运行带有异常预测的AutoAI时间序列实验失败

不再支持预测时间序列实验结果异常的功能。 尝试运行现有实验时，会因缺少运行时库而出错。 例如，您可能会看到以下错误：

The selected environment seems to be invalid: Could not retrieve environment. CAMS error: Missing or invalid asset id

由于不支持异常预测的运行时间，这种行为在意料之中。 这个问题没有解决方法。

RAG 实验的AutoAI推断笔记本超出模型限制

有时，在运行为AutoAIRAG 实验生成的推理笔记时，可能会出现此错误：

MissingValue: No "model_limits" provided. Reason: Model <model-nam> limits cannot be found in the model details.

错误表示缺少用于推断实验所用基础模型的标记限值。 要解决问题，请找到函数 "default_inference_function，并将 "get_max_input_tokens替换为模型的最大标记。 例如：

model = ModelInference(api_client=client, **params['model"])
# model_max_input_tokens = get+max_input_tokens(model=model, params=params)
model_max_input_tokens = 4096

您可以在watsonx.ai 支持的基础模型表中找到模型的最大标记值。

使用服务 ID 凭证训练AutoAI实验失败

If you are training an AutoAI experiment using the API key for the serviceID, training might fail with this error:

User specified in query parameters does not match user from token.

解决这个问题的方法之一是使用用户凭据运行实验。 如果要使用服务凭据运行实验，请按照以下步骤更新服务 ID 的角色和策略。

1. 打开您的'serviceID在 "IBM Cloud上 .
2. 使用以下访问策略创建新的serviceID或更新现有 ID：
   • 所有 IAM 账户管理服务，包括 API 密钥审核员、用户 API 密钥创建者、查看器、操作员和编辑器。 理想情况下，他们最好为此创建一个新的 apikey "ServiceId。
3. 更新后的策略如下
4. 使用更新后的serviceID 凭据再次运行培训。

AutoAI时间序列模型的预测请求可能因新观测数据过多而超时

如果传递的新观测值过多，已部署的AutoAI时间序列模型的预测请求可能会超时。 要解决该问题，执行以下其中一个操作：

• 减少新观测数据的数量。
• 添加新的观测数据，扩展用于实验的训练数据。 然后，使用更新的训练数据重新运行AutoAI时间序列实验。

AutoAI 试验的训练数据中的类成员不足

AutoAI 试验的训练数据必须至少具有每个类的 4 个成员。 如果训练数据在类中的成员数不足，那么您将迂到以下错误:

ERROR: ingesting data Message id: AC10011E. Message: Each class must have at least 4 members. The following classes have too few members: ['T'].

要解决此问题，请更新训练数据以除去类或添加更多成员。

使用大数据卷作为输入的批处理部署可能会失败

如果要对使用大量数据作为输入源的批处理作业进行评分，那么该作业可能会因内部超时设置而失败。 此问题的症状可能是类似于以下示例的错误消息:

Incorrect input data: Flight returned internal error, with message: CDICO9999E: Internal error occurred: Snowflake sQL logged error: JDBC driver internal error: Timeout waiting for the download of #chunk49(Total chunks: 186) retry=0.

如果对批处理部署进行评分时发生超时，那么必须配置数据源查询级别超时限制以处理长时间运行的作业。

数据源的查询级别超时信息如下所示:

要避免批处理部署失败，请对数据集进行分区或减小其大小。

文件上载的安全性

您通过watsonx.aiStudio或watsonx.aiRuntime用户界面上传的文件不会被验证或扫描为潜在恶意内容。 建议您在上载之前对所有文件运行安全软件 (例如防病毒应用程序) ，以确保内容的安全性。

升级后，软件规格受限的部署会失败

如果您升级到最新版本的IBM Cloud Pak for Data，并部署在 FIPS 模式下使用受限软件规范创建的 R Shiny 应用程序资产，您的部署将失败。

例如，从IBM Cloud Pak for Data版本4.7.0升级到4.8.4或更高版本后，使用 "shiny-r3.6和 "shiny-r4.2软件规格的部署会失败。 您可能会收到错误消息Error 502 - Bad Gateway。

为了防止部署失败，请更新已部署资产的受限规范以使用最新的软件规范。 有关更多信息，请参阅管理过时的软件规范或框架。 如果您不再需要应用程序部署，您也可以删除它。

在部署空间中为SPSS Modeler流程创建作业失败

在为部署空间中的SPSS Modeler流程配置批处理作业的过程中，数据资产与其各自连接的自动映射可能会失败。

要修复数据资产和连接的自动映射错误，请按照以下步骤操作：

1. 单击创建保存进度并退出新任务配置对话框。

2. 在部署空间中，单击 "作业"选项卡，选择SPSS Modelerflow 作业，查看作业的详细信息。

3. 在任务详细信息页面，单击编辑图标 "，手动更新数据资产和连接的映射。

4. 更新数据资产和连接的映射后，您可以继续在新任务对话框中配置任务设置。 有关更多信息，请参阅为SPSS Modeler流程创建部署作业