Résoudre les problèmes d’expériences de ML automatisé

  • Article

S’APPLIQUE À :Extension Azure ML CLI v2 (actuelle)Kit de développement logiciel (SDK) Python azure-ai-ml v2 (préversion)

Dans ce guide, découvrez comment identifier et résoudre les problèmes rencontrés dans vos expériences de Machine Learning automatisé.

Résoudre les problèmes de ML automatisé pour les images et NLP dans Studio

En cas d’échec du travail pour ML automatisé des images et NLP, vous pouvez utiliser les étapes suivantes pour comprendre l’erreur.

  1. Dans l’interface utilisateur de studio, le travail AutoML doit avoir un message d’échec indiquant la raison de l’échec.
  2. Pour obtenir plus d’informations, accédez au travail enfant de ce travail AutoML. Cette exécution enfant est un travail HyperDrive.
  3. Sous l’onglet Évaluations gratuites, vous pouvez vérifier toutes les évaluations gratuites effectuées pour cette exécution HyperDrive.
  4. Accédez au travail d’évaluation gratuite ayant échoué.
  5. Ces travaux doivent contenir un message d’erreur dans la section État de l’onglet Vue d’ensemble indiquant la raison de l’échec. Sélectionnez Voir plus de détails pour obtenir plus d’informations sur l’échec.
  6. Vous pouvez également consulter std_log.txt sous l’onglet Sorties + journaux pour voir des journaux détaillés et des traces d’exceptions.

Si vos exécutions de ML automatisé utilisent des exécutions de pipeline pour les évaluations gratuites, suivez ces étapes pour comprendre l’erreur.

  1. Suivez les étapes 1 à 4 ci-dessus pour identifier le travail d’évaluation gratuite ayant échoué.
  2. Cette exécution doit vous montrer l’exécution du pipeline, et les nœuds ayant échoué dans le pipeline sont signalés en rouge. Diagram that shows a failed pipeline job.
  3. Sélectionnez le nœud ayant échoué dans le pipeline.
  4. Ces travaux doivent contenir un message d’erreur dans la section État de l’onglet Vue d’ensemble indiquant la raison de l’échec. Sélectionnez Voir plus de détails pour obtenir plus d’informations sur l’échec.
  5. Vous pouvez consulter std_log.txt sous l’onglet Sorties + journaux pour voir des journaux détaillés et des traces d’exceptions.

Étapes suivantes