Den här artikeln innehåller svar på vanliga felsökningsfrågor om tjänsten Personanpassare.
Konfigurationsproblem
Jag ändrade en konfigurationsinställning och nu fungerar inte min loop på samma utbildningsnivå. Vad hände?
Vissa konfigurationsinställningar återställer modellen. Konfigurationsändringar bör planeras noggrant.
När jag konfigurerade Personanpassare med API:et fick jag ett felmeddelande. Vad hände?
Om du använder en enda API-begäran för att konfigurera tjänsten och ändra ditt inlärningsbeteende får du ett felmeddelande. Du måste göra två separata API-anrop: först för att konfigurera din tjänst och sedan växla inlärningsbeteende.
Transaktionsfel
Jag får ett HTTP 429-svar (för många begäranden) från tjänsten. Vad kan jag göra?
Om du valde en kostnadsfri prisnivå när du skapade instansen för Personanpassare finns det en kvotgräns för antalet Rank-begäranden som tillåts. Granska ditt API-anropspris för Rank-API:et (i fönstret Mått i Azure Portal för din personanpassarresurs) och justera prisnivån (i fönstret Prisnivå) om anropsvolymen förväntas öka utöver tröskelvärdet för den valda prisnivån.
Jag får ett 5xx-fel i RANKNING eller belönings-API:er. Vad ska jag göra?
Dessa problem bör vara transparenta. Om de fortsätter kontaktar du supporten genom att välja Ny supportbegäran i avsnittet Support + felsökning i Azure Portal för din personanpassarresurs.
Learning loop
Inlärningsloopen uppnår inte en 100 % matchning av systemet utan Personanpassare. Hur gör jag för att åtgärda detta?
Orsakerna till att du inte uppnår ditt mål med utbildningsloopen:
- Det finns inte tillräckligt med funktioner som skickas med Rank API-anrop
- Buggar i de funktioner som skickas – till exempel att skicka icke-aggregerade funktionsdata, till exempel tidsstämplar till Rank-API:et
- Buggar med loopbearbetning – till exempel att inte skicka belöningsdata till belönings-API:et för händelser
För att åtgärda det måste du ändra bearbetningen genom att antingen ändra de funktioner som skickas till loopen eller se till att belöningen är en korrekt utvärdering av kvaliteten på rankningens svar.
Inlärningsloopen verkar inte lära sig. Hur gör jag för att åtgärda detta?
Inlärningsloopen behöver några tusen belöningsanrop innan rankningsanrop prioriteras effektivt.
Om du är osäker på hur din utbildningsloop fungerar för närvarande kör du en offlineutvärderingoch tillämpar den korrigerade inlärningsprincipen.
Jag får rangordnade resultat med samma sannolikheter för alla objekt. Hur gör jag för att vet du att Personanpassare lär sig?
Personanpassare returnerar samma sannolikheter i ett Rank API-resultat när det precis har startat och har en tom modell, eller när du återställer Loop för personanpassare och din modell fortfarande är inom din period för modelluppdateringsfrekvens.
När den nya uppdateringsperioden börjar används den uppdaterade modellen och sannolikhetsändringen visas.
Inlärningsloopen lärde sig men verkar inte lära sig längre och kvaliteten på rankningsresultatet är inte så bra. Vad ska jag göra?
- Kontrollera att du har slutfört och tillämpat en utvärdering i Azure Portal för den personanpassarresursen (utbildningsloop).
- Se till att alla förmåner skickas, via belönings-API:et, och bearbetas.
Hur gör jag för att vet att inlärningsloopen uppdateras regelbundet och används för att poängse mina data?
Du hittar den tid då modellen senast uppdaterades på sidan Modell och Learning Inställningar i Azure Portal. Om du ser en gammal tidsstämpel beror det förmodligen på att du inte skickar anropen rankning och belöning. Om tjänsten inte har några inkommande data uppdateras inte inlärningen. Om du ser att inlärningsloopen inte uppdateras tillräckligt ofta kan du redigera loopens modelluppdateringsfrekvens.
Offlineutvärderingar
En offlineutvärderings funktions prioritet returnerar en lång lista med hundratals eller tusentals objekt. Vad hände?
Detta beror vanligtvis på tidsstämplar, användar-ID:er eller andra finkorniga funktioner som skickas in.
Jag skapade en offlineutvärdering och den lyckades nästan omedelbart. Vad beror det på? Ser jag inga resultat?
Offlineutvärderingen använder tränade modelldata från händelserna under den tidsperioden. Om du inte skickade några data under tidsperioden mellan start- och sluttiden för utvärderingen slutförs de utan resultat. Skicka en ny offlineutvärdering genom att välja ett intervall med händelser som du vet skickades till Personanpassaren.
Utbildningsprincip
Hur gör jag för att importera en utbildningsprincip?
Läs mer om att lära dig principbegrepp och hur du tillämpar en ny utbildningsprincip. Om du inte vill välja en utbildningsprincip kan du använda offlineutvärderingen för att föreslå en utbildningsprincip baserat på dina aktuella händelser.
Säkerhet
API-nyckeln för min loop har komprometterats. Vad kan jag göra?
Du kan återskapa en nyckel när du har växlat dina klienter för att använda den andra nyckeln. Med två nycklar kan du sprida nyckeln på ett latt sätt utan att behöva ha någon avbrottstid. Vi rekommenderar att du gör detta regelbundet som en säkerhetsåtgärd.