR 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.

Kaynak

• Python SDK v2 çalışma alanı bağlantıları
• Azure CLI çalışma alanı bağlantıları

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

Kaynak

• Python SDK v2 çalışma alanı bağlantıları
• Azure CLI çalışma alanı bağlantıları

Temel görüntü kayıt defterindeki gizli bilgiler

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.

ŞUNLAR 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

Kaynak

• Python SDK v2 çalışma alanı bağlantıları
• Azure CLI çalışma alanı bağlantıları

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

Kaynak

• En iyi yöntemlere bakın.

Docker derleme bağlamı sorunları

Docker derleme bağlamı konumu mevcut değil

Olası nedenler:

• Ortam tanımınızda derleme bağlam dizininizin yolunu sağlamadınız

Etkilenen alanlar (belirtiler):

• Ortamınızı kaydetme hatası

Sorun giderme adımları

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK azure-ai-ml v2 (geçerli)

Yapı bağlamınız için bir yol eklediğinizden emin olun.

• Bkz . BuildContext sınıfı
• Bu örneğe bakın

Kaynak

• Derleme bağlamını anlayın.

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

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK azure-ai-ml v2 (geçerli)

Dockerfile yolu belirtme

• Bkz. BuildContext sınıfı
• Bu örneğe bakın

Kaynak

• Derleme bağlamını anlayın.

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
• azureml/openmpi4.1.0-ubuntu20.04

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

• Sürüm etiketi
• Özet
• Sabit tanımlayıcılı resme bakın

Python sorunları

Python sürümü eksik

Olası nedenler:

• Ortam tanımınızda Python sürümü belirtmediniz

Etkilenen alanlar (belirtiler):

• Ortamınızı kaydetme hatası

Sorun giderme adımları

Conda belirtiminiz için YAML kullanıyorsanız bağımlılık olarak Python'ı ekleyin

name: project_environment
dependencies:
  - python=3.11
  - pip:
      - azureml-defaults
channels:
  - anaconda

Birden çok Python sürümü

Olası nedenler:

• Ortam tanımınızda birden fazla Python sürümü belirttiniz

Etkilenen alanlar (belirtiler):

• Ortamınızı kaydetme hatası

Sorun giderme adımları

Conda belirtiminiz için YAML kullanıyorsanız bağımlılık olarak yalnızca bir Python sürümü ekleyin

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 sonuna yakın 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

Conda YAML'de Python sürümü belirtmek için doğru söz dizimlerini kullanma

name: project_environment
dependencies:
  - python=3.11
  - pip:
      - azureml-defaults
channels:
  - anaconda

Kaynak

• Bkz. conda paketi sabitleme

Conda sorunları

Eksik conda bağımlılıkları

Olası nedenler:

• Ortam tanımınızda bir conda belirtimi sağlamadınız ve user_managed_dependenciesFalse (varsayılan) olarak ayarlandı.

Etkilenen alanlar (belirtiler):

• Ortamınızı kaydetme hatası

Sorun giderme adımları

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK 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 nasıl bir ortam oluşturulacağını görün

Kaynak

• El ile conda dosyası oluşturmayı öğrenin

Geçersiz conda bağımlılıkları

Olası nedenler:

• Ortam tanımınızda belirtilen conda bağımlılıklarını yanlış biçimlendirmişsiniz

Etkilenen alanlar (belirtiler):

• Ortamınızı kaydetme hatası

Sorun giderme adımları

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK 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 nasıl bir ortam oluşturulacağını görün

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.

Conda belirtiminiz için YAML kullanıyorsanız, kullanmak istediğiniz conda kanallarını ekleyin

name: project_environment
dependencies:
  - python=3.11
  - pip:
      - azureml-defaults
channels:
  - anaconda
  - conda-forge

Kaynak

• 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.

ŞUNLAR IÇIN GEÇERLIDIR:Azure CLI ml uzantısı v2 (geçerli)

GEÇERLİ OLDUĞU YERLER: Python SDK azure-ai-ml v2 (geçerli)

Standart conda YAML yapılandırma dosyası kullanarak ortam tanımlama

• Conda belirtiminden ortam oluşturma rehberini görün

Kaynak

• 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.

Conda belirtiminiz için YAML kullanıyorsanız bağımlılıklarınız için sürümleri belirtin

name: project_environment
dependencies:
  - python=3.11
  - pip:
      - numpy=1.26
channels:
  - anaconda
  - conda-forge

Kaynak

• Bkz. conda paketi sabitleme

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.

Conda belirtiminiz için YAML kullanıyorsanız pip'i bağımlılık olarak belirtin

name: project_environment
dependencies:
  - python=3.11
  - pip>=24.0
  - pip:
      - numpy>=1.26
channels:
  - anaconda
  - conda-forge

Kaynak

• Bkz. conda paketi sabitleme

Pip sabitlenmedi

Olası nedenler:

• Conda belirtiminizde pip için bir sürüm belirtmediniz.

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.

Conda belirtimi için YAML kullanıyorsanız pip için bir sürüm belirtin

name: project_environment
dependencies:
  - python=3.11
  - pip>=24.0
  - pip:
      - numpy>=1.26
channels:
  - anaconda
  - conda-forge

Kaynak

• Bkz. conda paketi sabitleme

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.
• Boru hattı görevi 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. görüntü derleme işlemi için işlem, Azure Kubernetes Service (AKS) veya diğer örnek türleri desteklenmez.

Kaynak

• Azure Container Registry'yi (ACR) etkinleştirme
• Ortamların Nasıl Kullanılacağı

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.
• Ortam ilk adımda örtük olarak oluşturulacağı için işlerin çalıştırılmasında hata.

Sorun giderme adımları

• Dockerfile dosyasının doğru biçimlendirildiğinden ve UTF-8'de kodlandığından emin olun

Kaynak

• Dockerfile biçimi

Docker pull sorunları

Docker görüntüsü çekilemedi

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Kapsayıcı kayıt defterinizin yol adının doğru olup olmadığını denetleyin

• Kayıt defteri my-registry.io ve etiket test/image içeren bir görüntü 3.2 için geçerli bir görüntü yolu my-registry.io/test/image:3.2 olabilir.
• 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

Referans vermeye çalıştığınız görüntü belirttiğiniz kapsayıcı kayıt deposunda yoksa

• Doğru etiketi kullandığınızı ve user_managed_dependencies’yi True olarak ayarladığınızı kontrol edin. user_managed_dependencies ayarlandığında conda devre dışı bırakılır ve kullanıcının yüklü paketleri kullanılır.

Çekmeye çalıştığınız özel bir kayıt defteri için kimlik bilgileri sağlamadıysanız veya sağlanan kimlik bilgileri yanlışsa

• Gerekirse çalışma alanı bağlantılarını kapsayıcı kayıt defteri için ayarla

Kaynak

• Çalışma alanı bağlantıları v1

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Konağı güvenlik duvarı kurallarına ekleme

• Azure Güvenlik Duvarı'nı, sanal ağın arkasındaki çalışma alanınız ve kaynaklarınız için nasıl kullanacağınızı öğrenmek için Gelen ve giden ağ trafiğini yapılandırma bölümüne bakınız

Çalışma alanı kurulumunuzu değerlendirin. Sanal bir ağ mı kullanıyorsunuz, yoksa imaj oluşturma sırasında erişmeye çalıştığınız kaynaklardan herhangi biri sanal bir ağın arkasında mı?

• Bu makaledeki bir çalışma alanını sanal ağlarla güvenli hale getirme adımlarını izlediğinize emin olun
• Azure Machine Learning, genel İnternet'e hem gelen hem de giden erişim gerektirir. Sanal ağ kurulumunuzla ilgili bir sorun varsa, görüntü derlemeniz sırasında gerekli olan belirli depolara erişmeyle ilgili bir sorun olabilir

Sanal ağ kullanmıyorsanız veya sanal ağı doğru şekilde yapılandırmadıysanız

• Görüntünüzü yeniden oluşturmayı deneyin. Zaman aşımı bir ağ sorunundan kaynaklanıyorsa, sorun geçici olabilir ve yeniden yapılandırma sorunu çözebilir.

Derleme işlemi 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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

conda create komutunu yanlış kullanırsanız Conda belirtimi hataları oluşabilir

• Belgeleri okuyun ve geçerli seçenekleri ve söz dizimini kullandığınızdan emin olun
• conda env create ile conda create arasında 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

• Bkz. paket eşleştirme belirtimleri ve el ile conda dosyası oluşturma

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Conda belirtiminizde kullandığınız conda kanallarının/depolarının doğru olduğundan emin olun

• Bunların var olup olmadığını ve bunları doğru yazıp yazmadığınıza bakın

Eğer 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 yazdınız ve bu yüzden tanınmadı.
• Derleyicide bir sorun var

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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

Kaynak

• Dockerfile komut çalıştırma referansı
• Örnek derleyici sorunu

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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

Kaynak

• Dockerfile komut çalıştırma referansı

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 sabitlemediniz (tensorflow yerine tensorflow=2.16 eklediniz).
• Çözümü olmayan paketleri listelediyseniz (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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 sabitlemediniz (tensorflow yerine tensorflow=2.16 eklediniz).
• Çözümü olmayan paketleri listelediyseniz (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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 listelemediğiniz bir conda kanalında var.

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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=3.11
  - tensorflow=2.16
Name: my_environment

Kaynak

• Kanalları yönetme

Eksik Python modülü

Conda belirtiminizde listelenen bir Python modülü mevcut olmadığında veya geçerli olmadığında bu sorun oluşabilir.

Olası nedenler:

• Modülü yanlış yazdınız
• Modül tanınmıyor

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 belirli bir sürümü listelediğinizden emin olun. Aksi takdirde, uyumlu olmayan bir varsayılan değer kullanılabilir

Kullandığınız pip modülüyle uyumlu bir Python sürümünü sabitleyin:

channels:
  - conda-forge
  - anaconda
dependencies:
  - python=3.11
  - 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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 = 3.11
  - tensorflow = 2.16
Name: my_environment

Kaynak

• Kanalları yönetme
• pypi

mpi4py derlenemez

Mpi4py için tekerlek oluşturma işlemi başarısız olduğunda bu sorun oluşabilir.

Olası nedenler:

• Başarılı bir mpi4py yükleme gereksinimleri karşılanmadı
• mpi4py'yi yüklemek için kullandığınız yöntemde bir sorun var

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 3.10 veya üstü, eski sürümlerin kullanım ömrü sonuna ulaşması nedeniyle önerilir
• Bkz . mpi4py yüklemesi

Kaynak

• mpi4py yüklemesi

Etkileşimli kimlik doğrulaması denendi

Pip, paket yüklemesi sırasında etkileşimli kimlik doğrulamayı denediğinde bu sorun oluşabilir.

Olası nedenler:

• Kimlik doğrulaması gerektiren bir paket var, fakat kimlik bilgilerini sağlamadınız.
• ** Görüntü kurulum sürecinde, pip sizi kimlik doğrulamanız için yönlendirmeye çalıştı, ancak derleme sırasında etkileşimli kimlik doğrulaması sağlayamayacağınız için bu durum derlemenin başarısız olmasına neden oldu.

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Çalışma alanı bağlantıları aracılığıyla kimlik doğrulaması sağlama

ŞUNLAR 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

Kaynak

• Python SDK v2 çalışma alanı bağlantıları
• Azure CLI çalışma alanı bağlantıları

Yasak veri bloğu

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 yapı 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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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

Kaynak

• horovod yüklemesi

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
• Eğer conda'yı yolunuza eklemediyseniz

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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

Kaynak

• Kullanılabilir tüm conda dağıtımları conda deposunda bulunur

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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

Kaynak

• Python dokümantasyonu sürüme göre

Conda koleksiyon yönlendirme

Komut satırında tırnak işaretleri 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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Paket belirtimi çevresine tırnak işareti ekleyin

• Örneğin, şunun gibi değiştirin conda install -y pip<=20.1.1 : conda install -y "pip<=20.1.1"

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Görüntü derleme hatanız hakkında daha fazla bilgi için Yapı günlüğünüzü gözden geçirin

Karşılaştığınız hatayı analiz etmek için Azure Machine Learning ekibine geri bildirimde bulunabilirsiniz

• Sorun veya öneride bulun

Paket kaldırılamıyor

Pip, işletim sisteminin paket yöneticisinin yüklemiş olduğu bir Python paketini kaldıramadığında bu sorun oluşabilir.

Olası nedenler:

• Mevcut pip sorunu veya problematik bir pip sürümü
• Yalıtılmış ortam kullanmama sorunundan kaynaklanan bir sorun

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Aşağıdakini okuyun ve mevcut bir pip sorununun hatanıza neden olup olmadığını belirleyin

• Docker görüntüsü oluşturulurken yazılım kaldırılamaz
• 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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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?

Kaynak

• Pip Çalıştırma
• pypi
• Python Modüllerini Yükleme

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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

• Dosya adını doğru yazdığınızdan ve var olduğundan emin olun
• Tekerlek dosya adları biçimini izlediğinize emin olun

Sorun oluşturma

Hedef belirtilmedi ve derleme dosyası bulunamadı

Bu sorun, herhangi bir hedef belirtmediğinizde ve make çalıştırıldığında hiçbir makefile bulunamadığında oluşabilir.

Olası nedenler:

• Makefile geçerli dizinde yok
• Hedef belirtilmemiş

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 yapılandırın ve bir makefile oluşturun
• Derleme dosyanızı doğru biçimlendirdiğinizden ve girintileme için sekmeler kullandığınızdan emin olun

Kaynak

• GNU Make

Kopyalama sorunları

Dosya bulunamadı

Docker bir dosyayı bulup kopyalayamazsa bu sorun oluşabilir.

Olası nedenler:

• Docker derleme bağlamında kaynak dosya bulunamadı
• Kaynak dosya .dockerignore tarafından dışlandı

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Ortam ilk adımda örtük olarak oluşturulacağı için işlerin çalıştırılmasında hata.

Sorun giderme adımları

• Kaynak dosyanın Docker derleme bağlamında mevcut olduğundan emin olun
• Kaynak ve hedef yolların var olduğundan ve doğru yazıldığından emin olun
• Kaynak dosyanızın, geçerli dizin ve üst dizinlerde .dockerignore listelenmediğine emin olun
• Komutla aynı satırdaki COPY komutunun sondaki açıklamaları kaldırın

Kaynak

• Docker COPY
• Docker Derleme Bağlamı

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.
• Ortam ilk adımda örtük olarak oluşturulacağı için işlerin çalıştırılmasında hata.

Sorun giderme adımları

• Ağ bağlantınızı ve DNS ayarlarınızı denetleyin
• Bozuk bağımlılıkları denetlemek için komutunu çalıştırın apt-get check
• apt-get update'yi çalıştırın, ardından özgün komutunuzu yeniden çalıştırın.
• -f bayrağıyla komutu çalıştırın; bu, bozuk bağımlılıklardan kaynaklanan sorunu çözmeye çalışacaktır.
• komutunu aşağıdaki gibi izinlerle sudo çalıştırın: sudo apt-get install <package-name>

Kaynak

• 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 kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

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 ACR'niz için kimlik bilgilerinizin doğru olup olmadığını test edin

• Azure portalından çalışma alanı ACR'niz için kimlik bilgilerini alma
• ACR'nizde docker login <myregistry.azurecr.io> -u "username" -p "password" kullanarak oturum açın
• "helloworld" görüntüsünü ACR'nize göndermeyi test etmek için docker push helloworld komutunu çalıştırın.
• 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.
• Ortam ilk adımda örtük olarak oluşturulacağı için işlerin çalıştırılmasında hata.

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

Kaynak

• Dockerfile referansı

Komut Bulunamadı

Komut tanınmadı

Bu sorun, çalıştırılmakta olan komut tanınmadığında oluşabilir.

Olası nedenler:

• Komutunu yürütmeye çalışmadan önce Dockerfile'ınız aracılığıyla komutu yüklememişsinizdir
• Yolunuza komutu eklemediğiniz veya PATH değişkeninize eklemediğiniz için olabilir.

Etkilenen alanlar (belirtiler):

• Kullanıcı arabirimi, SDK ve CLI'dan ortam oluşturma hatası.
• Ortam ilk adımda örtük olarak oluşturulacağı için işlerin çalıştırılmasında hata.

Sorun giderme adımları Komutu yürütmeye çalışmadan önce Dockerfile dosyanızda komut için bir yükleme adımınızın olduğundan emin olun

• Bu örneği gözden geçirin

Komutu 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

Yapı 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.
• Azure Machine Learning ilk adımda ortamı örtük olarak kurduğundan işlerin çalıştırılmasında hata meydana geliyor.

Sorun giderme adımları

Yeniden derleme, geçiciyse sorunu çözebilir

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.
• Ortam ilk adımda örtük olarak oluşturulacağı için işlerin çalıştırılmasında hata.

Sorun giderme adımları

• Temel görüntünün doğru yazıldığından ve biçimlendirildiğinden emin olun
• Kullandığınız temel görüntünün belirttiğiniz kayıt defterinde mevcut olduğundan emin olun

Kaynak

• Azure Machine Learning temel görüntüleri