Řešení potíží s výjimkami modulu v Azure Machine Learning používání kódů chyb

Seznamte se s chybovými zprávami a kódy výjimek, se kterými se můžete setkat pomocí modulů v Azure Machine Learning Studio (Classic).

Pokud chcete problém vyřešit, vyhledejte chybu v tomto článku, abyste si přečetli o běžných příčinách. Existují dva způsoby, jak získat úplný text chybové zprávy v studiu (Classic):

  • Klikněte na odkaz, Zobrazte výstupní protokol, v pravém podokně a posuňte se k dolnímu. V posledních dvou řádcích okna se zobrazí podrobná chybová zpráva.

  • Vyberte modul, který obsahuje chybu, a klikněte na červené X. Zobrazí se pouze relevantní text chyby.

Pokud text chybové zprávy není užitečný, pošlete nám informace o kontextu a všech požadovaných přidaných nebo změnách. Můžete buď Odeslat zpětnou vazbu k chybovému tématu, nebo navštívit fórum Azure Machine Learning studia a odeslat dotaz.

Chyba 0001

K výjimce dojde v případě, že se nepovedlo najít jeden nebo více zadaných sloupců datové sady.

Tato chyba se zobrazí, pokud je pro modul proveden výběr sloupce, ale ve vstupní datové sadě neexistují vybrané sloupce. K této chybě může dojít, pokud jste ručně zadali název sloupce nebo pokud selektor sloupců zadal navrhovaný sloupec, který v datové sadě neexistoval při spuštění experimentu.

Řešení: Znovu navštivte modul, který tuto výjimku vyvolal, a ověřte, zda jsou název sloupce nebo názvy správné a zda existují všechny odkazované sloupce.

Zprávy výjimek
Jeden nebo více zadaných sloupců nebylo nalezeno.
Sloupec s názvem nebo indexem {0} nebyl nalezen.
Sloupec s názvem nebo indexem {0} neexistuje v " {1} ".

Chyba 0,002

K výjimce dojde v případě, že jeden nebo více parametrů nelze analyzovat nebo převést ze zadaného typu na typ vyžadovaný cílovou metodou.

K této chybě dochází v Azure Machine Learning při zadání parametru jako vstupu a typ hodnoty se liší od očekávaného typu a implicitní převod nelze provést.

Řešení: Zkontrolujte požadavky modulu a určete, který typ hodnoty je vyžadován (řetězec, celé číslo, dvojitá přesnost atd.).

Zprávy výjimek
Nepovedlo se analyzovat parametr.
Nepovedlo se analyzovat {0} parametr.
Nepovedlo se analyzovat (převést) {0} parametr na. {1}
Nepovedlo se převést {0} parametr z {1} na. {2}
Nepovedlo se převést {0} hodnotu parametru {1} z {2} na {3} .
Nepovedlo se převést hodnotu {0} ve sloupci {1} z {2} na na: {3} s využitím formátu, který je k {4} dispozici.

Chyba 0003

K výjimce dojde v případě, že jeden nebo více vstupů má hodnotu null nebo je prázdné.

Tato chyba se zobrazí v Azure Machine Learning, pokud jsou jakékoli vstupy nebo parametry modulu null nebo prázdné. K této chybě může dojít například v případě, že jste nezadali žádnou hodnotu parametru. Může k tomu také dojít, pokud vyberete datovou sadu, která obsahuje chybějící hodnoty, nebo prázdnou datovou sadu.

Rozhodnutí

  • Otevřete modul, který vygeneroval výjimku, a ověřte, že byly zadány všechny vstupy. Zajistěte, aby byly zadány všechny požadované vstupy.
  • Ujistěte se, že data načtená z Azure Storage jsou přístupná a že se název nebo klíč účtu nezměnil.
  • Ověřte vstupní data pro chybějící hodnoty nebo hodnoty null.
  • Pokud používáte dotaz na zdroj dat, ověřte, že se data vracejí v očekávaném formátu.
  • Zkontroluje překlepy nebo jiné změny ve specifikaci dat.
Zprávy výjimek
Jeden nebo více vstupů má hodnotu null nebo je prázdné.
Vstup " {0} " má hodnotu null nebo je prázdný.

Chyba 0,0004

K výjimce dojde, pokud je parametr menší nebo roven konkrétní hodnotě.

Tato chyba se zobrazí v Azure Machine Learning, pokud se parametr ve zprávě nachází pod hranicí, která je potřebná pro zpracování dat modulem.

Řešení: Přečtěte si modul výjimky a upravte parametr tak, aby byl větší než zadaná hodnota.

Zprávy výjimek
Parametr by měl být větší než hodnota hranice.
Hodnota parametru {0} musí být větší než {1} .
Parametr " {0} " má hodnotu " {1} ", která by měla být větší než {2}

Chyba 0,005

K výjimce dojde, pokud je parametr menší než konkrétní hodnota.

Tato chyba se zobrazí v Azure Machine Learning, pokud je parametr ve zprávě nižší nebo roven hodnotě hranice vyžadované pro modul, aby data zpracoval.

Řešení: Znovu navštivte modul, který výjimku vyvolal, a upravte parametr tak, aby byl větší nebo roven zadané hodnotě.

Zprávy výjimek
Parametr by měl být větší nebo roven hodnotě hranice.
Hodnota parametru {0} musí být větší než nebo rovna {1} .
Parametr " {0} " má hodnotu " {1} ", která by měla být větší nebo rovna {2} .

Chyba 0006

K výjimce dojde, pokud je parametr větší nebo roven zadané hodnotě.

Tato chyba se zobrazí v Azure Machine Learning, pokud je parametr ve zprávě větší nebo roven hodnotě hranice vyžadované pro modul, aby data zpracoval.

Řešení: Znovu navštivte modul, který výjimku vyvolal, a upravte parametr tak, aby byl menší než zadaná hodnota.

Zprávy výjimek
Neshoda parametrů Jeden z parametrů by měl být menší než jiný.
Hodnota parametru {0} by měla být menší než {1} hodnota parametru.
Parametr " {0} " má hodnotu " {1} ", která by měla být menší než {2} .

Chyba 0007

K výjimce dojde, pokud je parametr větší než konkrétní hodnota.

Tato chyba se zobrazí v Azure Machine Learning Pokud ve vlastnostech modulu jste zadali hodnotu, která je větší, než je povoleno. Můžete například zadat data, která jsou mimo rozsah podporovaných kalendářních dat, nebo můžete určit, že se mají použít pět sloupců, pokud jsou k dispozici pouze tři sloupce.

Tato chyba se může zobrazit také v případě, že zadáváte dvě sady dat, které se musí nějakým způsobem shodovat. Například pokud přejmenováváte sloupce a určíte sloupce podle indexu, počet názvů, které zadáte, musí odpovídat počtu indexů sloupců. Dalším příkladem může být Matematická operace, která používá dva sloupce, kde sloupce musí mít stejný počet řádků.

Rozhodnutí

  • Otevřete příslušný modul a zkontrolujte všechna nastavení numerických vlastností.
  • Zajistěte, aby všechny hodnoty parametrů spadají do podporovaného rozsahu hodnot pro danou vlastnost.
  • Pokud modul přijímá více vstupů, ujistěte se, že vstupy mají stejnou velikost.
  • Pokud má modul více vlastností, které lze nastavit, zajistěte, aby související vlastnosti měly odpovídající hodnoty. Například při použití dat skupiny do přihrádek, pokud použijete možnost pro určení vlastních okrajů přihrádek, počet přihrádek musí odpovídat počtu hodnot, které zadáte jako hranice přihrádky.
  • Ověřte, zda se datová sada nebo zdroj dat změnily. Někdy je hodnota, která se v předchozí verzi dat pracovala, nezdařila po počtu sloupců, datových typech sloupců nebo změně velikosti dat.
Zprávy výjimek
Neshoda parametrů Jeden z parametrů by měl být menší nebo roven druhému.
Hodnota parametru {0} by měla být menší nebo rovna {1} hodnotě parametru.
Parametr " {0} " má hodnotu " {1} ", která by měla být menší než nebo rovna {2} .

Chyba 0008

K výjimce dojde, pokud parametr není v rozsahu.

Tato chyba se zobrazí v Azure Machine Learning, pokud je parametr ve zprávě mimo hranice vyžadované pro zpracování dat modulem.

Tato chyba se zobrazí například v případě, že se pokusíte použít příkaz Přidat řádky pro kombinování dvou datových sad, které mají různý počet sloupců.

Řešení: Přečtěte si modul výjimky a upravte parametr tak, aby byl v zadaném rozsahu.

Zprávy výjimek
Hodnota parametru není v zadaném rozsahu.
Hodnota parametru " {0} " není v rozsahu.
Hodnota parametru {0} by měla být v rozsahu [ {1} , {2} ].

Chyba 0009

K výjimce dojde, pokud je název účtu úložiště Azure nebo kontejner zadán nesprávně.

K této chybě dochází v Azure Machine Learning Studio (Classic) při zadávání parametrů pro účet úložiště Azure, ale jméno nebo heslo nejde přeložit. Chyby v heslech nebo názvech účtů se můžou vyskytnout z mnoha důvodů:

  • Účet je nesprávného typu. Některé nové typy účtů se nepodporují pro použití s Machine Learning Studio (Classic). Podrobnosti najdete v tématu Import dat .
  • Zadali jste nesprávný název účtu.
  • Účet už neexistuje.
  • Heslo účtu úložiště je chybné nebo se změnilo.
  • Nezadali jste název kontejneru, nebo kontejner neexistuje.
  • Nezadali jste plnou cestu k souboru (cesta k objektu BLOB).

Rozhodnutí

K takovým problémům často dochází, když se pokusíte ručně zadat název účtu, heslo nebo cestu k kontejneru. Doporučujeme použít Průvodce pro Import dat , který vám pomůže vyhledat a zkontrolovat jména.

Také ověřte, zda byl odstraněn účet, kontejner nebo objekt BLOB. Pomocí jiného nástroje Azure Storage ověřte, zda byl název účtu a heslo správně zadáno a zda kontejner existuje.

Azure Machine Learning nepodporuje některé novější typy účtů. Například nové typy úložiště Hot nebo studeno nelze použít pro strojové učení. Účty úložiště Classic i účty úložiště vytvořené jako "obecné účely" fungují správně.

Pokud byla zadána úplná cesta k objektu blob, ověřte, zda je cesta zadána jako Container/BLOB a zda v účtu existují oba kontejnery i objekty blob.

Cesta by neměla obsahovat počáteční lomítko. Například /Container/BLOB je nesprávný a měl by být zadán jako kontejner nebo objekt BLOB.

Zdroje informací

V tomto článku najdete vysvětlení různých podporovaných možností úložiště: Import dat do Azure Machine Learning Studio (Classic) z různých online zdrojů dat pomocí modulu import dat

Ukázkové experimenty

Příklady toho, jak se připojit k různým zdrojům dat, najdete v Cortana Intelligence Gallery těchto experimentů:

Zprávy výjimek
Název nebo název kontejneru Azure Storage je nesprávný.
Název účtu úložiště Azure " {0} " nebo název kontejneru " {1} " je nesprávný. byl očekáván název kontejneru formátu nebo kontejneru objektů BLOB.

Chyba 0010

K výjimce dojde, pokud vstupní datové sady mají názvy sloupců, které by se měly shodovat, ale ne.

Tato chyba se zobrazí v Azure Machine Learning, pokud má index sloupce ve zprávě ve dvou vstupních datových sadách jiné názvy sloupců.

Řešení: Použijte Upravit metadata nebo upravte původní datovou sadu tak, aby měla stejný název sloupce pro zadaný index sloupce.

Zprávy výjimek
Sloupce s odpovídajícím indexem ve vstupních datových sadách mají různé názvy.
Názvy sloupců nejsou stejné pro sloupec {0} (založený na nule) vstupních datových sad ( {1} a {2} v uvedeném pořadí).

Chyba 0011

K výjimce dojde, pokud se předaný argument sady sloupců nevztahuje na žádný sloupec DataSet.

Tato chyba se zobrazí v Azure Machine Learning, pokud vybraný výběr sloupce neodpovídá žádnému ze sloupců v dané datové sadě.

Tato chyba se může zobrazit i v případě, že jste nevybrali sloupec a k fungování tohoto modulu je nutný alespoň jeden sloupec.

Řešení: Upravte výběr sloupce v modulu tak, aby byl použit pro sloupce v datové sadě.

Pokud modul vyžaduje, abyste vybrali konkrétní sloupec, jako je například sloupec popisku, ověřte, zda je vybrán správný sloupec.

Pokud jsou vybrány nevhodné sloupce, odeberte je a znovu spusťte experiment.

Zprávy výjimek
Zadaná sada sloupců se nevztahuje na žádné sloupce datové sady.
Zadaná sada sloupců se {0} nevztahuje na žádné sloupce datové sady.

Chyba 0012

K výjimce dojde, pokud nelze vytvořit instanci třídy s předanou sadou argumentů.

Řešení: Tuto chybu uživatel nemůže provést a v budoucí verzi bude zastaralá.

Zprávy výjimek
Nejdříve nevýukový model, model výuky.
Nevlakový model ( {0} ), použijte vycvičený model.

Chyba 0013

K výjimce dojde, pokud se předaný modul předává do modulu neplatného typu.

K této chybě dochází pokaždé, když je trained model nekompatibilní s připojeným modulem bodování. Například při spuštění experimentu dojde k vygenerování této chyby v případě, že se při spuštění experimentu připojí výstup doporučeného testu z Matchboxu .

Rozhodnutí

Určete typ učení, který je vytvořen modulem školení, a určete modul bodování, který je vhodný pro tento seznam.

Pokud byl model vyškolen pomocí některého ze specializovaných školicích modulů, připojte školený model pouze k odpovídajícímu specializovanému modulu bodování.

Typ modelu Školicí modul Modul bodování
jakékoli třídění Model výuky nebo ladění modelu ladění Určení skóre modelu
jakýkoli regresní model Model výuky nebo ladění modelu ladění Určení skóre modelu
modely clusteringu Výuka modelu clusteringu nebo clusteringu pro čištění Přiřazení dat do clusterů
detekce anomálií – One-Class SVM Trénování modelu detekce anomálií Určení skóre modelu
detekce anomálií – DPS Model výuky nebo ladění modelu ladění Určení skóre modelu
K vyhodnocení modelu je potřeba provést několik dalších kroků.
detekce anomálií – časová řada Detekce anomálií časové řady Modelování vlaků z dat a generování skóre. Modul nevytváří výukové informace a nevyžaduje žádné další hodnocení.
model doporučení Doporučení pro výuku Matchbox Doporučení pro skóre Matchbox
klasifikace obrázku Klasifikace obrázku předvlaked Cascade Určení skóre modelu
Modely dostupné pro Pro model dostupné pro analýzu verze 7-4 Pro model skóre dostupné verze 7-4
Modely dostupné pro Pro model dostupné pro analýzu verze 7-10 Pro model skóre dostupné verze 7-10
Modely dostupné pro Model pro dostupné s výukou verze 8 Pro dostupné verze 8 modelu skóre
Zprávy výjimek
Bylo předáno seznámení s neplatným typem.
Seznam známek {0} je neplatného typu.

Chyba 0014

K výjimce dojde v případě, že počet jedinečných hodnot sloupce je větší, než je povoleno.

K této chybě dochází, pokud sloupec obsahuje příliš mnoho jedinečných hodnot. Tato chyba se může zobrazit například v případě, že určíte, že sloupec bude zpracován jako kategoriíá data, ale ve sloupci je příliš mnoho jedinečných hodnot, aby bylo možné zpracování dokončit. Tato chyba se může zobrazit také v případě, že došlo k neshodě mezi počtem jedinečných hodnot ve dvou vstupech.

Rozhodnutí

Otevřete modul, který chybu generoval, a Identifikujte sloupce používané jako vstupy. U některých modulů můžete kliknout pravým tlačítkem myši na vstup datové sady a vybrat vizualizovat a získat statistiku pro jednotlivé sloupce, včetně počtu jedinečných hodnot a jejich distribuce.

Pro sloupce, které chcete použít pro seskupování nebo kategorizaci, proveďte kroky ke snížení počtu jedinečných hodnot ve sloupcích. Můžete omezit různými způsoby v závislosti na typu dat sloupce.

Tip

Nepovedlo se najít řešení odpovídající vašemu scénáři? Můžete poskytnout zpětnou vazbu k tomuto tématu, který obsahuje název modulu, který chybu generoval, a datový typ a mohutnost sloupce. Tyto informace použijeme k zajištění dalších cílových kroků pro řešení potíží pro běžné scénáře.

Zprávy výjimek
Počet jedinečných hodnot sloupce je větší, než je povoleno.
Počet jedinečných hodnot ve sloupci: " {0} " překračuje počet řazených kolekcí členů {1} .

Chyba 0015

K výjimce dojde, pokud selhalo připojení k databázi.

Tato chyba se zobrazí, pokud zadáte nesprávný název účtu SQL, heslo, databázový server nebo název databáze nebo pokud nelze navázat připojení k databázi z důvodu problémů s databází nebo serverem.

Řešení: Ověřte, že název účtu, heslo, databázový server a databáze byly správně zadány a že zadaný účet má správnou úroveň oprávnění. Ověřte, zda je databáze aktuálně dostupná.

Zprávy výjimek
Při vytváření připojení k databázi došlo k chybě.
Při vytváření připojení k databázi došlo k chybě: {0} .

Chyba 0016

K výjimce dojde, pokud vstupní datové sady předané do modulu musí mít kompatibilní typy sloupců, ale ne.

Tato chyba se zobrazí v Azure Machine Learning, pokud typy sloupců předané ve dvou nebo více datových sadách nejsou vzájemně kompatibilní.

Řešení: Použijte Upravit metadata, upravte původní vstupní datovou sadu nebo použijte příkaz převést na datovou sadu , aby bylo zajištěno, že jsou typy sloupců kompatibilní.

Zprávy výjimek
Sloupce s odpovídajícím indexem ve vstupních datových sadách mají nekompatibilní typy.
Sloupce {0} a {1} jsou nekompatibilní.
Typy elementů sloupce nejsou kompatibilní pro sloupec {0} (založený na nule) vstupních datových sad ( {1} a {2} v uvedeném pořadí).

Chyba 0017

K výjimce dojde, pokud vybraný sloupec používá datový typ, který není podporovaný aktuálním modulem.

Tato chyba se může zobrazit například v Azure Machine Learning, pokud výběr sloupce zahrnuje sloupec s datovým typem, který nemůže být zpracován modulem, jako je například řetězcový sloupec pro operaci Math nebo sloupec skóre, ve kterém je sloupec funkce kategorií povinný.

Rozhodnutí

  1. Identifikujte sloupec, který je problémem.
  2. Zkontrolujte požadavky modulu.
  3. Upravte sloupec tak, aby splňoval požadavky. V závislosti na sloupci a převodu, který se pokoušíte provést, možná budete muset použít několik následujících modulů:
    • Pomocí Upravit metadata změňte datový typ sloupce nebo změňte využití sloupce z funkce na číselné, kategorií na kategorií a tak dále.
    • Pomocí převést na datovou sadu zajistěte, aby všechny zahrnuté sloupce používaly datové typy, které jsou podporovány nástrojem Azure Machine Learning. Pokud sloupce měnit nemůžete, zvažte jejich odebrání ze vstupní datové sady.
    • Pomocí rutiny použít transformaci SQL nebo Spustit moduly skriptu R můžete přetypování nebo převod všech sloupců, které se nedají upravovat pomocí Upravit metadata. Tyto moduly poskytují větší flexibilitu pro práci s datovými typy DateTime.
    • U číselných datových typů můžete použít modul pro použití matematických operací k zaokrouhlení nebo zkracování hodnot, nebo k odstranění hodnot z rozsahu použijte modul Clip Values .
  4. Jako poslední možnost může být nutné změnit původní vstupní datovou sadu.

Tip

Nepovedlo se najít řešení odpovídající vašemu scénáři? Můžete poskytnout zpětnou vazbu k tomuto tématu, který obsahuje název modulu, který chybu generoval, a datový typ a mohutnost sloupce. Tyto informace použijeme k zajištění dalších cílových kroků pro řešení potíží pro běžné scénáře.

Zprávy výjimek
Sloupec aktuálního typu nelze zpracovat. Typ není podporován modulem.
Nelze zpracovat sloupec typu {0} . Typ není podporován modulem.
Nelze zpracovat sloupec {1} typu {0} . Typ není podporován modulem.
Nelze zpracovat sloupec {1} typu {0} . Typ není podporován modulem. Název parametru: {2}

Chyba 0018

Pokud vstupní datová sada není platná, dojde k výjimce.

Řešení: Tato chyba v Azure Machine Learning se může objevit v mnoha kontextech, takže neexistuje jedno řešení. Obecně se v případě chyby značí, že data zadaná jako vstup modulu mají nesprávný počet sloupců nebo že datový typ neodpovídá požadavkům modulu. Příklad:

  • Modul vyžaduje sloupec popisku, ale žádný sloupec není označený jako popisek nebo jste ještě nevybrali sloupec popisku.

  • Modul vyžaduje, aby data byla kategorií, ale vaše data jsou číselná.

  • Modul vyžaduje konkrétní datový typ. Například hodnocení, které doporučuje Matchbox doporučit , může být číselné nebo kategorií, ale nemůžou to být čísla s plovoucí desetinnou čárkou.

  • Data jsou v nesprávném formátu.

  • Importovaná data obsahují neplatné znaky, chybné hodnoty nebo hodnoty z rozsahu.

  • Sloupec je prázdný nebo obsahuje příliš mnoho chybějících hodnot.

K určení požadavků a způsobu, jakým může vaše data odpovídat, si přečtěte téma nápovědy pro modul, který bude datovou sadu spotřebovat jako vstup.

Doporučujeme vám také, abyste k profilaci dat používali souhrnná data nebo základní statistiky COMPUTE a pomocí těchto modulů opravili metadata a vyčistit hodnoty: Upravit metadata, vyčistit chybějící dataa oříznout hodnoty.

Zprávy výjimek
Datová sada není platná.
{0} obsahuje neplatná data.
{0} a {1} měly by být konzistentní sloupce.

Chyba 0019

K výjimce dojde, pokud se očekává, že sloupec bude obsahovat seřazené hodnoty, ale ne.

Tato chyba se zobrazí v Azure Machine Learning, pokud nejsou zadané hodnoty sloupce mimo pořadí.

Řešení: Seřaďte hodnoty sloupce ruční úpravou vstupní datové sady a spusťte modul znovu.

Zprávy výjimek
Hodnoty ve sloupci nejsou seřazeny.
Hodnoty ve sloupci {0} nejsou seřazeny.
Hodnoty ve sloupci {0} sady dat nejsou {1} seřazeny.

Chyba 0020

K výjimce dojde, pokud je počet sloupců v některých datových sadách předaných do modulu příliš malý.

Tato chyba se zobrazí v Azure Machine Learning, pokud není pro modul vybrán dostatek sloupců.

Řešení: Přečtěte modul a ujistěte se, že selektor sloupců má vybraný správný počet sloupců.

Zprávy výjimek
Počet sloupců ve vstupní datové sadě je menší než povolené minimum.
Počet sloupců ve vstupní datové sadě je menší než povolené minimum {0} sloupců.
Počet sloupců ve vstupní datové sadě {0} je menší než povolené minimum {1} sloupců.

Chyba 0021

K výjimce dojde v případě, že počet řádků v některých datových sadách předaných do modulu je příliš malý.

Tato chyba se zobrazila v Azure Machine Learning, pokud v datové sadě není dostatek řádků k provedení zadané operace. Tato chyba se může zobrazit například v případě, že je vstupní datová sada prázdná nebo pokud se pokoušíte provést operaci, která vyžaduje, aby určitý minimální počet řádků byl platný. Takové operace mohou zahrnovat (ale nejsou omezené) seskupení nebo klasifikace na základě statistických metod, určitých typů binningu a učení s počty.

Rozhodnutí

  • Otevřete modul, který vrátil chybu, a ověřte vstupní datovou sadu a vlastnosti modulu.
  • Ověřte, zda není vstupní datová sada prázdná a zda existuje dostatek řádků dat pro splnění požadavků popsaných v nápovědě k modulu.
  • Pokud jsou data načtena z externího zdroje, ujistěte se, že je zdroj dat dostupný a že v definici dat nedochází k žádné chybě, která by mohla způsobit, že import získá méně řádků.
  • Provádíte-li operaci s datovým proudem dat modulu, který by mohl ovlivnit typ dat nebo počet hodnot, například operace vyčištění, rozdělení nebo spojení, zkontrolujte výstupy těchto operací a určete počet vrácených řádků.

Chyba 0022

K výjimce dojde v případě, že počet vybraných sloupců ve vstupní datové sadě se nerovná očekávanému počtu.

K této chybě v Azure Machine Learning může dojít v případě, že modul pro příjem dat nebo operace vyžaduje určitý počet sloupců nebo vstupů a zadali jste příliš málo nebo příliš mnoho sloupců nebo vstupů. Příklad:

  • Zadejte sloupec nebo klíčový sloupec s jedním popiskem a náhodně vybrané více sloupců.

  • Přejmenováváte sloupce, ale zadali jste více nebo méně názvů, než jsou sloupce.

  • Počet sloupců ve zdroji nebo cíli se změnil nebo se neshoduje s počtem sloupců používaných modulem.

  • Zadali jste čárkami oddělený seznam hodnot pro vstupy, ale počet hodnot se neshoduje, nebo není podporováno více vstupů.

Řešení: Přečtěte modul a zkontrolujte výběr sloupce a ujistěte se, že je vybrán správný počet sloupců. Ověřte výstupy pro nadřazené moduly a požadavky na operace po jednotlivých operacích.

Pokud jste použili jednu z možností výběru sloupců, které mohou vybrat více sloupců (indexy sloupců, všechny funkce, všechny číselné atd.), ověřte přesný počet sloupců vrácených výběrem.

Pokud se pokoušíte zadat čárkami oddělený seznam datových sad jako vstupů do sady UNPACKgetdatasets, rozbalíte pouze jednu datovou sadu současně. Vícenásobné vstupy se nepodporují.

Ověřte, že se počet nebo typ nadřazených sloupců nezměnil.

Pokud používáte datovou sadu s doporučeními pro výuku modelu, pamatujte, že doporuční očekává omezený počet sloupců, které odpovídají dvojicím položek uživatele nebo uživatelem. Před školením modelu nebo rozdělením datových sad doporučení odeberte další sloupce. Další informace najdete v tématu rozdělení dat.

Zprávy výjimek
Počet vybraných sloupců ve vstupní datové sadě se nerovná očekávanému počtu.
Počet vybraných sloupců ve vstupní datové sadě se nerovná {0} .
Vzor výběru sloupců " {0} " představuje počet vybraných sloupců ve vstupní datové sadě, který se nerovná {1} .
U vzoru výběru sloupce {0} se očekává {1} , že se ve vstupní datové sadě vybraly sloupce, ale jsou {2} k dispozici sloupce (y).

Chyba 0023

K výjimce dojde, pokud cílový sloupec vstupní datové sady není platný pro aktuální modul Trainer.

K této chybě v Azure Machine Learning dochází, pokud cílový sloupec (jak je vybrán v parametrech modulu) není platný datový typ, obsahoval všechny chybějící hodnoty nebo nebyl kategorií podle očekávání.

Řešení: Přejděte do vstupu modulu a zkontrolujte obsah sloupce popisek/cíl. Ujistěte se, že neobsahují všechny chybějící hodnoty. Pokud modul očekává, že cílový sloupec bude kategorií, ujistěte se, že cílový sloupec obsahuje více než jednu jedinečnou hodnotu.

Zprávy výjimek
Vstupní datová sada obsahuje nepodporovaný cílový sloupec.
Vstupní datová sada obsahuje nepodporovaný cílový sloupec {0} .
Vstupní datová sada má nepodporovaný cílový sloupec {0} pro informace o typu {1} .

Chyba 0024

K výjimce dojde, pokud datová sada neobsahuje sloupec popisku.

K této chybě v Azure Machine Learning dochází, pokud modul vyžaduje sloupec popisku a datová sada nemá sloupec popisku. Například vyhodnocení pro datovou sadu obvykle vyžaduje, aby byl k dispozici sloupec popisku pro metriky přesnosti Compute.

Může k tomu také dojít, když je v datové sadě přítomen sloupec popisku, ale Azure Machine Learning nebyl správně zjištěn.

Rozhodnutí

  • Otevřete modul, který chybu generoval, a zjistěte, jestli je přítomný sloupec popisku. Název nebo datový typ sloupce nezáleží na tom, jestli sloupec obsahuje jeden výsledek (nebo závislou proměnnou), se kterou se pokoušíte odhadnout. Pokud si nejste jistí, který sloupec má popisek, vyhledejte obecný název, jako je například Třída nebo cíl.
  • Pokud datová sada neobsahuje sloupec popisku, je možné, že sloupec popisku byl explicitně nebo omylem odebrán z nadřazeného objektu. Je také možné, že datová sada není výstupním modulem nadřazeného modulu pro vyhodnocování.
  • Chcete-li sloupec explicitně označit jako sloupec popisku, přidejte modul Upravit metadata a připojte datovou sadu. Vyberte pouze sloupec popisek a v rozevíracím seznamu pole vyberte možnost popisek .
  • Pokud je jako popisek vybrán špatný sloupec, můžete vybrat možnost Vymazat popisek z polí a opravit tak metadata sloupce.
Zprávy výjimek
V datové sadě není žádný sloupec popisku.
V "" není žádný sloupec popisku {0} .

Chyba 0,025

K výjimce dojde, pokud datová sada neobsahuje sloupec skóre.

K této chybě v Azure Machine Learning dochází, pokud vstup do modelu vyhodnocení neobsahuje platné sloupce skóre. Uživatel se například pokusí vyhodnotit datovou sadu předtím, než se vyhodnotil správným trainem modelu, nebo sloupec skóre byl explicitně vyřazen z hlediska nadřazeného objektu. K této výjimce dojde také v případě, že sloupce skóre v obou datových sadách jsou nekompatibilní. Například se můžete pokusit porovnat přesnost lineárního regresor se souborem binárního třídění.

Řešení: Přečtěte si vstup do modelu vyhodnocení a prověřte, zda obsahuje jeden nebo více sloupců skóre. V opačném případě se datová sada nevrátila do skóre nebo sloupce skóre byly vyřazeny v modulu pro odesílání dat.

Zprávy výjimek
V datové sadě není žádný sloupec skóre.
V "" neexistuje žádný sloupec skóre {0} .
V "" neexistuje žádný sloupec skóre "" {0} , který je vytvořen pomocí " {1} ". Vyhodnotit datovou sadu pomocí správného typu učení.

Chyba 0026

Pokud nejsou povoleny sloupce se stejným názvem, dojde k výjimce.

K této chybě v Azure Machine Learning dochází, pokud má více sloupců stejný název. Jednou z možností, jak se tato chyba může zobrazit, je, že datová sada nemá automaticky přiřazené řádky záhlaví a názvy sloupců: Col0, Sloupec1 atd.

Řešení: Pokud mají sloupce stejný název, vložte modul úprav metadat mezi vstupní datovou sadu a modul. Pomocí voliče sloupců v okně Upravit metadata vyberte sloupce, které chcete přejmenovat, a zadejte nové názvy do textového pole nové názvy sloupců .

Zprávy výjimek
V argumentech jsou zadány stejné názvy sloupců. Stejný název sloupce není povolený modulem.
Názvy stejných sloupců v argumentech {0} a {1} se nepovolují. Zadejte jiné názvy.

Chyba 0027

K výjimce dojde v případě, že dva objekty musí mít stejnou velikost, ale nejsou.

Jedná se o běžnou chybu v Azure Machine Learning a může to být způsobeno mnoha podmínkami.

Řešení: Neexistuje žádné konkrétní řešení. Můžete ale kontrolovat následující podmínky:

  • Pokud přejmenováváte sloupce, ujistěte se, že každý seznam (vstupní sloupce a seznam nových názvů) má stejný počet položek.

  • Pokud se připojujete nebo zřetězete ze dvou datových sad, ujistěte se, že mají stejné schéma.

  • Pokud se připojujete k dvěma datovým sadám, které mají více sloupců, ujistěte se, že sloupce klíče mají stejný datový typ a v výběru vyberte možnost povolující duplicity a zachovat pořadí sloupců.

Zprávy výjimek
Velikost předaných objektů je nekonzistentní.
Velikost " {0} " je nekonzistentní s velikostí " {1} ".

Chyba 0028

V případě, že sada sloupců obsahuje duplicitní názvy sloupců a není povolená, dojde k výjimce.

K této chybě v Azure Machine Learning dochází, když jsou názvy sloupců duplikovány; To znamená, že není jedinečné.

Řešení: Pokud mají všechny sloupce stejný název, přidejte instanci metadat Edit mezi vstupní datovou sadu a modul, který vyvolává chybu. Pomocí voliče sloupců v části Upravit metadata vyberte sloupce, které chcete přejmenovat, a do textového pole nové názvy sloupců zadejte názvy nových sloupců. Pokud přejmenováváte více sloupců, zajistěte, aby hodnoty, které zadáte do nových názvů sloupců , byly jedinečné.

Zprávy výjimek
Sada sloupců obsahuje duplicitní názvy sloupců.
Název " {0} " je duplikován.
Název " {0} " je duplikován v " {1} ".

Chyba 0029

K výjimce dojde v případě, že je předán neplatný identifikátor URI.

K této chybě v Azure Machine Learning dojde v případě, že je předán neplatný identifikátor URI. Tato chyba se zobrazí, pokud platí některá z následujících podmínek: nebo.

  • Veřejný nebo SAS identifikátor URI poskytnutý pro Azure Blob Storage pro čtení nebo zápis obsahuje chybu.

  • Časový interval pro podpis SAS vypršel.

  • Webová adresa URL prostřednictvím zdroje HTTP představuje soubor nebo identifikátor URI zpětné smyčky.

  • Adresa URL webu prostřednictvím HTTP obsahuje nesprávně naformátovanou adresu URL.

  • Vzdálený zdroj nemůže přeložit adresu URL.

Řešení: Znovu navštivte modul a ověřte formát identifikátoru URI. Pokud je zdrojem dat webová adresa URL prostřednictvím protokolu HTTP, ověřte, že zamýšlený zdroj není soubor nebo identifikátor URI zpětné smyčky (localhost).

Zprávy výjimek
Byl předán neplatný identifikátor URI.

Chyba 0030

V případě, že není možné stáhnout soubor, dojde k výjimce.

K této výjimce v Azure Machine Learning dochází, pokud není možné stáhnout soubor. Tato výjimka se zobrazí, pokud se pokus o čtení ze zdroje HTTP nezdařil po třech (3) opakovaných pokusech.

Řešení: Ověřte, zda je identifikátor URI pro zdroj HTTP správný a zda je web aktuálně přístupný prostřednictvím Internetu.

Zprávy výjimek
Soubor nelze stáhnout.
Při stahování souboru došlo k chybě: {0} .

Chyba 0031

K výjimce dojde, pokud je počet sloupců v sadě sloupců menší, než je potřeba.

K této chybě v Azure Machine Learning dojde, pokud počet vybraných sloupců není menší, než je potřeba. Tato chyba se zobrazí, pokud není vybrán minimální požadovaný počet sloupců.

Řešení: Přidejte další sloupce do výběru sloupce pomocí voliče sloupců.

Zprávy výjimek
Počet sloupců v sadě sloupců je menší, než je vyžadováno.
{0} je třeba zadat sloupce (y). Skutečný počet zadaných sloupců je {1} .

Chyba 0032

K výjimce dojde, pokud argument není číslo.

Tato chyba se zobrazí v Azure Machine Learning, pokud je argumentem typ Double nebo NaN.

Řešení: Upravte zadaný argument tak, aby používal platnou hodnotu.

Zprávy výjimek
Argument není číslo.
" {0} " není číslo.

Chyba 0033

K výjimce dojde, pokud je argumentem nekonečno.

K této chybě v Azure Machine Learning dojde, pokud je argument nekonečný. Tato chyba se zobrazí, pokud je argument buď double.NegativeInfinity nebo double.PositiveInfinity .

Řešení: Upravte zadaný argument tak, aby byl platnou hodnotou.

Zprávy výjimek
Argument musí být konečný.
" {0} " není konečné.

Chyba 0034

K výjimce dojde, pokud pro daný pár uživatel-položka existuje více než jedno hodnocení.

K této chybě v Azure Machine Learning dochází v doporučení, pokud dvojice uživatel-položka má více než jednu hodnotu hodnocení.

Řešení: Ujistěte se, že dvojice uživatel-položka má pouze jednu hodnotu hodnocení.

Zprávy výjimek
Pro hodnoty v datové sadě existuje více než jedno hodnocení.
Více než jedno hodnocení pro uživatele {0} a položku {1} v tabulce dat předpovědi hodnocení.

Chyba 0035

K výjimce dojde, pokud nebyly pro daného uživatele nebo položku zadány žádné funkce.

K této chybě v Azure Machine Learning dochází k tomu, že se snažíte použít model doporučení pro hodnocení, ale vektor funkce se nenašel.

Rozhodnutí

Doporučení Matchbox má určité požadavky, které je nutné splnit při použití funkcí nebo funkcí uživatele. Tato chyba označuje, že pro uživatele nebo položku, kterou jste zadali jako vstup, chybí vektor funkce. Je nutné zajistit, aby byl v datech pro každého uživatele nebo položku k dispozici vektor funkcí.

Pokud jste například vypracovali doporučení modelu pomocí funkcí, jako je například stáří, umístění nebo příjem, ale nyní chcete vytvořit skóre pro nové uživatele, kteří nebyli během školení viděli, je nutné poskytnout pro nové uživatele stejnou sadu funkcí (konkrétně, stáří, umístění a příjmové hodnoty), aby pro ně mohli zajistit vhodné předpovědi.

Pokud pro tyto uživatele nemáte nějaké funkce, zvažte možnost vygenerovat vhodné funkce v technickém oddělení funkcí. Pokud například nemáte individuální stáří nebo hodnoty příjmů, můžete vygenerovat přibližné hodnoty, které se mají použít pro skupinu uživatelů.

Při bodování z režimu doporučení můžete použít funkce položky nebo uživatele jenom v případě, že jste během školení použili funkce položky nebo uživatele dříve. Další informace najdete v tématu doporučení Matchbox pro skóre.

Obecné informace o tom, jak funguje algoritmus doporučení Matchbox a jak připravovat datovou sadu funkcí položek nebo funkcí uživatele, najdete v tématu doporučení pro výuku Matchbox.

Tip

Řešení neplatí pro váš případ? Vítá vás váš názor na tento článek a poskytuje informace o scénáři, včetně modulu a počtu řádků ve sloupci. Tyto informace budeme používat k poskytnutí podrobnějších kroků pro řešení potíží v budoucnu.

Zprávy výjimek
Pro požadovaného uživatele nebo položku nebyly zadány žádné funkce.
Funkce {0} vyžadované, ale nejsou k dispozici.

Chyba 0036

K výjimce dojde, pokud pro daného uživatele nebo položku byly zadány více vektorů funkcí.

K této chybě v Azure Machine Learning dochází, je-li vektor funkce definován více než jednou.

Řešení: Ujistěte se, že vektor funkce není definován více než jednou.

Zprávy výjimek
Duplicitní definice funkce pro uživatele nebo položku.
Duplicitní definice funkce pro {0} .

Chyba 0037

K výjimce dojde, pokud je zadáno více sloupců popisku a je povolena pouze jedna.

K této chybě v Azure Machine Learning dojde, pokud je vybráno více než jeden sloupec jako nový sloupec popisku. Většina kontrolních algoritmů pro vzdělávání vyžaduje, aby byl jeden sloupec označený jako cílový nebo popisek.

Řešení: Ujistěte se, že jste vybrali jeden sloupec jako nový sloupec popisku.

Zprávy výjimek
Je zadáno více sloupců popisku.

Chyba 0038

K výjimce dojde v případě, že počet očekávaných prvků by měl být přesná hodnota, ale není.

K této chybě v Azure Machine Learning dochází, pokud počet očekávaných prvků by měl být přesná hodnota, ale není. Tato chyba se zobrazí, pokud počet prvků není stejný jako platná očekávaná hodnota.

Řešení: Změňte vstup tak, aby měl správný počet prvků.

Zprávy výjimek
Počet elementů není platný.
Počet elementů v " {0} " není platný.
Počet elementů v " {0} " se nerovná platnému počtu {1} prvků.

Chyba 0039

K výjimce dojde v případě, že operace se nezdařila.

K této chybě v Azure Machine Learning dochází, pokud nelze dokončit interní operaci.

Řešení: Tato chyba je způsobená mnoha podmínkami a neexistuje žádná zvláštní náprava.
Následující tabulka obsahuje obecné zprávy pro tuto chybu, za kterými následuje konkrétní popis podmínky.

Pokud nejsou k dispozici žádné podrobnosti, pošlete nám svůj názor a poskytněte informace o modulech, které generovaly chybu a související podmínky.

Zprávy výjimek
Operace se nezdařila.
Chyba při dokončování operace: {0} .

Chyba 0040

Při volání zastaralého modulu dojde k výjimce.

Tato chyba v Azure Machine Learning je vytvořena při volání zastaralého modulu.

Řešení: Nahraďte vyřazený modul podporovaným parametrem. Podívejte se na výstupní protokol modulu, kde najdete informace o tom, který modul použít místo toho.

Zprávy výjimek
Přístup k zastaralému modulu.
Modul " {0} " je zastaralý. Místo toho použijte modul " {1} ".

Chyba 0041

Při volání zastaralého modulu dojde k výjimce.

Tato chyba v Azure Machine Learning je vytvořena při volání zastaralého modulu.

Řešení: Nahraďte vyřazený modul sadou podporovaných. Tyto informace by měly být viditelné v protokolu výstupu modulu.

Zprávy výjimek
Přístup k zastaralému modulu.
Modul " {0} " je zastaralý. {1}Pro požadovanou funkci použijte moduly.

Chyba 0042

K výjimce dojde, pokud není možné převést sloupec na jiný typ.

K této chybě v Azure Machine Learning dochází, pokud není možné převést sloupec na zadaný typ. Tato chyba se zobrazí, pokud modul vyžaduje konkrétní datový typ, například DateTime, text, číslo s plovoucí desetinnou čárkou nebo celé číslo, ale není možné převést existující sloupec na požadovaný typ.

Můžete například vybrat sloupec a zkusit ho převést na číselný datový typ pro použití v matematické operaci a tato chyba se zobrazí, pokud sloupec obsahoval neplatná data.

Další důvod: Tato chyba se může zobrazit, pokud se pokusíte použít sloupec obsahující čísla s plovoucí desetinnou čárkou nebo mnoho jedinečných hodnot jako sloupec kategorií.

Rozhodnutí

  • Otevřete stránku s nápovědu pro modul, který chybu generoval, a ověřte požadavky na datový typ.
  • Zkontrolujte datové typy sloupců ve vstupní datové sadě.
  • Zkontrolujte data pocházející z, což se označuje jako zdroje dat bez schématu.
  • Ověřte datovou sadu pro chybějící hodnoty nebo speciální znaky, které by mohly blokovat převod na požadovaný datový typ.
    • Číselné datové typy by měly být konzistentní: například kontrolovat čísla s plovoucí desetinnou čárkou ve sloupci celých čísel.
    • Hledejte textové řetězce nebo hodnoty NA v číselném sloupci.
    • Logické hodnoty lze převést na odpovídající reprezentace v závislosti na požadovaném datovém typu.
    • Kontrola textových sloupců pro znaky jiné než Unicode, znaky tabulátoru nebo řídicí znaky
    • Data DateTime by měla být konzistentní, aby se předešlo chybám modelování, ale vyčištění může být složité vzhledem k mnoha formátům. Zvažte použití skriptu spouštěného v jazyce R nebo spuštění modulů skriptu Python k provedení vyčištění.
  • V případě potřeby upravte hodnoty ve vstupní datové sadě tak, aby byl sloupec možné úspěšně převést. Úpravy mohou zahrnovat operace binningu, zkrácení nebo zaokrouhlování, eliminace nerovnosti nebo imputace chybějících hodnot. Některé běžné scénáře transformace dat ve službě Machine Learning najdete v následujících článcích:

Tip

Řešení nejasných nebo neplatí pro váš případ? Vítá vás váš názor na tento článek a poskytuje informace o scénáři, včetně modulu a datového typu sloupce. Tyto informace budeme používat k poskytnutí podrobnějších kroků pro řešení potíží v budoucnu.

Zprávy výjimek
Převod není povolen.
Sloupec typu nelze převést {0} na sloupec typu {1} .
Sloupec typu nelze převést {2} {0} na sloupec typu {1} .
Sloupec typu nelze převést {2} {0} na sloupec {3} typu {1} .

Chyba 0043

K výjimce dojde, pokud typ elementu explicitně neimplementuje metodu Equals.

Tato chyba se v Azure Machine Learning nepoužívá a bude zastaralá.

Řešení: NTato.

Zprávy výjimek
Nenašla se žádná přístupná explicitní metoda.
Nelze porovnat hodnoty pro sloupec \ {0} \ typu {1} . Nenašla se žádná přístupná explicitní metoda.

Chyba 0044

K výjimce dojde, pokud není možné odvodit typ prvku sloupce z existujících hodnot.

K této chybě v Azure Machine Learning dochází, pokud není možné odvodit typ sloupce nebo sloupce v datové sadě. K tomu obvykle dochází při zřetězení dvou nebo více datových sad s různými typy prvků. Pokud Azure Machine Learning není schopen určit společný typ, který je schopný reprezentovat všechny hodnoty ve sloupci nebo sloupcích bez ztráty informací, vygeneruje tuto chybu.

Řešení: Zajistěte, aby všechny hodnoty v daném sloupci v obou datových sadách byly buď stejného typu (číselné, logické, kategorií, String, Date atd.), nebo mohou být převedeny na stejný typ.

Zprávy výjimek
Typ elementu sloupce nelze odvodit.
Typ elementu pro sloupec nelze odvodit {0} – všechny elementy jsou odkazy s hodnotou null.
Nelze odvodit typ elementu pro sloupec "" {0} sady dat " {1} " – všechny elementy jsou odkazy s hodnotou null.

Chyba 0045

K výjimce dojde, pokud není možné vytvořit sloupec z důvodu smíšených typů prvků ve zdroji.

Tato chyba ve Azure Machine Learning je vytvořena, když typy prvků dvou datových sad, které jsou kombinovány, jsou odlišné.

Řešení: Zajistěte, aby všechny hodnoty v daném sloupci v obou datových sadách byly stejného typu (číselné, logické, kategorií, String, Date atd.).

Zprávy výjimek
Nelze vytvořit sloupec se smíšenými typy prvků.
Nelze vytvořit sloupec s ID " {0} " smíšených typů prvků: \ n\tType dat [ {1} , {0} ] je {2} \n\tType dat [ {3} , {0} ] je {4} .

Chyba 0046

K výjimce dojde, pokud není možné vytvořit adresář v zadané cestě.

K této chybě v Azure Machine Learning dochází, pokud není možné vytvořit adresář v zadané cestě. Tato chyba se zobrazí, pokud je libovolná část cesty k výstupnímu adresáři pro dotaz na podregistr nesprávná nebo nepřístupná.

Řešení: Znovu navštivte modul a ověřte, zda je cesta k adresáři správně naformátovaná a zda je přístupná pomocí aktuálních přihlašovacích údajů.

Zprávy výjimek
Zadejte platný výstupní adresář.
Adresář: {0} nelze vytvořit. Zadejte platnou cestu.

Chyba 0047

K výjimce dojde, pokud je počet sloupců funkce v některých datových sadách předaných do modulu příliš malý.

K této chybě v Azure Machine Learning dochází, pokud vstupní datová sada pro školení neobsahuje minimální počet sloupců vyžadovaný algoritmem. Tato datová sada je typicky prázdná nebo obsahuje pouze školicí sloupce.

Řešení: Přečtěte si vstupní datovou sadu, abyste se ujistili, že jeden nebo více dalších sloupců kromě sloupce popisku.

Zprávy výjimek
Počet sloupců funkce ve vstupní datové sadě je menší než povolené minimum.
Počet sloupců funkce ve vstupní datové sadě je menší než povolené minimum {0} sloupců.
Počet sloupců funkce ve vstupní datové sadě {0} je menší než povolené minimum {1} sloupců.

Chyba 0048

V případě, že není možné otevřít soubor, dojde k výjimce.

K této chybě v Azure Machine Learning dochází, když není možné otevřít soubor pro čtení nebo zápis. Tato chyba se může zobrazit z těchto důvodů:

  • Kontejner nebo soubor (BLOB) neexistuje.

  • Úroveň přístupu souboru nebo kontejneru vám neumožňuje přístup k souboru.

  • Soubor je příliš velký pro čtení nebo špatný formát.

Řešení: Znovu navštivte modul a soubor, který se pokoušíte přečíst.

Ověřte, zda jsou názvy kontejneru a souboru správné.

Pomocí portálu Azure Classic nebo nástroje Azure Storage ověřte, zda máte oprávnění pro přístup k souboru.

Pokud se pokoušíte přečíst soubor obrázku, ujistěte se, že splňuje požadavky na soubory obrázků v jednotkách velikosti, počtu pixelů a tak dále. Další informace najdete v tématu Import imagí.

Zprávy výjimek
Soubor nelze otevřít.
Chyba při otevírání souboru: {0} .

Chyba 0049

V případě, že není možné analyzovat soubor, dojde k výjimce.

K této chybě v Azure Machine Learning dochází, když není možné analyzovat soubor. Tato chyba se zobrazí, pokud formát souboru vybraný v modulu Import dat neodpovídá skutečnému formátu souboru nebo pokud soubor obsahuje nerozpoznatelný znak.

Řešení: Přečtěte modul a opravte výběr formátu souboru, pokud se neshoduje s formátem souboru. Pokud je to možné, zkontrolujte soubor a potvrďte, že neobsahuje žádné neplatné znaky.

Zprávy výjimek
Soubor nelze analyzovat.
Při analýze souboru došlo k chybě: {0} .

Chyba 0050

V případě, že vstupní a výstupní soubory jsou stejné, dojde k výjimce.

Řešení: Tato chyba se v Azure Machine Learning nepoužívá a bude zastaralá.

Zprávy výjimek
Zadané soubory pro vstup a výstup nemůžou být stejné.

Chyba 0051

K výjimce dojde v případě, že je více výstupních souborů stejné.

Řešení: Tato chyba se v Azure Machine Learning nepoužívá a bude zastaralá.

Zprávy výjimek
Zadané soubory pro výstupy nemůžou být stejné.

Chyba 0052

K výjimce dojde, pokud je klíč účtu úložiště Azure zadaný nesprávně.

K této chybě v Azure Machine Learning dochází, pokud klíč používaný pro přístup k účtu služby Azure Storage není správný. Tato chyba se může zobrazit například v případě, že klíč úložiště Azure byl po zkopírování a vložení zkrácen nebo pokud byl použit nesprávný klíč.

Další informace o tom, jak získat klíč pro účet úložiště Azure, najdete v tématu zobrazení, kopírování a opětovné vygenerování přístupových klíčů k úložišti.

Řešení: Přečtěte si modul a ověřte, jestli je pro účet správný klíč úložiště Azure. v případě potřeby Zkopírujte klíč znovu z portálu Azure Classic.

Zprávy výjimek
Klíč účtu úložiště Azure je nesprávný.

Chyba 0053

K výjimce dojde v případě, že nejsou k dispozici žádné uživatelské funkce ani položky pro Matchbox doporučení.

Tato chyba v Azure Machine Learning je vytvořena, když nelze najít vektor funkce.

Řešení: Ujistěte se, že je ve vstupní datové sadě přítomen vektor funkce.

Zprávy výjimek
K dispozici jsou uživatelské funkce nebo položky, ale nejsou k dispozici.

Chyba 0054

K výjimce dojde v případě, že je ve sloupci příliš málo jedinečných hodnot k dokončení operace.

Řešení: Tato chyba se v Azure Machine Learning nepoužívá a bude zastaralá.

Zprávy výjimek
Data obsahují příliš málo jedinečných hodnot v zadaném sloupci, aby bylo možné dokončit operaci.
Data obsahují příliš málo jedinečných hodnot v zadaném sloupci, aby bylo možné dokončit operaci. Požadovaným minimem jsou {0} elementy.
Data obsahují příliš málo jedinečných hodnot ve sloupci {1} , aby bylo možné operaci dokončit. Požadovaným minimem jsou {0} elementy.

Chyba 0055

Při volání zastaralého modulu dojde k výjimce.

K této chybě v Azure Machine Learning se zobrazí, pokud se pokusíte zavolat modul, který je zastaralý.

Rozhodnutí

Zprávy výjimek
Přístup k zastaralému modulu.
Modul " {0} " je zastaralý.

Chyba 0056

K výjimce dojde, pokud sloupce vybrané pro operaci porušují požadavky.

K této chybě v Azure Machine Learning dochází, když zvolíte sloupce pro operaci, která vyžaduje, aby sloupec byl určitého datového typu.

K této chybě může také dojít, pokud je sloupec správným datovým typem, ale modul, který používáte, vyžaduje, aby byl sloupec také označený jako funkce, popisek nebo sloupec kategorií.

Například modul převést na hodnoty indikátoru vyžaduje, aby sloupce byly kategorií, a vyvolá tuto chybu, pokud vyberete sloupec funkce nebo sloupec popisku.

Rozhodnutí

  1. Zkontrolujte datový typ aktuálně vybraných sloupců.

  2. Ověří, jestli jsou vybrané sloupce kategorií, Label nebo Feature.

  3. Projděte si téma nápovědy pro modul, ve kterém jste provedli výběr sloupce, abyste zjistili, jestli existují konkrétní požadavky na datový typ nebo využití sloupce.

  4. Pomocí Upravit metadata změňte typ sloupce po dobu trvání této operace. Nezapomeňte změnit typ sloupce zpátky na původní hodnotu pomocí jiné instance úprav metadat, pokud ho pro podřízené operace potřebujete.

Zprávy výjimek
Jeden nebo více vybraných sloupců nebylo v povolené kategorii.
Sloupec s názvem " {0} " není v povolené kategorii.

Chyba 0057

Při pokusu o vytvoření souboru nebo objektu blob, který již existuje, dojde k výjimce.

K této výjimce dochází při použití modulu exportu dat nebo jiného modulu k uložení výsledků experimentu v Azure Machine Learning do úložiště objektů BLOB v Azure, ale pokusíte se vytvořit soubor nebo objekt blob, který už existuje.

Rozhodnutí

Tato chyba se zobrazí jenom v případě, že jste předtím nastavili vlastnost režim zápisu úložiště objektů BLOB v Azure na hodnotu Chyba. Podle návrhu tento modul vyvolá chybu, pokud se pokusíte zapsat datovou sadu do objektu blob, který již existuje.

  • Otevřete vlastnosti modulu a změňte vlastnost režim zápisu úložiště objektů BLOB v Azure na přepsání.
  • Případně můžete zadat název jiného cílového objektu BLOB nebo souboru a nezapomeňte zadat objekt blob, který ještě neexistuje.
Zprávy výjimek
Soubor nebo objekt BLOB již existuje.
Soubor nebo objekt blob " {0} " již existuje.

Chyba 0058

K této chybě v Azure Machine Learning dojde, pokud datová sada neobsahuje očekávaný sloupec popisku.

K této výjimce může dojít také v případě, že zadaný sloupec popisku neodpovídá datovým nebo datovým hodnotám, které očekává daný modul pro učení, nebo má nesprávné hodnoty. Tato výjimka se například vytvoří při použití sloupce popisku reálného čísla při výuce binárního třídění.

Řešení: Řešení závisí na seznámcích nebo Trainer, které používáte, a na datových typech sloupců ve vaší datové sadě. Nejdřív ověřte požadavky na algoritmus Machine Learning nebo školicí modul.

Znovu navštivte vstupní datovou sadu. Ověřte, že sloupec, který má být považován za popisek, má správný datový typ pro model, který vytváříte.

Zkontrolujte vstupy pro chybějící hodnoty a v případě potřeby je odstraňte nebo nahraďte.

V případě potřeby přidejte modul Upravit metadata a ujistěte se, že sloupec popisek je označený jako popisek.

Zprávy výjimek
Sloupec popisku není podle očekávání.
Sloupec popisku není podle očekávání v " {0} ".
Sloupec popisku " {0} " není v " {1} " očekáván.

Chyba 0059

K výjimce dojde, pokud nelze analyzovat index sloupce zadaný v ovládacím prvku pro výběr sloupce.

K této chybě v Azure Machine Learning dochází, pokud nelze analyzovat index sloupce při použití selektoru sloupců. Tato chyba se zobrazí, pokud je index sloupce v neplatném formátu, který nelze analyzovat.

Řešení: Upravte index sloupce tak, aby používal platnou hodnotu indexu.

Zprávy výjimek
Jeden nebo více zadaných indexů sloupců nebo rozsahů indexu nelze analyzovat.
Index nebo rozsah sloupce {0} nelze analyzovat.

Chyba 0060

K výjimce dojde, pokud je v rámci výběru sloupce zadán rozsah sloupce mimo rozsah.

K této chybě v Azure Machine Learning dojde v případě, že je v selektoru sloupců uveden rozsah sloupce mimo rozsah. Tato chyba se zobrazí, pokud rozsah sloupců v rámci výběru sloupce neodpovídá sloupcům v datové sadě.

Řešení: Upravte rozsah sloupců ve výběru sloupce tak, aby odpovídal sloupcům v datové sadě.

Zprávy výjimek
Zadaný rozsah indexu sloupce je neplatný nebo mimo rozsah.
Rozsah sloupců " {0} " je neplatný nebo je mimo rozsah.

Chyba 0061

Při pokusu o přidání řádku do objektu DataTable, který má jiný počet sloupců než tabulka, dojde k výjimce.

K této chybě v Azure Machine Learning dochází, když se pokusíte přidat řádek do datové sady, která má jiný počet sloupců než datová sada. Tato chyba se zobrazí, pokud má řádek, který je přidán do datové sady, jiný počet sloupců ze vstupní datové sady. Řádek nelze připojit k datové sadě, pokud je počet sloupců jiný.

Řešení: Upravte vstupní datovou sadu tak, aby měla stejný počet sloupců jako přidaný řádek, nebo upravte přidaný řádek tak, aby měl stejný počet sloupců jako datová sada.

Zprávy výjimek
Všechny tabulky musí mít stejný počet sloupců.

Chyba 0062

Při pokusu o porovnání dvou modelů s různými typy informací dojde k výjimce.

Tato chyba ve Azure Machine Learning je vytvořena, když nelze porovnat metriky vyhodnocení pro dvě různé datové sady s skóre. V tomto případě není možné porovnat efektivitu modelů používaných k vytváření dvou datových sad s skóre.

Řešení: Ověřte, že výsledky skóre jsou vytvářeny stejným druhem modelu strojového učení (binární klasifikace, regrese, klasifikace více tříd, doporučení, clusteringu, detekce anomálií atd.). Všechny modely, které porovnáváte, musí mít stejný typ informací.

Zprávy výjimek
Všechny modely musí mít stejný typ informací.

Chyba 0063

Tato výjimka je vyvolána, když se vyhodnocení skriptu jazyka R nepovede s chybou.

K této chybě dochází, pokud jste zadali skript R v jednom z modulů jazyka r v Azure Machine Learning a kód r obsahuje chyby interní syntaxe. K výjimce může dojít také v případě, že zadáte nesprávné vstupy skriptu jazyka R.

K této chybě může dojít také v případě, že je skript příliš velký, aby jej bylo možné spustit v pracovním prostoru. Maximální velikost skriptu pro modul spouštěného skriptu jazyka R je 1 000 řádků nebo 32 KB pracovního prostoru, podle toho, co je menší.

Rozhodnutí

  1. V Azure Machine Learning Studio (Classic) klikněte pravým tlačítkem na modul, který obsahuje chybu, a vyberte Zobrazit protokol.
  2. Projděte si standardní chybový protokol modulu, který obsahuje trasování zásobníku.
    • Řádky začínající řetězcem [ModuleOutput] označují výstup z R.
    • Zprávy z R označené jako Upozornění většinou nezpůsobí selhání experimentu.
  3. Vyřešte problémy se skripty.
    • Vyhledejte chyby syntaxe jazyka R. Zkontroluje proměnné, které jsou definované, ale nikdy se naplní.
    • Zkontrolujte vstupní data a skript, abyste zjistili, jestli data nebo proměnné ve skriptu nepoužívají znaky, které nepodporují Azure Machine Learning.
    • Ověřte, zda jsou nainstalovány všechny závislosti balíčků.
    • Ověřte, zda váš kód načítá požadované knihovny, které nejsou ve výchozím nastavení načteny.
    • Ověřte, zda jsou požadované balíčky správné verze.
    • Ujistěte se, že jakákoli datová sada, kterou chcete výstup, je převedena na datový rámec.
  4. Znovu odešlete experiment.

Poznámka

Tato témata obsahují příklady kódu jazyka R, které lze použít, a odkazy na experimenty v Cortana Intelligence Gallery , které používají skript jazyka r.

Zprávy výjimek
Při vyhodnocování skriptu jazyka R došlo k chybě.
Během hodnocení skriptu jazyka r došlo k následující chybě:----------spuštění chybové zprávy z r---------- {0} -----------konec chybové zprávy z r-----------
Během hodnocení skriptu R {1} došlo k následující chybě:----------spuštění chybové zprávy z r---------- {0} -----------konec chybové zprávy z r-----------

Chyba 0064

K výjimce dojde, pokud je název účtu úložiště Azure nebo klíč úložiště nesprávně zadaný.

K této chybě v Azure Machine Learning dochází, pokud je název účtu úložiště Azure nebo klíč úložiště nesprávně zadaný. Tato chyba se zobrazí, pokud zadáte nesprávný název účtu nebo heslo pro účet úložiště. Tato situace může nastat, pokud ručně zadáte název účtu nebo heslo. Může k tomu dojít i v případě, že byl účet odstraněn.

Řešení: Ověřte, že název účtu a heslo byly zadány správně a že účet existuje.

Zprávy výjimek
Název účtu úložiště Azure nebo klíč úložiště nejsou správné.
Název účtu úložiště Azure " {0} " nebo klíč úložiště pro název účtu není správný.

Chyba 0065

K výjimce dojde, pokud je název objektu blob Azure zadán nesprávně.

K této chybě v Azure Machine Learning dojde, pokud je název objektu BLOB v Azure zadán nesprávně. Tato chyba se zobrazí, pokud:

  • V zadaném kontejneru nelze najít objekt BLOB.

  • Plně kvalifikovaný název objektu blob, který je zadaný pro výstup v jednom z modulů učení s počty , je větší než 512 znaků.

  • V požadavku na Import dat byl jako zdroj zadán pouze kontejner, pokud byl formát Excel nebo CSV s kódováním. zřetězení obsahu všech objektů BLOB v kontejneru není u těchto formátů povoleno.

  • Identifikátor URI SAS neobsahuje název platného objektu BLOB.

Řešení: Znovu navštivte modul, který výjimku vyvolal. Ověřte, že zadaný objekt BLOB v kontejneru v účtu úložiště existuje a že tato oprávnění umožňují zobrazit objekt BLOB. Pokud máte Excel nebo CSV s formáty kódování, ověřte, jestli je vstup ve formátu ContainerName/filename . Ověřte, že identifikátor URI SAS obsahuje název platného objektu BLOB.

Zprávy výjimek
Objekt BLOB služby Azure Storage není správný.
Název objektu BLOB služby Azure Storage {0} je nesprávný.

Chyba 0066

Pokud se prostředek nepovedlo nahrát do objektu blob Azure, dojde k výjimce.

K této chybě v Azure Machine Learning dochází, pokud se prostředek nepovedlo nahrát do objektu blob Azure. Tato zpráva se zobrazí, pokud pro model dostupné 7-4 narazí na chybu při pokusu o uložení modelu nebo hodnoty hash vytvořené při výuce modelu. Obě jsou uložené na stejný účet služby Azure Storage jako účet, který obsahuje vstupní soubor.

Řešení: Znovu navštivte modul. Ověřte, že je název účtu Azure, klíč úložiště a kontejner správný a že účet má oprávnění k zápisu do kontejneru.

Zprávy výjimek
Prostředek se nepovedlo nahrát do úložiště Azure.
Soubor " {0} " nebylo možné odeslat do služby Azure Storage jako {1} .

Chyba 0067

K výjimce dojde, pokud má datová sada jiný počet sloupců, než se očekávalo.

K této chybě v Azure Machine Learning dochází, pokud má datová sada jiný počet sloupců, než se očekávalo. Tato chyba se zobrazí, když se počet sloupců v datové sadě liší od počtu sloupců, které modul během provádění očekává.

Řešení: Upravte vstupní datovou sadu nebo parametry.

Zprávy výjimek
V objektu DataTable je neočekávaný počet sloupců.
{0}Místo toho byly očekávány sloupce "", ale byly nalezeny {1} sloupce "".

Chyba 0068

K výjimce dojde, pokud není zadaný skript podregistru správný.

K této chybě v Azure Machine Learning dojde v případě, že se vyskytly chyby syntaxe ve skriptu QL podregistru, nebo pokud překladač podregistru při provádění dotazu nebo skriptu narazí na chybu.

Rozhodnutí

Chybová zpráva z podregistru se obvykle hlásí zpět v protokolu chyb, takže můžete provést akci na základě konkrétní chyby.

  • Otevřete modul a prozkoumejte dotaz na chyby.
  • Ověřte, že dotaz funguje správně mimo Azure Machine Learning tím, že se přihlásí do konzoly podregistru clusteru Hadoop a spustí se dotaz.
  • Zkuste umístit komentáře do skriptu v podregistru do samostatného řádku, a to na rozdíl v kombinování spustitelných příkazů a komentářů na jednom řádku.

Zdroje informací

Nápovědu k dotazům na podregistr pro strojové učení najdete v následujících článcích:

Zprávy výjimek
Skript podregistru je nesprávný.
Skript pro podregistr není {0} správný.

Chyba 0069

K výjimce dojde, pokud není zadaný skript SQL správný.

K této chybě v Azure Machine Learning dojde, pokud má zadaný skript SQL problémy se syntaxí nebo pokud sloupce nebo tabulka zadané ve skriptu nejsou platné.

Tato chyba se zobrazí, pokud modul SQL Engine při provádění dotazu nebo skriptu najde jakoukoli chybu. Chybová zpráva SQL se obvykle hlásí zpět v protokolu chyb, takže můžete provést akci na základě konkrétní chyby.

Řešení: Přečtěte si modul a zkontrolujte chyby v dotazu SQL.

Přihlaste se k databázovému serveru přímo a spuštěním dotazu, abyste ověřili, že dotaz funguje správně mimo Azure ML.

Pokud dojde k vygenerování zprávy generované modulem SQL, proveďte akci na základě hlášené chyby. Chybové zprávy například někdy obsahují konkrétní pokyny o pravděpodobnou chybu:

  • Neexistuje žádný takový sloupec nebo chybějící databáze, což značí, že je možné, že jste zadali nesprávný název sloupce. Pokud jste si jisti, že je název sloupce správný, zkuste použít hranaté závorky nebo uvozovky k uzavření identifikátoru sloupce.
  • Chyba logiky SQL <SQL keyword> poblíž, což znamená, že před zadaným klíčovým slovem může být chyba syntaxe.
Zprávy výjimek
Skript SQL je nesprávný.
Dotaz SQL " {0} " není správný.
Dotaz SQL " {0} " není správný: {1}

Chyba 0070

Při pokusu o přístup k neexistující tabulce Azure dojde k výjimce.

K této chybě v Azure Machine Learning dochází, když se pokusíte o přístup k neexistující tabulce Azure. Tato chyba se zobrazí, pokud zadáte tabulku ve službě Azure Storage, která neexistuje při čtení z nebo zápis do Azure Table Storage. K tomu může dojít, pokud chybné zadání názvu požadované tabulky nebo Neshoda mezi cílovým názvem a typem úložiště. Například jste chtěli číst z tabulky, ale místo toho jste zadali název objektu BLOB.

Řešení: Znovu navštivte modul a ověřte, zda je název tabulky správný.

Zprávy výjimek
Tabulka Azure neexistuje.
Tabulka Azure {0} neexistuje.

Chyba 0071

Pokud jsou zadané přihlašovací údaje nesprávné, dojde k výjimce.

K této chybě v Azure Machine Learning dojde v případě, že zadané přihlašovací údaje nejsou správné.

Tato chyba se může zobrazit také v případě, že se modul nemůže připojit ke clusteru HDInsight.

Řešení: Zkontrolujte vstupy modulu a ověřte název účtu a heslo.

Podívejte se na následující problémy, které můžou způsobit chybu:

  • Schéma datové sady se neshoduje se schématem cílového objektu DataTable.

  • Chybí nebo jsou špatně napsané názvy sloupců.

  • Píšete do tabulky, která má názvy sloupců s neplatnými znaky. Tyto názvy sloupců obvykle můžete uzavřít do hranatých závorek, ale pokud to nefunguje, upravte názvy sloupců tak, aby používaly jenom písmena a podtržítka (_).

  • Řetězce, které se pokoušíte zapsat, obsahují jednoduché uvozovky.

Pokud se pokoušíte připojit ke clusteru HDInsight, ověřte, jestli je cílový cluster přístupný pomocí zadaných přihlašovacích údajů.

Zprávy výjimek
Byly předány nesprávné přihlašovací údaje.
{0}Bylo předáno nesprávné uživatelské jméno nebo heslo.

Chyba 0072

V případě časového limitu připojení dojde k výjimce.

K této chybě v Azure Machine Learning dochází, když dojde k vypršení časového limitu připojení. Tato chyba se zobrazí, pokud dojde k problémům s připojením ke zdroji dat nebo cíli, jako je například pomalé připojení k Internetu, nebo pokud je datová sada velká a/nebo dotaz SQL pro čtení dat provádí složité zpracování.

Řešení: Zjistěte, jestli aktuálně dochází k problémům s pomalým připojením k úložišti Azure nebo k Internetu.

Zprávy výjimek
Došlo k vypršení časového limitu připojení.

Chyba 0073

K výjimce dojde, pokud dojde k chybě při převodu sloupce na jiný typ.

K této chybě v Azure Machine Learning dochází, pokud není možné převést sloupec na jiný typ. Tato chyba se zobrazí, pokud modul vyžaduje konkrétní typ a není možné převést sloupec na nový typ.

Řešení: Upravte vstupní datovou sadu tak, aby sloupec bylo možné převést na základě vnitřní výjimky.

Zprávy výjimek
Nepovedlo se převést sloupec.
Nepovedlo se převést sloupec na {0} .

Chyba 0074

K výjimce dojde, když se metadata pro úpravy pokusí převést zhuštěný sloupec na kategorií.

K této chybě v Azure Machine Learning dochází, když se metadata pro úpravy pokusí převést zhuštěný sloupec na kategorií. Tato chyba se zobrazí při pokusu o převod zhuštěných sloupců na kategorií pomocí možnosti vytvořit kategorií . Azure Machine Learning nepodporuje zhuštěná kategorií pole, takže se modul nezdaří.

Řešení: Nastavte sloupec jako zhuštěný pomocí rutiny převést na sadu dat nebo nepřeveďte sloupec na kategorií.

Zprávy výjimek
Zhuštěné sloupce nelze převést na kategorií.

Chyba 0075

K výjimce dojde, pokud je při quantizing datové sady použita neplatná funkce binningu.

K této chybě v Azure Machine Learning dochází při pokusu o data z přihrádky pomocí nepodporované metody nebo v případě, že kombinace parametrů nejsou platné.

Rozhodnutí

Zpracování chyb pro tuto událost bylo představeno v dřívější verzi Azure Machine Learning, která umožňovala další přizpůsobení metod binningu. Všechny metody binningu jsou v současné době založené na výběru z rozevíracího seznamu, a proto by tato chyba neměla být možná.

Pokud se tato chyba zobrazí při použití modulu Seskupit data do přihrádek , zvažte, jestli se tento problém oznamuje ve fóru Azure Machine Learning, který poskytuje datové typy, nastavení parametrů a přesnou chybovou zprávu.

Zprávy výjimek
Použila se neplatná funkce binningu.

Chyba 0077

K výjimce dojde v případě, že byl předán neznámý režim zapisování souborů BLOB.

K této chybě v Azure Machine Learning dojde, pokud je předán neplatný argument ve specifikacích pro cíl souboru objektu BLOB nebo zdroj.

Řešení: Ve skoro všech modulech, které importují nebo exportují data do a z úložiště objektů BLOB v Azure, jsou hodnoty parametrů řídící režim zápisu přiřazené pomocí rozevíracího seznamu. Proto není možné předat neplatnou hodnotu a tato chyba by se neměla zobrazovat. Tato chyba bude v pozdější verzi zastaralá.

Zprávy výjimek
Nepodporovaný režim zápisů objektů BLOB
Nepodporovaný režim zápisů objektů BLOB: {0} .

Chyba 0078

K výjimce dojde, pokud možnost HTTP pro Import dat obdrží stavový kód 3xx označující přesměrování.

K této chybě v Azure Machine Learning dochází, pokud možnost HTTP pro Import dat obdrží stavový kód 3xx (301, 302, 304 atd.) indikující přesměrování. Tato chyba se zobrazí, pokud se pokusíte připojit ke zdroji HTTP, který přesměruje prohlížeč na jinou stránku. Z bezpečnostních důvodů není možné přesměrovat weby jako zdroje dat pro Azure Machine Learning.

Řešení: Pokud je web důvěryhodným webem, zadejte přesměrovanou adresu URL přímo.

Zprávy výjimek
Přesměrování protokolu HTTP není povoleno.

Chyba 0079

K výjimce dojde, pokud je název kontejneru úložiště Azure zadán nesprávně.

K této chybě v Azure Machine Learning dochází, pokud je název kontejneru úložiště Azure zadaný nesprávně. Tato chyba se zobrazí, pokud jste při zápisu do Azure Blob Storage neurčili jak kontejner, tak i název objektu BLOB (soubor) s použitím cesty k objektu BLOB , který začíná na kontejneru.

Řešení: Přečtěte si modul Export dat a ověřte, zda zadaná cesta k objektu BLOB obsahuje kontejner i název souboru ve formátu kontejner/název souboru.

Zprávy výjimek
Název kontejneru úložiště Azure je nesprávný.
Název kontejneru úložiště Azure {0} je nesprávný. byl očekáván název kontejneru formátu nebo kontejneru objektů BLOB.

Chyba 0080

K výjimce dojde v případě, že v modulu není povolen sloupec se všemi hodnotami.

Tato chyba v Azure Machine Learning je vytvořena, když jeden nebo více sloupců spotřebovaných modulem obsahuje všechny chybějící hodnoty. Pokud například modul počítá souhrnnou statistiku pro každý sloupec, nemůže pracovat se sloupcem, který neobsahuje žádná data. V takových případech se spuštění modulu zastaví s touto výjimkou.

Řešení: Znovu navštivte vstupní datovou sadu a odeberte všechny sloupce, které obsahují všechny chybějící hodnoty.

Zprávy výjimek
Sloupce se všemi chybějícími hodnotami nejsou povoleny.
U sloupce {0} chybí všechny hodnoty.

Chyba 0081

V modulu DPS dojde k výjimce, pokud se počet dimenzí, které se mají snížit, rovná počtu sloupců funkce ve vstupní datové sadě, který obsahuje alespoň jeden sloupec se zhuštěnými funkcemi.

Tato chyba ve Azure Machine Learning je vytvořena, pokud jsou splněny následující podmínky: (a) vstupní datová sada má alespoň jeden zhuštěný sloupec a (b) konečný počet požadovaných dimenzí je stejný jako počet vstupních dimenzí.

Řešení: Zvažte snížení počtu rozměrů ve výstupu tak, aby bylo menší než počet rozměrů ve vstupu. To je obvyklé v aplikacích pro DPS. Další informace najdete v tématu Analýza hlavní komponenty.

Zprávy výjimek
Pro datovou sadu obsahující sloupce zhuštěných funkcí musí být počet rozměrů menší než počet sloupců funkce.

Chyba 0082

K výjimce dojde v případě, že model nelze úspěšně deserializovat.

K této chybě v Azure Machine Learning dochází, když v důsledku zásadní změny nelze načíst model nebo transformaci uloženého strojového učení pomocí novější verze modulu runtime Azure Machine Learning.

Řešení: Experiment pro školení, který vytvořil model nebo transformaci, musí být znovu spuštěn a model nebo transformace musí být znovu uloženy.

Zprávy výjimek
Model nelze deserializovat, protože je pravděpodobně serializován se starším formátem serializace. Převlakujte a znovu uložte model.

Chyba 0083

K výjimce dojde, pokud datovou sadu použitou pro školení nelze použít pro konkrétní typ učení.

Tato chyba v Azure Machine Learning se vytvoří, když je datová sada nekompatibilní s výukovým nástrojem. Datová sada může například obsahovat alespoň jednu chybějící hodnotu v každém řádku a v důsledku toho by byla během školení přeskočena Celá datová sada. V ostatních případech některé algoritmy strojového učení, jako je detekce anomálií, neočekávají, že popisky jsou přítomné a můžou tuto výjimku vyvolat, pokud se v datové sadě nacházejí popisky.

Řešení: Projděte si dokumentaci k nástroji, která se používá ke kontrole požadavků na vstupní datovou sadu. Zkontrolujte sloupce, abyste viděli, že jsou k dispozici všechny požadované sloupce.

Zprávy výjimek
Datová sada použitá pro školení není platná.
{0} obsahuje neplatná data pro školení.
{0} obsahuje neplatná data pro školení. Typ učení: {1} .

Chyba 0084

K výjimce dojde, když se vyhodnotí skóre vytvářené ze skriptu jazyka R. Toto není aktuálně podporováno.

K této chybě v Azure Machine Learning dochází, pokud se pokusíte použít jeden z modulů pro vyhodnocení modelu s výstupem z skriptu jazyka R, který obsahuje skóre.

Rozhodnutí

Zprávy výjimek
Hodnocení skóre vyprodukovaných jazykem R není aktuálně podporováno.

Chyba 0085

K výjimce dojde v případě, že vyhodnocení skriptu je neúspěšné s chybou.

K této chybě v Azure Machine Learning dochází, když spouštíte vlastní skript, který obsahuje syntaktické chyby.

Řešení: Zkontrolujte svůj kód v externím editoru a zkontrolujte chyby.

Zprávy výjimek
Při vyhodnocování skriptu došlo k chybě.
Při vyhodnocování skriptu došlo k následující chybě. Další informace najdete v protokolu výstupu:----------spuštění chybové zprávy z {0} překladače---------- {1} ----------konec chybové zprávy z {0} překladače----------

Chyba 0086

K výjimce dojde, pokud je transformace počítání neplatná.

K této chybě v Azure Machine Learning dochází, když vyberete transformaci na základě tabulky Count, ale vybraná transformace není kompatibilní s aktuálními daty nebo s novou tabulkou Count.

Řešení: Modul podporuje ukládání počtů a pravidel, která tvoří transformaci ve dvou různých formátech. Pokud slučujete tabulky Count, ověřte, že obě tabulky, které chcete sloučit, používají stejný formát.

Obecně lze transformaci na základě počtu použít pouze na datové sady, které mají stejné schéma jako datová sada, na které byla transformace původně vytvořena.

Obecné informace najdete v tématu učení s počty. Požadavky, které jsou specifické pro vytváření a slučování funkcí založených na počtu, najdete v těchto tématech:

Zprávy výjimek
Byla zadána neplatná transformace počítání.
Transformace počítání na vstupním portu {0} je neplatná.
Transformaci na vstupním portu ' {0} ' nelze sloučit s transformací Count na vstupním portu ' {1} '. Zkontrolujte, jestli se metadata použitá pro počítání shod shodují.

Chyba 0087

K výjimce dojde, pokud je pro učení s moduly Count zadán neplatný typ tabulky Count.

K této chybě v Azure Machine Learning dochází, když se pokusíte importovat existující tabulku Count, ale tabulka není kompatibilní s aktuálními daty nebo s novou tabulkou Count.

Řešení: Existují různé formáty pro uložení počtů a pravidel, která tvoří transformaci. Pokud slučujete tabulky Count, ověřte, že obě používají stejný formát.

Například transformaci na základě počtu lze použít pouze na datové sady, které mají stejné schéma jako datová sada, na které byla transformace původně vytvořena.

Obecné informace najdete v tématu učení s počty. Požadavky, které jsou specifické pro vytváření a slučování funkcí založených na počtu, najdete v těchto tématech:

Chyba 0088

K výjimce dojde v případě, že je pro učení s modulem počty zadán neplatný typ počítání.

K této chybě v Azure Machine Learning dochází, když se pokusíte použít jinou metodu počítání, než je podporováno pro featurization založené na počtu.

Řešení: Obecně platí, že metody počítání se volí z rozevíracího seznamu, takže tuto chybu byste neměli vidět.

Obecné informace najdete v tématu učení s počty. Požadavky, které jsou specifické pro vytváření a slučování funkcí založených na počtu, najdete v těchto tématech:

Zprávy výjimek
Byl zadán neplatný typ počítání.
Zadaný typ počítání není {0} platným typem počítání.

Chyba 0089

K výjimce dojde, pokud je zadaný počet tříd menší než skutečný počet tříd v datové sadě, která se používá pro počítání.

K této chybě v Azure Machine Learning dochází při vytváření tabulky Count a sloupec popisek obsahuje jiný počet tříd, než jste určili v parametrech modulu.

Řešení: Podívejte se na datovou sadu a zjistěte přesně, kolik jedinečných hodnot (možných tříd) je ve sloupci popisek. Při vytváření tabulky Count je nutné zadat alespoň tento počet tříd.

Tabulka Count nemůže automaticky určit počet dostupných tříd.

Když vytvoříte tabulku Count, nemůžete zadat 0 nebo žádné číslo, které je menší než skutečný počet tříd ve sloupci Label.

Zprávy výjimek
Počet tříd je nesprávný. Ujistěte se, že počet tříd, které zadáte v podokně parametrů, je větší nebo roven počtu tříd ve sloupci popisek.
Počet určených tříd je {0} , což není větší než hodnota popisku {1} v datové sadě, která se používá k počítání. Ujistěte se, že počet tříd, které zadáte v podokně parametrů, je větší nebo roven počtu tříd ve sloupci popisek.

Chyba 0090

K výjimce dojde, když se nepovede vytvořit tabulku podregistru.

K této chybě v Azure Machine Learning dochází, když používáte exportovaná data nebo jinou možnost k uložení dat do clusteru HDInsight a zadanou tabulku podregistru nelze vytvořit.

Řešení: Zkontrolujte název účtu služby Azure Storage, který je přidružený ke clusteru, a ověřte, že ve vlastnostech modulu používáte stejný účet.

Zprávy výjimek
Tabulku podregistru nešlo vytvořit. V případě clusteru HDInsight zkontrolujte, že název účtu úložiště Azure přidružený ke clusteru je stejný jako v parametru modulu.
Tabulku podregistru {0} nelze vytvořit. V případě clusteru HDInsight zkontrolujte, že název účtu úložiště Azure přidružený ke clusteru je stejný jako v parametru modulu.
Tabulku podregistru {0} nelze vytvořit. Pro cluster HDInsight ověřte, že název účtu úložiště Azure přidružený ke clusteru je " {1} ".

Chyba 0100

K výjimce dojde, pokud je pro vlastní modul zadán nepodporovaný jazyk.

K této chybě v Azure Machine Learning dochází při sestavování vlastního modulu a vlastnost name elementu Language v souboru definice XML vlastního modulu má neplatnou hodnotu. V současné době je jedinou platnou hodnotou této vlastnosti R . Příklad:

<Language name="R" sourceFile="CustomAddRows.R" entryPoint="CustomAddRows" />

Řešení: Ověřte, zda je vlastnost Name prvku jazyka v souboru definice XML vlastního modulu nastavena na hodnotu R . Uložte soubor, aktualizujte vlastní balíček zip modulu a pokuste se přidat vlastní modul znovu.

Zprávy výjimek
Byl zadán nepodporovaný jazyk vlastního modulu.

Chyba 0101

Všechny identifikátory portů a parametrů musí být jedinečné.

K této chybě v Azure Machine Learning dochází, když se jednomu nebo více portům nebo parametrům přiřadí stejná hodnota ID v souboru definice XML vlastního modulu.

Řešení: Ověřte, že hodnoty ID napříč všemi porty a parametry jsou jedinečné. Uložte soubor XML, aktualizujte vlastní balíček zip modulu a pokuste se přidat vlastní modul znovu.

Zprávy výjimek
Všechny identifikátory portů a parametrů pro modul musí být jedinečné.
Modul {0} má duplicitní ID portů nebo argumentů. Všechny identifikátory portů nebo argumentů musí být pro modul jedinečné.

Chyba 0102

Vyvoláno, když soubor ZIP nelze extrahovat.

K této chybě v Azure Machine Learning dochází při importu balíčku zip s příponou. zip, ale balíček není buď soubor zip, nebo soubor nepoužívá podporovaný formát zip.

Řešení: Ujistěte se, že je vybraný soubor platný soubor zip a že byl komprimován pomocí některého z podporovaných kompresních algoritmů.

Pokud se tato chyba zobrazí při importu datových sad v komprimovaném formátu, ověřte, zda všechny obsažené soubory používají jeden z podporovaných formátů souborů a zda jsou ve formátu Unicode. Další informace najdete v tématu UNPACK getdataset.

Zkuste znovu přidat požadované soubory do nové komprimované složky zip a zkuste znovu přidat vlastní modul.

Zprávy výjimek
Daný soubor ZIP nemá správný formát.

Chyba 0103

Vyvolá se v případě, že soubor ZIP neobsahuje žádné soubory. XML.

K této chybě v Azure Machine Learning dochází, pokud balíček zip vlastního modulu neobsahuje žádné soubory definice modulu (. XML). Tyto soubory se musí nacházet v kořenovém adresáři balíčku zip (například ne v podsložce).

Řešení: Ověřte, zda je jeden nebo více souborů definice modulu XML v kořenové složce balíčku zip, extrahováním do dočasné složky na diskové jednotce. Všechny soubory XML by měly být přímo ve složce, do které jste extrahovali balíček zip. Ujistěte se, že jste vytvořili balíček zip, ve kterém nevyberete složku, která obsahuje soubory XML, a to tak, že se vytvoří podsložka v rámci balíčku zip se stejným názvem, jako má složka, kterou jste vybrali do souboru ZIP.

Zprávy výjimek
Daný soubor ZIP neobsahuje žádné soubory definice modulu (soubory. XML).

Chyba 0104

Vyvoláno, když soubor definice modulu odkazuje na skript, který nebyl nalezen.

Tato chyba ve Azure Machine Learning je vyvolána, když soubor definice XML vlastního modulu odkazuje na soubor skriptu v prvku jazyka , který neexistuje v balíčku zip. Cesta k souboru skriptu je definována ve vlastnosti požadovaný sourcefile elementu Language . Cesta ke zdrojovému souboru je relativní vzhledem ke kořenovému adresáři balíčku zip (stejné umístění jako soubory definice XML modulu). Pokud je soubor skriptu v dílčí složce, musí být zadána relativní cesta k souboru skriptu. Například, pokud byly všechny skripty uloženy ve složce myScripts v rámci balíčku zip, element Language by musel přidat tuto cestu do vlastnosti požadovaný sourcefile , jak je uvedeno níže. Příklad:

<Language name="R" sourceFile="myScripts/CustomAddRows.R" entryPoint="CustomAddRows" />

Řešení: Ujistěte se, zda je hodnota vlastnosti požadovaný sourcefile v prvku Language definice XML vlastního modulu správná a zda zdrojový soubor existuje ve správné relativní cestě v balíčku zip.

Zprávy výjimek
Odkazovaný soubor skriptu jazyka R neexistuje.
Odkazovaný soubor skriptu R {0} nejde najít. Zajistěte, aby byla relativní cesta k souboru správná z umístění definice.

Chyba 0105

Tato chyba se zobrazí, pokud soubor definice modulu obsahuje nepodporovaný typ parametru.

Tato chyba v Azure Machine Learning je vytvořena, když vytvoříte definici XML vlastního modulu a typ parametru nebo argumentu v definici neodpovídá podporovanému typu.

Řešení: Ujistěte se, že vlastnost Type jakéhokoli prvku arg v souboru definice XML vlastního modulu je podporovaného typu.

Zprávy výjimek
Nepodporovaný typ parametru.
Byl zadán nepodporovaný typ parametru {0} .

Chyba 0106

Vyvolá se, když definiční soubor modulu definuje nepodporovaný typ vstupu.

Tato chyba ve Azure Machine Learning je vytvořena, když typ vstupního portu v definici XML vlastního modulu neodpovídá podporovanému typu.

Řešení: Ujistěte se, že vlastnost Type elementu Input v souboru definice XML vlastního modulu je podporovaného typu.

Zprávy výjimek
Nepodporovaný typ vstupu.
Byl zadán nepodporovaný typ vstupu {0} .

Chyba 0107

Vyvolá se, když soubor definice modulu definuje nepodporovaný typ výstupu.

Tato chyba ve Azure Machine Learning je vytvořena, když typ výstupního portu v definici XML vlastního modulu neodpovídá podporovanému typu.

Řešení: Ujistěte se, že vlastnost Type elementu Output v souboru definice XML vlastního modulu je podporovaného typu.

Zprávy výjimek
Nepodporovaný typ výstupu.
Byl zadán nepodporovaný typ výstupu {0} .

Chyba 0108

Vyvoláno, když definiční soubor modulu definuje více vstupních nebo výstupních portů, než je podporováno.

Tato chyba ve Azure Machine Learning je vytvořena, pokud je v definici XML vlastního modulu definováno příliš mnoho vstupních nebo výstupních portů.

Řešení: Zajistí, že maximální počet vstupních a výstupních portů definovaných v definici XML vlastního modulu nepřekračuje maximální počet podporovaných portů.

Zprávy výjimek
Překročil se podporovaný počet vstupních nebo výstupních portů.
Byl překročen počet podporovaných {0} portů. Maximální povolený počet ' {0} ' portů je ' ' {1} .

Chyba 0109

Vyvoláno, když soubor definice modulu nesprávně definuje výběr sloupce

Tato chyba v Azure Machine Learning je vytvořena, když syntaxe argumentu výběru sloupce obsahuje chybu v definici XML vlastního modulu.

Řešení: Tato chyba je vytvořena, když syntaxe argumentu výběru sloupce obsahuje chybu v definici XML vlastního modulu.

Zprávy výjimek
Nepodporovaná syntaxe pro výběr sloupce

Chyba 0110

Vyvoláno, když definiční soubor modulu definuje výběr sloupce, který odkazuje na neexistující vstupní ID portu.

Tato chyba ve Azure Machine Learning je vytvořena, když vlastnost identifikátor portid v elementu ARG typu ColumnPicker neodpovídá hodnotě ID vstupního portu.

Řešení: Ujistěte se, že vlastnost identifikátor portid odpovídá hodnotě ID vstupního portu definovaného v definici XML vlastního modulu.

Zprávy výjimek
Výběr sloupců odkazuje na neexistující vstupní ID portu.
Výběr sloupců odkazuje na neexistující vstupní ID portu {0} .

Chyba 0111

Vyvoláno, když definiční soubor modulu definuje neplatnou vlastnost

Tato chyba ve Azure Machine Learning je vytvořena, když je přiřazena neplatná vlastnost prvku v definici XML vlastního modulu.

Řešení: Ujistěte se, že je vlastnost podporovaná prvkem vlastního modulu.

Zprávy výjimek
Definice vlastnosti je neplatná.
Definice vlastnosti {0} je neplatná.

Chyba 0112

Vyvoláno, když nelze analyzovat soubor definice modulu

Tato chyba v Azure Machine Learning je vytvořena, když dojde k chybě ve formátu XML, který brání v analýze definice XML vlastního modulu jako platný soubor XML.

Řešení: Ujistěte se, že je každý prvek otevřený a uzavřený správně. Ujistěte se, že formátování XML neobsahuje žádné chyby.

Zprávy výjimek
Nelze analyzovat soubor definice modulu.
Nelze analyzovat soubor definice modulu ' {0} '.

Chyba 0113

Vyvoláno, když soubor definice modulu obsahuje chyby.

Tato chyba ve Azure Machine Learning je vytvořena, když lze analyzovat soubor definice XML vlastního modulu, ale obsahuje chyby, jako je například definice elementů, které nejsou podporovány vlastními moduly.

Řešení: Ujistěte se, že vlastní soubor definice modulu definuje prvky a vlastnosti, které jsou podporovány vlastními moduly.

Zprávy výjimek
Soubor definice modulu obsahuje chyby.
Soubor definice modulu {0} obsahuje chyby.
Soubor definice modulu {0} obsahuje chyby. {1}

Chyba 0114

Vyvoláno při neúspěšném vytvoření vlastního modulu.

Tato chyba ve Azure Machine Learning je vytvořena, když se nepovede sestavit vlastní modul. K tomu dochází, když při přidávání vlastního modulu dojde k jedné nebo více chybám souvisejícím s modulem. Další chyby jsou hlášeny v této chybové zprávě.

Řešení: Vyřešte chyby hlášené v rámci této zprávy o výjimce.

Zprávy výjimek
Nepovedlo se vytvořit vlastní modul.
Sestavení vlastního modulu se nezdařilo s chybami: {0}

Chyba 0115

Vyvoláno, pokud výchozí skript vlastního modulu má nepodporovanou příponu.

K této chybě v Azure Machine Learning dochází, když zadáte skript pro vlastní modul, který používá neznámou příponu názvu souboru.

Řešení: Ověřte formát souboru a příponu filename všech souborů skriptu, které jsou součástí vlastního modulu.

Zprávy výjimek
Nepodporovaná velikost pro výchozí skript
Nepodporovaná velikost souboru {0} pro výchozí skript

Chyba 0121

Vyvolá se v případě, že zápisy SQL selžou, protože tabulka je nezapisovatelná.

Tato chyba v Azure Machine Learning je vytvořena při použití modulu Export dat k uložení výsledků do tabulky v databázi SQL a do tabulky nelze zapisovat. Tato chyba se obvykle zobrazí, pokud modul exportu dat úspěšně naváže spojení s instancí SQL Server, ale není pak možné zapsat obsah datové sady Azure ml do tabulky.

Rozhodnutí

  • Otevřete podokno vlastnosti modulu Export dat a ověřte, zda jsou názvy databáze a tabulky správně zadány.
  • Zkontrolujte schéma datové sady, kterou exportujete, a ujistěte se, že jsou data kompatibilní s cílovou tabulkou.
  • Ověřte, že přihlášení SQL přidružené k uživatelskému jménu a heslu má oprávnění k zápisu do tabulky.
  • Pokud výjimka obsahuje další informace o chybě z SQL Server, použijte tyto informace k provedení oprav.
Zprávy výjimek
Připojeno k serveru, nelze zapisovat do tabulky.
Nejde zapisovat do tabulky SQL: {0}

Chyba 0122

K výjimce dojde, pokud je zadáno více sloupců váhy a je povolena pouze jedna.

K této chybě v Azure Machine Learning dochází, pokud bylo vybráno příliš mnoho sloupců jako váhy sloupců.

Řešení: Zkontrolujte vstupní datovou sadu a její metadata. Ujistěte se, že pouze jeden sloupec obsahuje váhy.

Zprávy výjimek
Je zadáno více sloupců váhy.

Chyba 0123

K výjimce dojde, pokud je sloupec vektorů určen pro sloupec popisku.

K této chybě v Azure Machine Learning dochází, pokud jako sloupec popisku použijete vektor.

Řešení: V případě potřeby změňte formát dat sloupce nebo vyberte jiný sloupec.

Zprávy výjimek
Sloupec vektorů je zadán jako sloupec popisku.

Chyba 0124

K výjimce dojde, pokud jsou jako sloupce váhy určeny jiné než číselné sloupce.

Rozhodnutí

Zprávy výjimek
Jako sloupec váhy je zadán jiný než numerický sloupec.

Chyba 0125

Vyvolána, když se schéma pro více datových sad neshoduje.

Rozhodnutí

Zprávy výjimek
Schéma datové sady se neshoduje.

Chyba 0126

K výjimce dojde, pokud uživatel zadá doménu SQL, která není podporovaná v Azure ML.

Tato chyba se vytvoří, když uživatel zadá doménu SQL, která není v Azure Machine Learning podporovaná. Tato chyba se zobrazí, pokud se pokoušíte připojit k databázovému serveru v doméně, která není na seznamu povolených. V současné době jsou povolené domény SQL: ". database.windows.net", ". cloudapp.net" nebo ". database.secure.windows.net". To znamená, že server musí být Azure SQL Server nebo server ve virtuálním počítači v Azure.

Řešení: Znovu navštivte modul. Ověřte, že server SQL Database patří do jedné z přijatých domén:

  • . database.windows.net

  • . cloudapp.net

  • . database.secure.windows.net

Zprávy výjimek
Nepodporovaná doména SQL
Doména SQL {0} momentálně není v Azure ml aktuálně podporovaná.

Chyba 0127

Velikost pixelu obrázku překračuje povolený limit.

K této chybě dochází, pokud načítáte obrázky z datové sady imagí pro klasifikaci a obrázky jsou větší, než může model zpracovat.

Řešení: Další informace o velikosti obrázku a dalších požadavcích najdete v těchto tématech:

Zprávy výjimek
Velikost pixelu obrázku překračuje povolený limit.
Velikost pixelu obrázku v souboru {0} překračuje povolený limit: {1} .

Chyba 0128

Počet podmíněných pravděpodobností pro sloupce kategorií překračuje limit.

Rozhodnutí

Zprávy výjimek
Počet podmíněných pravděpodobností pro sloupce kategorií překračuje limit.
Počet podmíněných pravděpodobností pro sloupce kategorií překračuje limit. Sloupce {0} a {1} jsou problematický pár.

Chyba 0129

Počet sloupců v datové sadě překračuje povolený limit.

Rozhodnutí

Zprávy výjimek
Počet sloupců v datové sadě překračuje povolený limit.
Počet sloupců v datové sadě v ' {0} ' překračuje povolenou hodnotu. '
Počet sloupců v datové sadě v ' {0} ' překračuje povolený limit ' {1} '. '
Počet sloupců v datové sadě v ' {0} ' překračuje povolený limit ' ' {1} {2} .

Chyba 0130

K výjimce dojde, pokud všechny řádky v datové sadě školení obsahují chybějící hodnoty.

K tomu dochází, když je některý sloupec v datové sadě školení prázdný.

Řešení: Pomocí modulu Vyčištění chybějících dat odeberte sloupce se všemi chybějícími hodnotami.

Zprávy výjimek
Všechny řádky v datové sadě školení obsahují chybějící hodnoty. Zvažte použití modulu vyčištění chybějících dat k odebrání chybějících hodnot.

Chyba 0131

K výjimce dojde v případě, že jedna nebo více datových sad v souboru ZIP nebude možné rozkomprimovat a správně zaregistrovat.

Tato chyba je vyprodukována v případě, že jedna nebo více datových sad v souboru ZIP nebude moci být extrahována a správně přečtena. Tato chyba se zobrazí, pokud se dekomprimace nezdaří, protože samotný soubor ZIP nebo jeden z jeho souborů je poškozený nebo došlo k systémové chybě při pokusu o rozbalení a rozbalení souboru.

Řešení: Pomocí podrobností uvedených v chybové zprávě určete, jak postupovat.

Zprávy výjimek
Nepovedlo se nahrát datové sady zip.
Metoda ZIP DataSet {0} selhala s následující zprávou: {1}
Metoda getdataset {0} selhala s {1} výjimkou zprávy: {2}

Chyba 0132

Nebyl zadán žádný název souboru pro rozbalení; v souboru ZIP bylo nalezeno více souborů.

Tato chyba se vytvoří, když není zadaný žádný název souboru pro rozbalení; v souboru ZIP bylo nalezeno více souborů. Tato chyba se zobrazí, pokud soubor zip obsahuje více než jeden komprimovaný soubor, ale neurčili jste soubor k extrakci v textovém poli datová sada k dekomprimaci v podokně vlastností modulu. V současné době je možné extrahovat pouze jeden soubor pokaždé, když je modul spuštěn.

Řešení: Chybová zpráva poskytuje seznam souborů, které se nacházejí v souboru. zip. Zkopírujte název požadovaného souboru a vložte ho do textového pole datová sada do balíčku .

Zprávy výjimek
Soubor zip obsahuje více souborů. musíte zadat soubor, který se má rozbalit.
Soubor obsahuje více než jeden soubor. Zadejte soubor, který se má rozbalit. Byly nalezeny následující soubory: {0}

Chyba 0133

Zadaný soubor se v souboru ZIP nenašel.

Tato chyba se vytvoří, když se název souboru zadaného v datové sadě do pole v podokně vlastností neshoduje s názvem žádného souboru nalezeného v souboru. zip. Nejběžnějšími příčinami této chyby je chyba při psaní nebo hledání nesprávného souboru archivu pro rozšíření souboru.

Řešení: Znovu navštivte modul. Pokud se název souboru, který chcete dekomprimovat, zobrazí v seznamu nalezených souborů, zkopírujte název souboru a vložte ho do pole sada dat do pole vlastnost. Pokud v seznamu nevidíte požadovaný název souboru, ověřte, zda máte správný soubor. zip a správný název požadovaného souboru.

Zprávy výjimek
Zadaný soubor nebyl nalezen v rámci celé číslo souboru ZIP.
Zadaný soubor nebyl nalezen. Našel se tento počet souborů: {0}

Chyba 0134

K výjimce dojde v případě, že sloupec popisku chybí nebo má nedostatečný počet řádků s popiskem.

K této chybě dochází, pokud modul vyžaduje sloupec popisku, ale nezahrnuli jste ho do výběru sloupce nebo sloupec popisku neobsahuje příliš mnoho hodnot.

K této chybě může dojít také v případě, že předchozí operace změní datovou sadu tak, že pro operaci pro příjem dat nejsou k dispozici dostatečné řádky. Předpokládejme například, že použijete výraz v oddílu a vzorový modul pro rozdělení datové sady podle hodnot. Pokud se pro váš výraz nenašly žádné shody, jedna z datových sad, která je výsledkem oddílu, by byla prázdná.

Řešení:

Pokud zahrnete sloupec popisku do výběru sloupce, ale není známý, použijte modul Upravit metadata a označte ho jako sloupec popisku.

Modul Shrnutí dat slouží k vygenerování sestavy, která ukazuje, kolik hodnot v jednotlivých sloupcích chybí. Pak můžete pomocí modulu Vyčištění chybějících dat odebrat řádky s chybějícími hodnotami ve sloupci popisek.

Zkontrolujte vstupní datové sady, abyste měli jistotu, že obsahují platná data a dostatek řádků pro splnění požadavků operace. Mnoho algoritmů vygeneruje chybovou zprávu, pokud vyžaduje některé minimální číselné řádky dat, ale data obsahují pouze několik řádků nebo pouze záhlaví.

Zprávy výjimek
K výjimce dojde v případě, že sloupec popisku chybí nebo má nedostatečný počet řádků s popiskem.
K výjimce dojde, pokud sloupec popisku chybí nebo má méně než {0} řádky s popiskem.

Chyba 0135

Podporován je pouze cluster založený na těžiště.

Řešení: Tato chybová zpráva se může zobrazit, pokud jste se pokusili vyhodnotit model clusteringu, který je založen na vlastním algoritmu clusteringu, který k inicializaci clusteru nepoužívá centroids.

K vyhodnocení modelů clusteringu, které jsou založeny na k tomuto modulu clusteringu , můžete použít vyhodnotit model . Pro vlastní algoritmy použijte modul spuštění skriptu jazyka R k vytvoření vlastního zkušebního skriptu.

Zprávy výjimek
Podporován je pouze cluster založený na těžiště.

Chyba 0136

Nebyl vrácen žádný název souboru. soubor se nepovedlo zpracovat v důsledku.

Rozhodnutí

Zprávy výjimek
Nebyl vrácen žádný název souboru. soubor se nepovedlo zpracovat v důsledku.

Chyba 0137

Sada Azure Storage SDK zjistila chybu při konverzi mezi vlastnostmi tabulky a sloupci datové sady během čtení nebo zápisu.

Rozhodnutí

Zprávy výjimek
Došlo k chybě konverze mezi vlastností úložiště Azure Table a sloupcem datové sady.
Došlo k chybě konverze mezi vlastností úložiště Azure Table a sloupcem datové sady. Další informace: {0}

Chyba 0138

Paměť byla vyčerpána, nelze dokončit běh modulu. Převzorkování na datovou sadu může pomáhat s tím, jak problém vyřešit.

K této chybě dochází, pokud modul, který běží, vyžaduje více paměti, než je v kontejneru Azure k dispozici. K tomu může dojít, pokud pracujete s velkou datovou sadou a aktuální operace se nemůže vejít do paměti.

Řešení: Pokud se pokoušíte přečíst velkou datovou sadu a operaci nelze dokončit, může to povést k převzorkování datové sady.

Použijete-li vizualizace u datových sad ke kontrole mohutnosti sloupců, jsou odebrány pouze některé řádky. K získání úplné sestavy použijte Souhrn dat. Můžete také použít transformaci SQL použít ke kontrole počtu jedinečných hodnot v jednotlivých sloupcích.

K této chybě může dojít občas k přechodným zátěžím. V průběhu času se také mění podpora počítačů. Popis podporované velikosti dat najdete v části Nejčastější dotazy k Azure Machine Learning .

Zkuste použít analýzu základní součásti nebo jednu z funkcí výběru funkcí k omezení datové sady na menší sadu dalších sloupců s bohatou funkcí: Výběr funkcí

Zprávy výjimek
Paměť byla vyčerpána, nelze dokončit běh modulu.

Chyba 0139

K výjimce dojde, pokud není možné převést sloupec na jiný typ.

K této chybě v Azure Machine Learning dochází, když se pokusíte převést sloupec na jiný datový typ, ale tento typ není podporován aktuální operací nebo modulem.

Tato chyba se může zobrazit také v případě, že se modul pokusí implicitně převést data tak, aby splňovala požadavky aktuálního modulu, ale převod není možný.

Rozhodnutí

  1. Zkontrolujte vstupní data a určete přesný datový typ sloupce, který chcete použít, a datový typ sloupce, ve kterém je chyba vytvářející. V některých případech se může stát, že datový typ je správný, ale zjistíte, že v nadřazené operaci byl změněn datový typ nebo využití sloupce. Pomocí modulu Upravit metadata obnovte metadata sloupce do původního stavu.

  2. Podívejte se na stránku s nápovědu modul a ověřte požadavky na určenou operaci. Určete, které datové typy jsou aktuálním modulem podporovány a jaké jsou podporované rozsahy hodnot.

  3. Pokud je třeba hodnoty zkrátit, zaokrouhlit nebo uvolnit, použijte k provedení oprav použití moduly s hodnotami pro použití matematických operací nebo klipů .

  4. Zvažte, zda je možné převod nebo přetypování sloupce na jiný datový typ. Všechny následující moduly poskytují značnou flexibilitu a sílu při úpravách dat:

Poznámka

Pořád nefunguje? Zvažte poskytnutí další zpětné vazby k tomuto problému a pomozte nám s vývojem lepších pokynů k odstraňování potíží. Stačí odeslat zpětnou vazbu na tuto stránku a zadat název modulu, který chybu generoval, a převod datového typu, který se nezdařil.

Zprávy výjimek
Převod není povolen.
Nelze převést: {0} .
Nelze převést: {0} , v řádku {1} .
Sloupec typu nelze převést na {0} sloupec typu {1} na řádku {2} .
Sloupec typu {2} {0} na řádku nelze převést na sloupec typu {1} {3} .
Nelze převést sloupec typu na {2} {0} sloupec {3} typu {1} na řádku {4} .

Chyba 0140

K výjimce dojde, pokud předaný argument sady sloupců neobsahuje jiné sloupce kromě sloupce Label.

K této chybě dochází, pokud jste připojili datovou sadu k modulu, který vyžaduje více sloupců, včetně funkcí, ale zadali jste pouze sloupec popisku.

Řešení: Vyberte alespoň jeden sloupec funkce, který chcete zahrnout do datové sady.

Zprávy výjimek
Zadaná sada sloupců neobsahuje jiné sloupce kromě sloupce Label.

Chyba 0141

K výjimce dojde, pokud počet vybraných číselných sloupců a jedinečné hodnoty ve sloupcích kategorií a řetězec je příliš malá.

K této chybě v Azure Machine Learning dochází, pokud ve vybraném sloupci není k provedení operace dostatek jedinečných hodnot.

Řešení: Některé operace provádějí statistické operace se sloupci funkcí a kategorií a pokud není dostatek hodnot, operace může selhat nebo vracet neplatný výsledek. Zkontrolujte datovou sadu, abyste viděli, kolik hodnot je ve sloupcích Fature a Label, a určete, jestli je operace, kterou se pokoušíte provést, statisticky platná.

Pokud je zdrojová datová sada platná, můžete také ověřit, zda některá z operací manipulace s nadřazenými daty nebo metadat změnila data a odstranila některé hodnoty.

Pokud nadřazené operace zahrnují rozdělení, vzorkování nebo převzorkování, ověřte, že výstupy obsahují očekávaný počet řádků a hodnot.

Zprávy výjimek
Počet vybraných číselných sloupců a jedinečných hodnot ve sloupcích kategorií a řetězec je příliš malý.
Celkový počet vybraných číselných sloupců a jedinečné hodnoty ve sloupcích kategorií a String (aktuálně {0} ) by měly být alespoň {1}

Chyba 0142

K výjimce dojde, pokud systém nemůže načíst certifikát pro ověření.

Rozhodnutí

Zprávy výjimek
Certifikát nelze načíst.
Certifikát {0} nelze načíst. Jeho kryptografický otisk je {1} .

Chyba 0143

Nelze analyzovat uživatelem zadanou adresu URL, která by měla být z GitHubu.

K této chybě v Azure Machine Learning dochází, když zadáte neplatnou adresu URL a modul vyžaduje platnou adresu URL GitHubu.

Řešení: Ověřte, že adresa URL odkazuje na platné úložiště GitHub. Jiné typy webů se nepodporují.

Zprávy výjimek
Adresa URL není z github.com.
Adresa URL není z github.com: {0}

Chyba 0144

U uživatelem zadané adresy URL GitHubu chybí očekávaná část.

K této chybě v Azure Machine Learning dochází, když zadáte zdroj souboru GitHubu s neplatným formátem URL.

Řešení: Ověřte, že adresa URL úložiště GitHubu je platná a končí na \blob\ nebo \tree \ .

Zprávy výjimek
Nejde analyzovat adresu URL GitHubu.
Nejde analyzovat adresu URL GitHubu (očekává se ' \blob \ ' nebo ' \tree \ ' za názvem úložiště): {0}

Chyba 0145

Z nějakého důvodu nelze vytvořit adresář replikace.

K této chybě v Azure Machine Learning dojde v případě, že se modulu nepodařilo vytvořit zadaný adresář.

Rozhodnutí

Zprávy výjimek
Nelze vytvořit adresář replikace.

Chyba 0146

Když se soubory uživatele oddělí do místního adresáře, může být příliš dlouhá Kombinovaná cesta.

K této chybě v Azure Machine Learning dochází při extrahování souborů, ale při rozbalování jsou některé názvy souborů příliš dlouhé.

Řešení: Upravte názvy souborů tak, aby jejich Kombinovaná cesta a název souboru nepřesahoval 248 znaků.

Zprávy výjimek
Cesta replikace je delší než 248 znaků, Zkraťte název nebo cestu ke skriptu.

Chyba 0147

Z nějakého důvodu nelze stáhnout věci z GitHubu.

K této chybě v Azure Machine Learning dochází, když nemůžete číst nebo stahovat zadané soubory z GitHubu.

Řešení: Tento problém může být dočasný. Můžete se pokusit o přístup k souborům v jinou dobu. Nebo ověřte, zda máte potřebná oprávnění a zda je zdroj platný.

Zprávy výjimek
Chyba přístupu k GitHubu
Chyba přístupu k GitHubu {0}

Chyba 0148

Problémy s neoprávněným přístupem při extrakci dat nebo vytváření adresáře.

K této chybě v Azure Machine Learning dochází, když se pokoušíte vytvořit adresář nebo načíst data z úložiště, ale nemáte potřebná oprávnění.

Rozhodnutí

Zprávy výjimek
Výjimka neoprávněného přístupu při extrakci dat

Chyba 0149

Uživatelský soubor v rámci balíčku GitHubu neexistuje.

K této chybě v Azure Machine Learning dochází, když nelze najít zadaný soubor.

Řešení:

Zprávy výjimek
Soubor GitHubu se nenašel.
Soubor GitHubu se nenašel.: {0}

Chyba 0150

Skripty, které pocházejí z uživatelského balíčku, nemohly být z důvodu kolizí se soubory GitHubu.

K této chybě v Azure Machine Learning dochází, pokud nelze skript extrahovat, obvykle Pokud existuje existující soubor se stejným názvem.

Řešení:

Zprávy výjimek
Nepovedlo se rozbalit sadu prostředků. možná kolize názvů se soubory GitHubu.

Chyba 0151

Při zápisu do cloudového úložiště došlo k chybě. Ověřte adresu URL.

K této chybě v Azure Machine Learning dochází, když se modul pokusí zapisovat data do cloudového úložiště, ale adresa URL není k dispozici nebo je neplatná.

Řešení: Zkontrolujte adresu URL a ověřte, jestli je zapisovatelná.

Zprávy výjimek
Chyba při zápisu do cloudového úložiště (pravděpodobně Chybná adresa URL).
Chyba při zápisu do cloudového úložiště: {0} . Ověřte adresu URL.

Chyba 0152

Typ cloudu Azure se v kontextu modulu zadal nesprávně.

Zprávy výjimek
Chybný typ cloudu Azure
Chybný typ cloudu Azure: {0}

Chyba 0153

Zadaný koncový bod úložiště není platný.

Zprávy výjimek
Chybný typ cloudu Azure
Chybný koncový bod úložiště: {0}

Chyba 0154

Zadaný název serveru nejde přeložit.

Zprávy výjimek
Zadaný název serveru nejde přeložit.
Zadaný server {0} . Documents.Azure.com nebylo možné přeložit.

Chyba 0155

U klienta DocDb došlo k výjimce.

Zprávy výjimek
U klienta DocDb došlo k výjimce.
Klient DocDb: {0}

Chyba 0156

Chybná odpověď pro server HCatalog.

Zprávy výjimek
Chybná odpověď pro server HCatalog. Ověřte, že jsou spuštěné všechny služby.
Chybná odpověď pro server HCatalog. Ověřte, že jsou spuštěné všechny služby. Podrobnosti o chybě: {0}

Chyba 0157

Došlo k chybě při čtení z Azure Cosmos DB z důvodu nekonzistentního nebo odlišného schématu dokumentů. Čtenář vyžaduje, aby všechny dokumenty měly stejné schéma.

Zprávy výjimek
Zjištěné dokumenty s různými schématy. Ujistěte se, že všechny dokumenty mají stejné schéma.

Chyba 1000

Interní výjimka knihovny

Tato chyba je k dispozici pro zachycení v jiných nezpracovaných chybách interního motoru. Proto se příčina této chyby může lišit v závislosti na modulu, který chybu generoval.

Pokud chcete získat další pomoc, doporučujeme, abyste si podrobnou zprávu doprovází tuto chybu do fóra Azure Machine Learning společně s popisem scénáře, včetně dat, která se používají jako vstupy. Tato zpětná vazba nám pomůže určit prioritu chyb a zjistit nejdůležitější problémy pro další práci.

Zprávy výjimek
Výjimka knihovny
Výjimka knihovny: {0}
{0} výjimka knihovny: {1}

Další informace

Kódy chyb modulu

Potřebujete další nápovědu nebo tipy pro řešení potíží pro Azure Machine Learning? Vyzkoušejte tyto prostředky: