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

Problemi noti e limitazioni

Le seguenti limitazioni e problemi noti si applicano a Cloud Pak for Data as a Service.

Elenco dei problemi di IBM Knowledge Catalog

Elenco dei problemi del flusso di mascheramento

Elenco di problemi di Watson Query

Elenco dei problemi dei notebook

Elenco dei problemi di machine learning

Elenco delle limitazioni di machine learning

Elenco dei problemi di Cognos Dashboard Embedded

Elenco di problemi di Watson OpenScale

Elenco dei problemi di SPSS Modeler

Elenco dei problemi di connessione

Problemi con Cloud Object Storage

  • Elenco dei problemi di machine learning
    • Errore con gli asset che utilizzano Watson Machine Learning nei progetti che specificano Cloud Object Storage con Key Protect abilitato.
    • AI automatica
    • Federa apprendimento
    • Watson Pipelines
  • Elenco dei problemi di SPSS Modeler
    • Impossibile salvare il modello nel progetto specificando Cloud Object Storage con Key Protect abilitato.
  • Elenco dei problemi dei notebook
    • Impossibile salvare il modello nel progetto specificando Cloud Object Storage con Key Protect abilitato.

IBM Knowledge Catalog

Se si utilizza IBM Knowledge Catalog, è possibile che si verifichino questi problemi e limitazioni noti quando si utilizzano i cataloghi.

I dati mascherati non sono supportati nelle visualizzazioni dei dati

I dati mascherati non sono supportati nelle visualizzazioni dei dati. Se si tenta di utilizzare i dati mascherati durante la generazione di un grafico nella scheda Visualizzazioni di un asset di dati in un progetto, viene ricevuto il seguente messaggio di errore: Bad Request: Failed to retrieve data from server. Masked data is not supported.

I dati non sono mascherati in alcuni strumenti del progetto

Quando si aggiunge un asset di dati connesso che contiene colonne mascherate da un catalogo a un progetto, le colonne rimangono mascherati quando si visualizzano i dati e quando si perfezionano i dati nello strumento Data Refinery . Tuttavia, altri strumenti nei progetti non conservano il mascheramento quando accedono ai dati tramite una connessione. Ad esempio, quando si caricano i dati connessi in un Notebook, in un flusso DataStage , in un dashboard o in altri strumenti del progetto, si accede ai dati tramite una connessione diretta e si ignora il mascheramento.

Le risorse di governance predefinite potrebbero non essere disponibili

Se non vedi alcuna classificazione o classe di dati predefinita, reinizializza il tuo tenant utilizzando la seguente chiamata API:

curl -X POST "https://api.dataplatform.cloud.ibm.com/v3/glossary_terms/admin/initialize_content" -H "Authorization: Bearer $BEARER_TOKEN" -k

Aggiungi collaboratori con indirizzi email in minuscolo

Quando si aggiungono collaboratori al catalogo, immettere gli indirizzi email con tutte le lettere minuscole. Gli indirizzi email con caratteri misti non sono supportati.

Limitazioni della connessione Object Storage

Quando si guarda una Cloud Object Storage (S3 API) o una connessione Cloudant , la cartella stessa viene elencata come un asset child.

Più operazioni di connessione simultanee potrebbero non riuscire

È possibile che si verifichi un errore quando più utenti eseguono le operazioni di connessione contemporaneamente. Il messaggio di errore può variare.

Impossibile abilitare l'applicazione della regola di protezione dati dopo la creazione di un catalogo

Non è possibile abilitare l'applicazione delle regole di protezione dei dati dopo aver creato un catalogo. Per applicare le regole di protezione dei dati agli asset in un catalogo, è necessario abilitare l'applicazione durante la creazione del catalogo.

Gli asset sono bloccati se la valutazione non riesce

Le seguenti limitazioni si applicano agli asset di dati in un catalogo con politiche applicate: gli asset di dati basati su file che hanno un'intestazione non possono avere nomi colonna duplicati, un punto (.) o virgolette singole (') in un nome colonna.

Se la valutazione non riesce, l'asset viene bloccato per tutti gli utenti tranne che per il proprietario dell'asset. Tutti gli altri utenti visualizzano un messaggio di errore che indica che l'asset di dati non può essere visualizzato perché la valutazione non è riuscita e l'asset è bloccato.

Solo il filtro della classe di dati nei risultati dell'arricchimento dei metadati è sensibile al maiuscolo / minuscolo

Quando si filtrano i risultati dell'arricchimento dei metadati nella scheda Colonna , solo le voci Classe dati sono sensibili al maiuscolo / minuscolo. Le voci nei filtri Termini di business, Schemie Asset sono tutte minuscole, indipendentemente dall'effettivo maiuscolo / minuscolo del valore.

Le opzioni di filtro nei risultati di arricchimento dei metadati potrebbero non essere aggiornate immediatamente

Quando si aggiungono asset, si assegnano nuove classi di dati o termini di business o si rimuovono termini di business, i rispettivi filtri non vengono aggiornati immediatamente. Come soluzione temporanea, aggiornare il browser per vedere gli elenchi di filtri aggiornati.

I dettagli dell'arricchimento per un asset potrebbero non riflettere le impostazioni applicate all'ultima esecuzione dell'arricchimento

Dopo aver modificato le opzioni di arricchimento per un arricchimento dei metadati che è stato eseguito almeno una volta, i dettagli dell'asset potrebbero mostrare le opzioni aggiornate invece delle opzioni applicate nell'ultima esecuzione dell'arricchimento.

Impossibile accedere direttamente alle singole pagine in un asset di arricchimento dei metadati

Se il numero di asset o colonne in un asset di arricchimento dei metadati si estende su diverse pagine, non è possibile andare direttamente a una pagina specifica. L'elenco a discesa dei numeri di pagina è disabilitato. Utilizzare invece i pulsanti Pagina successiva e Pagina precedente .

In alcuni casi, potresti non visualizzare il log completo di un lavoro di arricchimento dei metadati eseguito nell'IU

Se l'elenco di errori in un'esecuzione di arricchimento dei metadati è eccezionalmente lungo, solo una parte del log del lavoro potrebbe essere visualizzata nell'interfaccia utente.

Soluzione temporanea: scaricare l'intero log e analizzarlo in un editor esterno.

Le informazioni sullo schema potrebbero mancare quando si filtrano i risultati dell'arricchimento

Quando si filtrano gli asset o le colonne nei risultati dell'arricchimento sulle informazioni di origine, le informazioni sullo schema potrebbero essere non disponibili.

Soluzione temporanea: rieseguire il lavoro di arricchimento e applicare nuovamente il filtro Origine .

Le regole eseguite sulle colonne di tipo tempo negli asset di dati dall'origine dati Amazon Redshift non restituiscono risultati corretti

Per gli asset di dati da origini dati Amazon Redshift , le colonne di tipo ora vengono importate con tipo data/ora. Non è possibile applicare le regole di qualità dei dati specifiche del tempo a tali colonne.

Scrittura dell'output di arricchimento dei metadati in una versione precedente di Apache Hive rispetto a 3.0.0

Se si desidera scrivere l'output di qualità dei dati generato dall'arricchimento dei metadati in un database Apache Hive con una versione software precedente alla 3.0.0, impostare i seguenti parametri di configurazione nel server Apache Hive :

set hive.support.concurrency=true;
set hive.exec.dynamic.partition.mode=nonstrict;
set hive.txn.manager=org.apache.hadoop.hive.ql.lockmgr.DbTxnManager;
set hive.enforce.bucketing=true;   # (not required for version 2)

set hive.compactor.initiator.on=true;
set hive.compactor.cleaner.on=true;   # might not be available depending on the version
set hive.compactor.worker.threads=1;

Per ulteriori informazioni, consultare Hive Transactions.

Flusso di mascheramento

Se si utilizza il flusso di mascheramento, è possibile che si verifichino questi problemi noti e queste limitazioni quando si privatizzano i dati.

I lavori del flusso di mascheramento potrebbero non riuscire

Durante un lavoro di mascheramento del flusso, Spark potrebbe tentare di leggere tutte le origini dati nella memoria. Gli errori potrebbero verificarsi quando non c'è memoria sufficiente per supportare il lavoro. Il volume massimo di dati che può adattarsi al nodo di elaborazione Spark distribuito più grande è di circa 12GBs.

Problemi relativi al notebook

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

La duplicazione di un notebook non crea un nome univoco nell'interfaccia utente dei nuovi progetti

Quando si duplica un notebook nella nuova interfaccia utente dei progetti, il notebook duplicato non viene creato con un nome univoco.

Impossibile creare asset in account meno recenti

Se stai lavorando in un'istanza di Watson Studio che è stata attivata prima di novembre 2017, potresti non essere in grado di creare asset operativi, come i notebook. Se il pulsante Crea rimane grigio e disabilitato, devi aggiungere il servizio Watson Studio al tuo account dal catalogo dei servizi.

500 errore interno del server ricevuto durante l'avvio di Watson Studio

Raramente, potresti ricevere un errore del server interno HTTP (500) quando avvii Watson Studio. Ciò potrebbe essere causato da un cookie scaduto memorizzato per il browser. Per confermare che l'errore è stato causato da un cookie obsoleto, provare ad avviare Watson Studio in una sessione di navigazione privata (in incognito) o utilizzando un browser diverso. Se è possibile eseguire correttamente l'avvio nel nuovo browser, l'errore è stato causato da un cookie scaduto. Hai una scelta di risoluzioni:

  1. Uscire completamente dal browser per reimpostare il cookie. È necessario chiudere e riavviare l'applicazione, non solo chiudere la finestra del browser. Riavviare l'applicazione browser e avviare Watson Studio per reimpostare il cookie di sessione.
  2. Cancellare i cookie IBM dai dati di navigazione e avviare Watson Studio. Cerca nei dati di navigazione o nelle opzioni di sicurezza nel browser per cancellare i cookie. Tenere presente che la cancellazione di tutti i cookie IBM può influire su altre applicazioni IBM .

Se l'errore 500 persiste dopo aver eseguito una di queste risoluzioni, controlla la pagina di stato per gli incidenti di IBM Cloud che interessano Watson Studio. Inoltre, è possibile aprire un caso di supporto in IBM Cloud portale di supporto.

Errore durante il login

È possibile che venga visualizzato questo messaggio di errore durante il tentativo di accesso a Watson Studio: "Access Manager WebSEAL non è stato in grado di completare la richiesta a causa di un errore imprevisto." Provare a eseguire nuovamente l'accesso. Di solito il secondo tentativo di accesso funziona.

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 stai utilizzando i 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.

L'anteprima degli asset di dati mascherati è bloccata nello spazio di distribuzione * *

Un'anteprima dell'asset di dati potrebbe non riuscire con questo messaggio: This asset contains masked data and is not supported for preview in the Deployment Space

Gli spazi di distribuzione attualmente non supportano il mascheramento dei dati, pertanto l'anteprima per gli asset mascherati è stata bloccata per evitare perdite di dati.

I lavori di distribuzione batch che utilizzano un payload inline di grandi dimensioni potrebbero bloccarsi nello stato starting o running

Se si fornisce un grande payload asincrono per la distribuzione batch inline, il processo del gestore runtime potrebbe esaurire la memoria heap.

Nel seguente esempio, 92 MB di payload sono stati passati in linea alla distribuzione batch che ha causato l'esaurimento della memoria nell'heap.

Uncaught error from thread [scoring-runtime-manager-akka.scoring-jobs-dispatcher-35] shutting down JVM since 'akka.jvm-exit-on-fatal-error' is enabled for ActorSystem[scoring-runtime-manager]
java.lang.OutOfMemoryError: Java heap space
	at java.base/java.util.Arrays.copyOf(Arrays.java:3745)
	at java.base/java.lang.AbstractStringBuilder.ensureCapacityInternal(AbstractStringBuilder.java:172)
	at java.base/java.lang.AbstractStringBuilder.append(AbstractStringBuilder.java:538)
	at java.base/java.lang.StringBuilder.append(StringBuilder.java:174)
   ...

Ciò potrebbe causare il blocco dei lavori simultanei nello stato starting o running . Lo stato starting può essere cancellato solo una volta eliminata la distribuzione e creata una nuova distribuzione. Lo stato running può essere cancellato senza eliminare la distribuzione.

Come soluzione temporanea, utilizzare i riferimenti ai dati invece di inline per i payload di grandi dimensioni forniti alle distribuzioni batch.

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 qualsiasi carattere 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.

L'impostazione delle variabili di ambiente in un file conda yaml non funziona per le distribuzioni

L'impostazione delle variabili di ambiente in un file yaml conda non funziona per le distribuzioni. Ciò significa che non è possibile sovrascrivere le variabili di ambiente esistenti, ad esempio LD_LIBRARY_PATH, durante la distribuzione degli asset in Watson Machine Learning.

Come soluzione temporanea, se stai utilizzando una funzione Python , considera l'impostazione dei parametri predefiniti. Per i dettagli, consulta Distribuzione delle funzioni Python.

Problemi di Cognos Dashboard Embedded

È possibile che si verifichino alcuni di questi problemi quando si utilizza un Cognos Dashboard Embedded.

I file CSV contenenti nomi colonna duplicati non sono supportati

Cognos Dashboard Embedded non supporta file CSV che contengono nomi di colonna duplicati. I duplicati non sono sensibili al maiuscolo / minuscolo. Ad esempio, BRANCH_NAME, branch_namee Branch_Name sono considerati nomi colonna duplicati.

I pannelli di controllo Cognos possono utilizzare solo connessioni dati create con credenziali nome utente e password

Cognos Dashboard Embedded richiede che le connessioni al database e gli asset di dati connessi aggiunti come origini dati a un dashboard includano credenziali nome utente e password.

Se queste credenziali non vengono specificate nella connessione e viene utilizzato un token o una chiave API, Cognos Dashboard Embedded non può utilizzare tale connessione o l'asset di dati connesso come origine dati.

Tipo di dati non corretto visualizzato per gli asset di dati rifiniti

Dopo aver importato un file CSV, se si fa clic sul file importato nella pagina Panoramica sugli asset di dati , i tipi di alcune colonne potrebbero non essere visualizzati correttamente. Ad esempio, un dataset di un report di società con una colonna denominata Ricavo che contiene il ricavo della società potrebbe essere visualizzato come tipo Stringa, invece di un tipo di dati orientato al numero che è più logico.

Caratteri speciali non supportati nei file CSV

Il nome del file CSV di origine può contenere caratteri non alfanumerici. Tuttavia, il nome file CSV non può contenere i caratteri speciali / : & < . \ ". Se il nome file contiene questi caratteri, vengono rimossi dal nome tabella.

Importante: i nomi delle colonne della tabella nel file CSV di origine non possono contenere nessuno dei caratteri speciali non supportati. Tali caratteri non possono essere rimossi perché il nome nel modulo dati deve corrispondere al nome della colonna nel file di origine. In questo caso, rimuovere i caratteri speciali nei nomi colonna per abilitare l'uso dei dati in un dashboard.

I valori stringa nei file CSV sono limitati a 128 caratteri

I valori di stringa in una colonna nel file CSV di origine possono essere lunghi solo 128 caratteri. Se il file CSV contiene colonne di stringhe con valori più lunghi, viene visualizzato un messaggio di errore.

Limitazioni del formato della data nei file CSV

Esistono limitazioni del formato della data per i file CSV utilizzati nelle visualizzazioni. Per i dettagli, consultare Risoluzione dei problemi durante l'utilizzo dei dati dai file CSV in Cognos Dashboard Embedded.

Impossibile sostituire una tabella dati in una visualizzazione

Quando si aggiunge una visualizzazione a un dashboard, non è possibile aggiungere una tabella di dati alla visualizzazione se sono stati precedentemente aggiunti (e quindi rimossi) campi di dati da un'altra tabella di dati. Questa limitazione si applica a Db2, tabelle CSV e altre origini dati.

Funzioni di Cognos Analytics non supportate

La seguente funzionalità di IBM Cognos Analytics non è supportata nei dashboard:

  • Raggruppamento dati
  • Tavolozze di colori personalizzate
  • visualizzazioni personalizzate
  • Assistente
  • Previsione
  • Informazioni dettagliate nella visualizzazione
  • Visualizzazione notebook Jupyter
  • Analisi avanzata dei dati

Problemi Watson OpenScale

Potresti riscontrare i seguenti problemi in Watson OpenScale:

La configurazione della deviazione inizia ma non si arresta mai

La configurazione della deviazione inizia ma non si arresta mai e continua a mostrare l'icona spinner. Se la casella di selezione viene eseguita per più di 10 minuti, è possibile che il sistema venga lasciato in uno stato incongruente. C'è una soluzione temporanea per questo comportamento: modificare la configurazione della deviazione. Quindi, salvarla. Il sistema potrebbe uscire da questo stato e completare la configurazione. Se la riconfigurazione della deviazione non correggesse la situazione, contattare il supporto IBM .

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 è configurato per l'autenticazione LDAP, il metodo di autenticazione nome utente e password in Cloud Pak for Data as a Service non funzionerà.

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.

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