Les techniques qui suivent vous permettront de contourner les problèmes rencontrés avec IBM Watson OpenScale.
- Avec AutoAI, pourquoi est-ce que j'obtiens une erreur de données non concordantes ?
- Pourquoi est-ce que j'obtiens des erreurs lors de la configuration du modèle ?
- Pourquoi mes libellés de classe sont-ils absents avec XGBoost ?
- Pourquoi les analyses de la charge utile ne s'affichent-elles pas correctement ?
- Erreur : une erreur s'est produite lors du calcul de l'importance des caractéristiques
- Pourquoi certains de mes enregistrements de débiaisement actifs sont-ils absents ?
- Watson OpenScale n'affiche aucun schéma disponible
- L'exécution d'un moniteur échoue avec un message d'erreur
OutOfResources exception
Avec AutoAI, pourquoi est-ce que j'obtiens une erreur de données non concordantes ?
Vous recevez un message d'erreur de données non concordantes si vous utilisez AutoAI pour une classification binaire. Notez que AutoAI n'est pris en charge que dans IBM Watson OpenScale for IBM Cloud Pak for Data.
Pour le type de classification binaire, AutoAI définit automatiquement le type de données de la colonne de prédiction à booléen.
Pour remédier à cela, utilisez l'une des solutions suivantes :
- Remplacez les valeurs de la colonne de libellé dans les données d'entraînement par des valeurs entières
comme
0
ou1
en fonction du résultat. - Remplacez les valeurs de la colonne de libellé dans les données d'entraînement par des valeurs chaîne comme
A
etB
.
Pourquoi est-ce que j'obtiens des erreurs lors de la configuration du modèle ?
Les messages d'erreur suivants s'affichent lorsque vous configurez les détails du modèle : La zone feature_fields
référence la colonne <name>
, qui est manquante dans input_schema
du modèle. Fonction introuvable dans le schéma d'entrée.
Les messages précédents dans la section Détails du modèle lors de la configuration indiquent une non-concordance entre le schéma d'entrée du modèle et le schéma de ses données d'entraînement :
Pour résoudre le problème, vous devez déterminer laquelle des conditions suivantes est à l'origine de l'erreur et prendre des mesures correctives : Si vous utilisez IBM watsonx.ai Runtime comme fournisseur d'apprentissage automatique et que le type de modèle est XGBoost/scikit-learn, reportez-vous à la documentation SDKPython de watsonx.ai Runtime pour obtenir des informations importantes sur la manière de stocker le modèle. Pour générer le modèle de détection de dérive, vous devez utiliser scikit-learn version 0.20.2 dans les blocs-notes. Pour tous les autres cas, vous devez vous assurer que les noms des colonnes de données d'entraînement correspondent à ceux des colonnes du schéma d'entrée.
Pourquoi mes libellés de classe sont-ils absents avec XGBoost ?
La classification multi-classe XGBoost native ne renvoie pas les libellés de classe.
Par défaut, pour les modèles binaires et multi-classe, l'infrastructure XGBoost ne renvoie pas les libellés de classe.
Pour les modèles binaires et multi-classe XGBoost, vous devez modifier le modèle pour qu'il renvoie les libellés de classe.
Pourquoi les analyses de la charge utile ne s'affichent-elles pas correctement ?
L'analyse de contenu ne s'affiche pas correctement et le message d'erreur suivant s'affiche: AIQDT0044E Caractère interdit "
dans le nom de la colonne <column name>
Pour un traitement correct de l'analyse de contenu, Watson OpenScale ne prend pas en charge les noms de colonne avec des guillemets (") dans le contenu. Cela concerne à la fois le contenu d'évaluation et les données de retour au format CSV ou JSON.
Retirez les guillemets (") des noms de colonne du fichier de contenu utile.
Erreur : une erreur s'est produite lors du calcul de l'importance des caractéristiques
Vous recevez le message d'erreur suivant lors du traitement : Error: An error occurred while computing feature importance
.
Un signe égal (=) dans le nom de colonne d'un ensemble de données entraîne un problème d'explicabilité.
Supprimez le signe égal (=) du nom de colonne et renvoyez l'ensemble de données pour traitement.
Pourquoi certains de mes enregistrements de débiaisement actifs sont-ils absents ?
Des enregistrements de débiaisement actif n'atteignent pas la table de consignation de la charge utile.
Lorsque vous utilisez l'API de débiaisement actif, vous ne pouvez pas envoyer plus de 1 000 enregistrements à la fois en consignation de la charge utile.
Avec l'API de débiaisement actif, pour éviter une perte de données, vous devez faire l'évaluation par blocs de 1 000 enregistrements ou moins.
Watson OpenScale n'affiche aucun schéma disponible
Lorsqu'un utilisateur tente d'extraire des informations de schéma pour Watson OpenScale, aucune information n'est disponible. Après une tentative de recherche directement dans DB2, sans faire référence à Watson OpenScale, la recherche de schémas disponibles pour l'ID utilisateur de base de données échoue également.
Des autorisations insuffisantes pour l'ID utilisateur de base de données entraînent des problèmes de connexion à la base de données pour Watson OpenScale.
Assurez-vous que l'utilisateur de base de données dispose des autorisations appropriées pour Watson OpenScale.
Une exécution de moniteur échoue avec un message d'erreur OutOfResources exception
Vous recevez un message d'erreur OutOfResources exception
.
Bien qu'il n'y ait plus de limite sur le nombre de lignes que vous pouvez avoir dans le contenu de retour d'informations, l'évaluation du contenu utile ou les tables de contenu métier. la limite de 50 000 s'applique désormais au nombre d'enregistrements qui peuvent être exécutés via les moniteurs de qualité et de biais pour chaque période de facturation.
Lorsque vous avez atteint cette limite, vous devez effectuer une mise à niveau vers un plan Standard ou attendre la prochaine période de facturation.
Déploiements manquants
Un modèle déployé ne s'affiche pas comme un déploiement pouvant être sélectionné pour créer un abonnement.
Il existe différentes raisons pour lesquelles un déploiement ne s'affiche pas dans la liste des modèles déployés disponibles. Si le modèle n'est pas un type de modèle pris en charge car il utilise un algorithme ou une infrastructure non prise en charge, il n'apparaît pas. Il se peut que votre fournisseur d'apprentissage automatique ne soit pas configuré correctement. Il se peut également que des problèmes surviennent au niveau des autorisations.
Pour résoudre ce problème, procédez comme suit :
- Vérifiez que le modèle est un type pris en charge.
- Vérifiez qu'un fournisseur d'apprentissage automatique existe dans la configuration de Watson OpenScale pour l'espace de déploiement spécifique.
- Vérifiez que l'utilisateur
admin
CP4D est autorisé à accéder à l'espace de déploiement.
L'évaluation de Watson OpenScale peut échouer en raison d'un grand nombre d'abonnements
Si une instance Watson OpenScale contient trop d'abonnements, par exemple 100 abonnements, vos évaluations de qualité risquent d'échouer. Vous pouvez afficher les détails de l'échec dans le journal du pod de service de magasin de données qui affiche le message d'erreur suivant:
"Failure converting response to expected model EntityStreamSizeException: actual entity size (Some(8644836)) exceeded content length limit (8388608 bytes)! You can configure this by setting akka.http.[server|client].parsing.max-content-length or calling HttpEntity.withSizeLimit before materializing the dataBytes stream".
Vous pouvez utiliser la commande oc get pod -l component=aios-datamart
pour rechercher le nom du pod. Vous pouvez également utiliser la commande oc logs <pod name>
dans le journal du pod.
Pour corriger cette erreur, vous pouvez utiliser la commande suivante pour augmenter la taille maximale du corps de demande en éditant la variable d'environnement "ADDITIONAL_JVM_OPTIONS"
:
oc patch woservice <release name> -p '{"spec": {"datamart": {"additional_jvm_options":"-Dakka.http.client.parsing.max-content-length=100m"} }}' --type=merge
Le nom de l'édition est "aiopenscale"
si vous ne personnalisez pas le nom de l'édition lors de l'installation de Watson OpenScale.
Microsoft Azure ML Studio
Parmi les deux types de services Web d'apprentissage automatique Azure, seul le type
New
est pris en charge par Watson OpenScale. Le typeClassic
ne l'est pas.Le nom d'entrée par défaut doit être utilisé: dans le service Web Azure , le nom d'entrée par défaut est
"input1"
. Ce champ est actuellement obligatoire pour Watson OpenScale, qui ne peut pas fonctionner si elle manque.Si votre service Web Azure n'utilise pas le nom par défaut, remplacez le nom de la zone d'entrée par
"input1"
, puis redéployez votre service Web et reconfigurez vos paramètres de fournisseur d'apprentissage automatique OpenScale .Si l'appel de Microsoft Azure ML Studio pour afficher les modèles d'apprentissage automatique dépasse le délai d'attente maximum de la réponse, par exemple si vous avez beaucoup de services web, vous devez augmenter les valeurs d'attente maximum. Vous devrez peut-être contourner ce problème en modifiant le paramètre de configuration
/etc/haproxy/haproxy.cfg
:Connectez-vous au noeud de l'équilibreur de charge et mettez à jour
/etc/haproxy/haproxy.cfg
pour remplacer le délai client et serveur de1m
par5m
:timeout client 5m timeout server 5m
Exécutez
systemctl restart haproxy
pour redémarrer l'équilibreur de charge HAProxy .
Si vous utilisez un équilibreur de charge autre que HAProxy, vous devrez peut-être ajuster les valeurs de délai de la même manière.
- Parmi les deux types de services Web d'apprentissage automatique Azure, seul le type
New
est pris en charge par Watson OpenScale. Le typeClassic
ne l'est pas.
Echec du téléchargement des données de retour dans l'abonnement de production après importation des paramètres
Il est possible que vous rencontriez des difficultés pour télécharger des données de retour après avoir importé les paramètres depuis votre espace de préproduction dans votre espace de production. Ce problème se produit lorsque les types de données ne correspondent pas précisément. Lorsque vous importez des paramètres, la table de commentaires fait référence à la table de contenu pour ses types de colonne. Pour éviter ce problème, assurez-vous que le type de valeur le plus précis dans les données de contenu utile figure en premier. Par exemple, vous devez définir les priorités d'un type de données double sur un type de données entier.
Microsoft Azure Machine Learning Service
Lors de l'évaluation de modèle, vous pouvez rencontrer des problèmes lorsque Watson OpenScale ne parvient pas à communiquer avec le service Azure Machine Learning lorsqu'il doit appeler des points d'extrémité d'évaluation de déploiement. Les outils de sécurité qui mettent en application vos politiques de sécurité d'entreprise, tels que Symantec Blue Coat, peuvent empêcher un tel accès.
Watson OpenScale ne parvient pas à créer une nouvelle table Hive pour l'abonnement de déploiement par lots
Lorsque vous choisissez de créer une nouvelle table Apache Hive avec le format Parquet
lors de votre configuration de déploiement par lots Watson OpenScale , l'erreur suivante peut se produire:
Attribute name "table name" contains invalid character(s) among " ,;{}()\\n\\t=". Please use alias to rename it.;
Cette erreur se produit si Watson OpenScale ne parvient pas à exécuter l'opération SQL CREATE TABLE
en raison d'un espace dans un nom de colonne. Pour éviter cette erreur, vous pouvez supprimer tout espace blanc de vos noms de colonne ou remplacer le format Apache Hive par csv
.
La configuration de Watson OpenScale peut échouer avec la base de données Db2 par défaut
Lorsque vous configurez Watson OpenScale et spécifiez la base de données Db2 par défaut, la configuration peut échouer.
Pour résoudre ce problème, vous devez exécuter la commande suivante dans Cloud Pak for Data pour mettre à jour Db2:
db2 update db cfg using DFT_EXTENT_SZ 32
Après avoir exécuté la commande, vous devez créer une nouvelle base de données Db2 pour configurer Watson OpenScale.
Rubrique parent: Traitement des incidents