0 / 0
Torna alla versione inglese della documentazione
Problemi e limitazioni noti

Problemi e limitazioni noti

Le seguenti limitazioni e problemi noti si applicano a watsonx.

Problemi relativi al notebook

Potresti riscontrare alcuni di questi problemi durante l'introduzione e l'utilizzo dei notebook.

L'installazione manuale di alcune librerie tensor non è supportata

Alcune librerie di flusso tensor sono preinstallate, ma se si tenta di installare altre librerie di flusso tensor, si riceve un errore.

La connessione al kernel del notebook sta impiegando più tempo del previsto dopo l'esecuzione di una cella di codice

Se si tenta di riconnettersi al kernel e si esegue immediatamente una cella di codice (o se la riconnessione del kernel si è verificata durante l'esecuzione del codice), il notebook non si riconnette al kernel e non viene visualizzato alcun output per la cella di codice. È necessario riconnettersi manualmente al kernel facendo clic su Kernel > Riconnetti. Quando il kernel è pronto, è possibile provare a eseguire nuovamente la cella di codice.

L'uso dell'oggetto sqlContext predefinito in più notebook causa un errore

Potresti ricevere un errore Apache Spark se utilizzi l'oggetto sqlContext predefinito in più notebook. Creare un nuovo oggetto sqlContext per ogni notebook. Vedi questa spiegazione di Stack Overflow.

Messaggio di connessione non riuscita

Se il kernel si arresta, il notebook non viene più salvato automaticamente. Per salvarlo, fare clic su File > Salva manualmente e si dovrebbe ottenere un messaggio Notebook salvato nell'area delle informazioni del kernel, che appare prima della versione Spark. Se si riceve un messaggio che indica che il kernel non è riuscito, per riconnettere il notebook al kernel, fare clic su Kernel > Riconnetti. Se non si riavvia il kernel e non è possibile salvare il notebook, è possibile scaricarlo per salvare le proprie modifiche facendo clic su File > Scarica come > Notebook (.ipynb). Quindi, è necessario creare un nuovo notebook basato sul file del notebook scaricato.

Impossibile collegarsi al kernel del notebook

Se si tenta di eseguire un notebook e viene visualizzato il messaggio Connecting to Kernel, seguito da Connection failed. Reconnecting e infine da un messaggio di errore di connessione non riuscita, il motivo potrebbe essere che il firewall sta bloccando l'esecuzione del notebook.

Se Watson Studio è installato dietro un firewall, devi aggiungere la WebSocket wss://dataplatform.cloud.ibm.com alle impostazioni del firewall. L'abilitazione di questa connessione WebSocket è richiesta quando si utilizzano notebook e RStudio.

Errore di risorse disponibili insufficienti durante l'apertura o la modifica di un notebook

Se viene visualizzato il seguente messaggio quando si apre o si modifica un notebook, il runtime dell'ambiente associato al notebook presenta problemi di risorse:

Insufficient resources available
A runtime instance with the requested configuration can't be started at this time because the required hardware resources aren't available.
Try again later or adjust the requested sizes.

Per trovare la causa, prova a controllare la pagina di stato per gli incidenti IBM Cloud che interessano Watson Studio. Puoi inoltre aprire un caso di supporto nel portale di supporto IBM Cloud .

Problemi di machine learning

Potresti riscontrare alcuni di questi problemi quando lavori con gli strumenti di machine learning.

Requisiti regione

È possibile solo associare un'istanza del servizio Watson Machine Learning al progetto quando l'istanza del servizio Watson Machine Learning e l'istanza Watson Studio si trovano nella stessa regione.

Accesso ai link se si crea un'istanza del servizio durante l'associazione di un servizio a un progetto

Mentre si associa un servizio Watson Machine Learning a un progetto, è possibile creare una nuova istanza del servizio. Se si sceglie di creare un nuovo servizio, i link nella pagina del servizio potrebbero non funzionare. Per accedere ai termini del servizio, alle API e alla documentazione, fare clic con il pulsante destro del mouse sui link per aprirli in nuove finestre.

Gli asset di apprendimento federato non possono essere ricercati in Tutti gli asset, i risultati della ricerca o i risultati del filtro nella UI dei nuovi progetti

Non è possibile ricercare gli asset di apprendimento federato dalla vista Tutti gli asset , i risultati della ricerca o i risultati del filtraggio del progetto.

Soluzione temporanea: fare clic sull'asset Federated Learning per aprire lo strumento.

Problemi di installazione

  • Una distribuzione che è inattiva (nessun punteggio) per un periodo di tempo impostato (24 ore per il piano gratuito o 120 ore per un piano a pagamento) viene automaticamente sospesa. Quando viene inoltrata una nuova richiesta di calcolo del punteggio, la distribuzione viene riattivata e la richiesta di punteggio viene soddisfatta. Aspettati un breve ritardo da 1 a 60 secondi per la prima richiesta di punteggio dopo l'attivazione, a seconda del framework di modello.
  • Per alcuni framework, come il modeler SPSS , la prima richiesta di punteggio per un modello distribuito dopo la sospensione potrebbe causare un errore 504. Se ciò si verifica, inoltrare nuovamente la richiesta; le richieste successive dovrebbero avere esito positivo.

Limitazioni di Watson Machine Learning

Limitazioni note di AutoAI

  • Attualmente, gli esperimenti AutoAI non supportano le serie di caratteri a doppio byte. AutoAI supporta solo file CSV con caratteri ASCII. Gli utenti devono convertire tutti i caratteri non ASCII nel nome file o nel contenuto e fornire i dati di input come CSV come definito in questo standard CSV.

  • Per interagire in modo programmatico con un modello AutoAI , utilizza l'API REST invece del client Python . Le API per il client Python richieste per supportare AutoAI non sono generalmente disponibili al momento.

Modulo dati non trovato in IBM Federated Learning

Il gestore dati per IBM Federated Learning sta tentando di estrarre un modulo dati dalla libreria FL ma non è in grado di trovarlo. Potrebbe essere visualizzato il seguente messaggio di errore:

ModuleNotFoundError: No module named 'ibmfl.util.datasets'

Il problema potrebbe derivare dall'utilizzo di DataHandlerobsoleto. Esaminare e aggiornare il DataHandler per conformarlo alla specifica più recente. Di seguito è riportato il link al gestore dati MNIST più recente o verificare che le versioni di esempio siano aggiornate.

Problemi relativi a SPSS Modeler

Alcuni di questi problemi potrebbero verificarsi quando si utilizza SPSS Modeler.

Limitazioni di runtime di SPSS Modeler

Watson Studio non include la funzionalità SPSS in Perù, Ecuador, Colombia e Venezuela.

Unisci i caratteri nodo e unicode

Il nodo Unione tratta i seguenti caratteri giapponesi molto simili come lo stesso carattere.
Caratteri giapponesi

Problemi di connessione

Potresti riscontrare questo problema quando gestisci le connessioni.

Cloudera Impala non funziona con autenticazione LDAP

Se si crea una connessione a una origine dati Cloudera Impala e il server Cloudera Impala viene impostato per l'autenticazione LDAP, il metodo di autenticazione nome utente e password in IBM watsonx non funzionerà correttamente.

Soluzione: disabilitare l'opzione Abilita autenticazione LDAP sul server Impala . Consultare Configurazione dell'autenticazione LDAP nella documentazione di Cloudera .

Problemi noti di Watson Pipelines

I problemi riguardano Watson Pipelines.

La nidificazione di loop di più di 2 livelli può causare un errore di pipeline

La nidificazione di più di 2 livelli può causare un errore quando si esegue la pipeline, come ad esempio Errore durante il richiamo dell'esecuzione. La revisione dei log può mostrare un errore come text in text not resolved: neither pipeline_input nor node_output. Se si sta effettuando un loop con l'output da uno script Bash, il log potrebbe elencare un errore simile al seguente: PipelineLoop can't be run; it has an invalid spec: non-existent variable in $(params.run-bash-script-standard-output). Per risolvere il problema, non nidificare più di 2 livelli.

Il browser degli asset non riflette sempre il conteggio per i numeri totali del tipo di asset

Quando si seleziona un asset dal browser di asset, ad esempio la scelta di un'origine per un nodo Copia, si nota che alcuni asset elencano il numero totale di quel tipo di asset disponibile, ma non i notebook. Questa è una limitazione attuale.

Impossibile eliminare le versioni della pipeline

Attualmente, non puoi eliminare le versioni salvate delle pipeline che non ti servono più.

L'eliminazione di un esperimento AutoAI non riesce in alcune condizioni

Utilizzando un nodo Elimina esperimento AutoAI per eliminare un esperimento AutoAI creato dalla UI Progetti, l'asset AutoAI non viene eliminato. Tuttavia, il resto del flusso può essere completato correttamente.

La cache è abilitata ma non è abilitata

Se la modalità di copia del nodo Pipelines Copia asset è impostata su Overwrite, la cache viene visualizzata come abilitata ma rimane disabilitata.

Limitazioni di Watson Pipelines

Queste limitazioni si applicano a Watson Pipelines.

Limiti pipeline singola

Queste limitazioni si applicano a una singola pipeline, indipendentemente dalla configurazione.

  • Qualsiasi singola pipeline non può contenere più di 120 nodi standard
  • Qualsiasi pipeline con un loop non può contenere più di 600 nodi in tutte le iterazioni (ad esempio, 60 iterazioni - 10 nodi ciascuno)

Limitazioni per dimensione di configurazione

Configurazione minima

Una configurazione SMALL supporta 600 nodi standard (tra tutte le pipeline attive) o 300 nodi eseguiti in un loop. Ad esempio:

  • 30 pipeline standard con 20 nodi eseguiti in parallelo = 600 nodi standard
  • 3 pipeline contenenti un loop con 10 iterazioni e 10 nodi in ogni iterazione = 300 nodi in un loop

Configurazione consigliata

Una configurazione MEDIUM supporta 1200 nodi standard (su tutte le pipeline attive) o 600 nodi eseguiti in un loop. Ad esempio:

  • 30 pipeline standard con 40 nodi eseguiti in parallelo = 1200 nodi standard
  • 6 pipeline contenenti un loop con 10 iterazioni e 10 nodi in ogni iterazione = 600 nodi in un loop

Configurazione ottimale

Una configurazione LARGE supporta 4800 nodi standard (su tutte le pipeline attive) o 2400 nodi eseguiti in un loop. Ad esempio:

  • 80 pipeline standard con 60 nodi eseguiti in parallelo = 4800 nodi standard
  • 24 pipeline contenenti un loop con 10 iterazioni e 10 nodi in ogni iterazione = 2400 nodi in un loop

Limiti della dimensione di input e output

I valori di input e output, che comprendono i parametri della pipeline, le variabili utente e gli input e gli output generici del nodo, non possono superare i 10 KB di dati.

Input batch limitato agli asset di dati

Attualmente, l'input per i lavori di distribuzione batch è limitato agli asset di dati. Ciò significa che alcuni tipi di distribuzioni, che richiedono l'input JSON o più file come input, non sono supportati. Ad esempio, i modelli SPSS e soluzioni Decision Optimization che richiedono più file come input non sono supportati.

Problemi con Cloud Object Storage

Questi problemi si applicano all'utilizzo di Cloud Object Storage.

Problemi con Cloud Object Storage quando Key Protect è abilitato

Key Protect insieme a Cloud Object Storage non è supportato per l'utilizzo con asset Watson Machine Learning . Se si utilizza Key Protect, potrebbero verificarsi questi problemi quando si utilizzano gli asset in Watson Studio.

  • La formazione o il salvataggio di questi asset di Watson Machine Learning potrebbe non riuscire:
    • AI automatica
    • Apprendimento federato
    • Watson Pipelines
  • Potrebbe non essere possibile salvare un modello SPSS o un modello notebook in un progetto

Problemi con watsonx.governance

Ritardo nella visualizzazione dei dati di distribuzione del modello di prompt in una scheda informativa

Quando viene creata una distribuzione per un modello di richiesta, i fatti per la distribuzione non vengono aggiunti immediatamente al foglio di informazioni. È necessario prima valutare la distribuzione o visualizzare la pagina di traccia del ciclo di vita per aggiungere i fatti al factsheet.

Visualizza problemi per gli utenti del foglio factsheet esistenti

Se in precedenza sono stati utilizzati i fogli di factsheet con IBM Knowledge Catalog e si crea un nuovo caso di utilizzo AI in watsonx.governance, potrebbero essere visualizzati alcuni problemi di visualizzazione, come ad esempio campi di livello di rischio duplicati nella sezione Informazioni generali e dettagli dell'interfaccia del caso di utilizzo AI.

Per risolvere problemi di visualizzazione, aggiornare la definizione del tipo di asset model_entry_user . Per i dettagli sull'aggiornamento programmatico di un caso di utilizzo, consultare Personalizzazione dei dettagli per un caso di utilizzo o un factsheet.

Collegamenti allegati ridondanti nel factsheet

Un factsheet tiene traccia di tutti gli eventi per un asset in tutte le fasi del ciclo di vita. Gli allegati vengono visualizzati in ogni fase, creando una certa ridondanza nel factsheet.

Ricerca e risposta AI generativa
Queste risposte sono generate da un modello di lingua di grandi dimensioni in watsonx.ai basato sul contenuto della documentazione del prodotto. Ulteriori informazioni