針對自動化 ML 實驗進行疑難排解

適用於：Azure CLI ml 延伸模組 v2 (目前)Python SDK azure-ai-ml v2 (目前)

在本指南中，了解如何識別和解決自動化機器學習實驗中的問題。

針對工作室中適用於影像和 NLP 的自動化 ML 進行疑難排解

如果適用於影像和 NLP 的自動化 ML 發生作業失敗，您可以使用下列步驟來了解錯誤。

1. 在工作室 UI 中，AutoML 作業應該會有失敗訊息，並指出失敗原因。
2. 如需詳細資訊，請移至此 AutoML 作業的子作業。 這個子執行是 HyperDrive 作業。
3. 在 [試用] 索引標籤中，您可以檢查為此 HyperDrive 執行所進行的所有試用。
4. 移至失敗的試用作業。
5. 這些作業應該會在 [概觀] 索引標籤的 [狀態] 區段中有錯誤訊息，並指出失敗原因。 選取 [查看更多詳細資料] 以取得失敗的詳細資料。
6. 此外，您還可以在 [輸出 + 記錄] 索引標籤中檢視 std_log.txt，以查看詳細記錄和例外狀況追蹤。

如果您的自動化 ML 執行使用管線執行來進行試用，請遵循下列步驟來了解錯誤。

1. 遵循上面的步驟 1-4 來識別失敗的試用作業。
2. 此執行應該會向您顯示管線執行，且管線中的失敗節點會標示為紅色。
3. 選取管線中的失敗節點。
4. 這些作業應該會在 [概觀] 索引標籤的 [狀態] 區段中有錯誤訊息，並指出失敗原因。 選取 [查看更多詳細資料] 以取得失敗的詳細資料。
5. 您可以在 [輸出 + 記錄] 索引標籤中查看 std_log.txt，以查看詳細記錄和例外狀況追蹤。

下一步

• 使用自動化機器學習來定型電腦視覺模型。
• 使用自動化機器學習對自然語言處理模型進行定型。