Fehlerbehebung bei Watson OpenScale

Meine Modellauswertungen schlagen fehl

Wenn Sie die Mindestanzahl von Nutzdatendatensätzen für Modellauswertungen angeben, werden die Auswertungen nicht erfolgreich ausgeführt und können die erwarteten Metriken nicht erstellen. Das Fenster Auswertung in Ihrem Dashboard zeigt entweder Metriken aus der letzten erfolgreichen Auswertung oder eine Fehlernachricht an.

Die Leistung der Auswertungen kann durch die Latenz beeinflusst werden, die während der Verarbeitung der Nutzdatenprotokolldaten auftritt.

Um dieses Problem zu beheben, können Sie die Rate der Scoring-Anforderungen verlangsamen, indem Sie einen der folgenden Schritte ausführen, um Massenscoring-Anforderungen zu senden:

Wenn Sie das IBM Watson Machine Learning Python SDKverwenden, können Sie mehrere Anforderungswerte an das Array values anhängen, wie im folgenden Beispiel gezeigt:

scoring_payload = {wml_client.deployments.ScoringMetaNames.INPUT_DATA:
       [{'fields':
           ['GENDER','AGE','MARITAL_STATUS','PROFESSION'],
           'values': [
               ['M',24,'Single','Student'],
               ['F',21,'Single','Retail'],
               ...
               ['M',40,'Married','Retail']
               ]
        }
      ]}
predictions = client.deployments.score(deployment_id, scoring_payload)

Wenn Sie das Watson OpenScale Python SDKverwenden, können Sie mehrere Anforderungswerte an das Array values im Argument request anhängen. Hängen Sie anschließend die entsprechenden Mehrfachantwortwerte an das Array values im Argument response an, wie im folgenden Beispiel gezeigt:

store_record_info = client.data_sets.store_records(
      request_body=[PayloadRecord(
           scoring_id='42e62c3ae2244f0d851009dec4754d74',
           request={
              'fields': ['GENDER','AGE','MARITAL_STATUS','PROFESSION'],
              'values': [
                  ['M',24,'Single','Student'],
                  ['F',21,'Single','Retail'],
                  ...
                  ['M',40,'Married','Retail']
                  ]
              },
           response={
              'fields': ['probability', 'prediction'],
              'values': [
                  [[0.9800331274776278, 0.01996687252237212], True],
                  [[0.7256561304103799, 0.2743438695896201], False],
                  ...
                  [[0.9998955605441558, 0.00010443945584419821], False]
                  ]
              },
           response_time=4600
       )],
      data_set_id='997b1474-00d2-4g05-ac02-287ebfc603b5',
  )

Durch das Senden von Scoring-Massenanforderungen können Sie die Scoring-Anforderungen verlangsamen, indem Sie beispielsweise 10 Sekunden Scoring-Anforderungen gleichzeitig senden, anstatt jede Sekunde eine kleine Anforderung zu senden.

Ich kann die Überwachungsmetriken nicht sehen, wenn meine Bewertung abgeschlossen ist

Nachdem die Auswertung erfolgreich ausgeführt wurde, werden die Metriken für Fairness, Qualität und Driftüberwachung nicht im Dashboard angezeigt.

Die Metriken werden möglicherweise nicht angezeigt, weil die Ereignisse, die sich auf die Auswertungen beziehen, möglicherweise im internen Warteschlangenservice blockiert sind.

Zur Behebung dieses Problems können Sie die Pods des Datamart-Service erneut starten, indem Sie die folgenden Schritte ausführen:

1. Überprüfen Sie die Datamart-Service-Pods, indem Sie den folgenden Befehl ausführen:

   oc get pod -l release=<your openscale release name>,component=aios-datamart
   

   Die Pods werden mit den Bezeichnungen component=aios-datamart und release=<your openscale release name> angegeben. Der Releasename wird normalerweise als aiopenscale oder wos-cr angegeben, wenn Sie während der Installation keinen angepassten Releasenamen angeben.

2. Starten Sie die Pods erneut, indem Sie den folgenden Befehl ausführen:

   oc delete pod -l release=<your openscale release name>,component=aios-datamart
   

3. Zeigen Sie den aktuellen Status der Pods an, indem Sie den Befehl oc get pod -l release=,component=aios-datamart wie im folgenden Beispiel gezeigt ausführen:

   NAME                                           READY   STATUS    RESTARTS   AGE
   aiopenscale-ibm-aios-datamart-858c4ccd-4dcvb   1/1     Running   0          14h
   

Warum schlägt mein Spark-Job fehl?

Sie führen eine Modellevaluierung aus und ein Spark-Job schlägt fehl.

Ein Spark-Job kann fehlschlagen, weil die Ressourcenquote für die Spark-Instanz nicht ausreicht, um den Spark-Job auszuführen.

Wenn dieses Problem auftritt, können Sie das Ressourcenkontingent für die Spark-Instanz erhöhen. Führen Sie die folgenden Schritte aus, um das Ressourcenkontingent zu erhöhen:

1. Rufen Sie zuerst die URL der Spark-Instanz ab, indem Sie zur Detailseite der Spark-Instanz im Cluster Cloud Pak for Data wechseln.

   • Wenn Sie eine Spark 4.0 -Instanz verwenden, ist https://<CLUSTER_HOST>/v2/spark/v3/instances/<INSTANCE_ID> die Spark-Instanz-URL, die CLUSTER_HOST und INSTANCE_ID für Ihren Cluster und Ihre Instanz ersetzt.
   • Wenn Sie keine Spark 4.0 -Instanz verwenden, ist https://<CLUSTER_HOST>/ae/spark/v2/<INSTANCE_ID> die Spark-Instanz-URL, die Ihren Cluster und Ihre Instanz in CLUSTER_HOST und INSTANCE_ID ersetzt.

2. API-Schlüssel für die Authentifizierung bei Cloud Pak for Data -APIs generieren. Weitere Informationen finden Sie unter API-Berechtigungstoken generieren.

3. Führen Sie den folgenden Befehl aus, um das vorhandene Ressourcenkontingent abzurufen:

   curl -iX GET -ivk -H "Content-Type: application/json" -H "Authorization: Bearer ${TOKEN}" <INSTANCE_URL>
   

4. Aktualisieren Sie das Ressourcenkontingent.

   Wenn Sie eine Spark 4.0 -Instanz verwenden, aktualisieren Sie das Ressourcenkontingent mit dem folgenden Befehl:

  curl -i -X PUT \
        -H "Accept:application/json" \
        -H "Authorization: Bearer ${TOKEN}" \
        -H "Content-Type:application/json" \
        -d \
   '{
          "max_cores": 40,
          "max_memory": 80
   } \
       <INSTANCE_URL>/resource_consumption_limits

Wenn Sie keine Spark 4.0 -Instanz verwenden, aktualisieren Sie das Ressourcenkontingent, indem Sie den folgenden Befehl ausführen:

curl -i -X PUT \
         -H "Accept:application/json" \
         -H "Authorization: ZenApiKey ${TOKEN}" \
         -H "Content-Type:application/json" \
         -d \
   '{
            "cpu_quota": 40,
            "memory_quota": "80g"
   } \
         <INSTANCE_URL>/resource_quota

Ich kann ein Db2 -Notebook für die allgemeine Konfiguration nicht ausführen

Wenn Sie das Db2 -Konfigurationsnotizbuch ausführen, schlägt mindestens eine Zelle mit dem folgenden Ausnahmebedingungsfehler fehl:

Caused by: javax.net.ssl.SSLHandshakeException: The server selected protocol version TLS11 is not accepted by client preferences [TLS12]

Dieser Fehler tritt auf, weil der Client (der Spark-Job) versucht, mit dem Server Db2über ein TLS-Protokoll (Transport Layer Security) zu kommunizieren, das vom Server nicht unterstützt wird.

Um dieses Problem zu beheben, aktualisieren Sie die Einstellung SSL_VERSIONS in Ihrer Datenbank. Wenn dieser Fehler auftritt, verwendet der Client normalerweise TLS Version 1.2 und der Server unterstützt nur TLS Version 1.1. In diesem Fall können Sie Ihre Db2 Konfiguration mit dem folgenden Befehl aktualisieren. In diesem Beispiel referenziert TLSV12 TLS Version 1.2:

db2 update dbm cfg using SSL_VERSIONS TLSV12

Der Benutzer, der diesen Befehl ausführt, muss Administratorzugriff haben. Dies ist häufig db2inst1. Führen Sie den Befehl aus, nachdem alle Anwendungen, die den Db2 -Server verwenden, gestoppt wurden. Zur Behebung dieses Problems können Sie die folgenden Befehle in der angegebenen Reihenfolge aufrufen:

1. db2stop force
2. db2 update dbm cfg using SSL_VERSIONS TLSV12
3. db2start

Warum bekomme ich bei Verwendung von AutoAI einen Fehler wegen nicht übereinstimmender Daten?

Bei der Verwendung von AutoAI für eine binäre Klassifizierung erhalten Sie eine Fehlernachricht zu nicht übereinstimmenden Daten. Beachten Sie, dass AutoAI nur in IBM Watson OpenScale for IBM Cloud Pak for Data unterstützt wird.

Beim binären Klassifizierungstyp legt AutoAI automatisch den booleschen Datentyp als Datentyp der Vorhersagespalte fest.

Beheben Sie dieses Problem, indem Sie eine der folgenden Lösungen anwenden:

• Ändern Sie die Werte der Kennzeichnungsspalte in den Trainingsdaten je nach Ergebnis in ganzzahlige Werte, z. B. 0 oder 1.
• Ändern Sie die Werte der Kennzeichnungsspalte in den Trainingsdaten in Zeichenfolgewerte, z. B. A und B.

Warum treten bei der Modellkonfiguration Fehler auf?

Die folgenden Fehlermeldungen erscheinen, wenn Sie Modelldetails konfigurieren: Feld ' feature_fields verweist auf Spalte ' <name>, die in ' input_schema des Modells fehlt. Merkmal wurde im Eingabeschema nicht gefunden.

Die vorangehenden Meldungen beim Ausfüllen des Abschnitts Modelldetails während der Konfiguration deuten auf eine Nichtübereinstimmung zwischen dem Modelleingabeschema und dem Schema der Modelltrainingsdaten hin:

Um das Problem zu beheben, müssen Sie feststellen, welche der folgenden Bedingungen den Fehler verursacht, und Korrekturmaßnahmen ergreifen: Wenn Sie IBM Watson Machine Learning als Anbieter für maschinelles Lernen verwenden und der Modelltyp XGBoost/scikit-learn ist, finden Sie in der Machine Learning Python SDK-Dokumentation wichtige Informationen zum Speichern des Modells. Zum Generieren des Drifterkennungsmodells müssen Sie scikit-learn Version 0.20.2 in Notebooks verwenden. In allen anderen Fällen müssen Sie sicherstellen, dass die Spaltennamen in den Trainingsdaten den Spaltennamen des Eingabeschemas entsprechen.

Warum fehlen meine Klassenkennzeichnungen, wenn ich XGBoost benutze?

Bei der nativen XGBoost-Klassifizierung mit mehreren Klassen werden keine Klassenbezeichnungen zurückgegeben.

Bei binären Modellen und Modellen mit mehreren Klassen gibt das XGBoost-Framework standardmäßig keine Klassenbezeichnungen zurück.

Bei binären XGBoost-Modellen und XGBoost-Modellen mit mehreren Klassen müssen Sie das Modell so aktualisieren, dass Klassenbezeichnungen zurückgegeben werden.

Warum wird die Nutzdatenanalyse nicht ordnungsgemäß angezeigt?

Die Nutzdatenanalyse wird nicht korrekt angezeigt und die folgende Fehlernachricht wird angezeigt: AIQDT0044E Unzulässiges Zeichen " im Spaltennamen <column name>

Um eine ordnungsgemäße Verarbeitung von Payload-Analysen zu gewährleisten, unterstützt Watson OpenScale keine Spaltennamen mit doppelten Anführungszeichen (") in der Payload. Dies wirkt sich sowohl auf Scoring-Nutzdaten als auch auf Rückmeldedaten in CSV- und in JSON-Format aus.

Entfernen Sie die Anführungszeichen in den Spaltennamen der Datei mit den Nutzdaten.

Fehler: Bei der Berechnung der Bedeutung des Merkmals ist ein Fehler aufgetreten

Sie erhalten während der Verarbeitung folgende Fehlermeldung: Error: An error occurred while computing feature importance.

Ein Gleichheitszeichen (=) im Spaltennamen eines Datensatzes verursacht ein Problem mit der Erklärbarkeit.

Entfernen Sie das Gleichheitszeichen (=) aus dem Spaltennamen und schicken Sie den Datensatz erneut durch die Verarbeitung.

Warum fehlen einige meiner Datensätze für die aktive Verzerrungsbereinigung?

Datensätze für aktive Verzerrungsbereinigung gelangen nicht in die Tabelle für die Nutzdatenprotokollierung.

Bei Verwendung der API für aktive Verzerrungsbereinigung können maximal 1.000 Datensätze gleichzeitig an die Nutzdatenprotokollierung gesendet werden.

Zur Vermeidung von Datenverlust müssen Sie die API für aktive Verzerrungsbereinigung für das Scoring in Blöcken von maximal 1.000 Datensätzen verwenden.

Watson OpenScale zeigt keine verfügbaren Schemata an

Wenn ein Benutzer versucht, Schemainformationen für Watson OpenScale abzurufen, sind keine verfügbar. Nach einem Versuch direkt in DB2, ohne Bezug auf Watson OpenScale, gibt die Überprüfung, welche Schemata für die Datenbankbenutzernummer verfügbar sind, ebenfalls kein Ergebnis.

Unzureichende Berechtigungen für die Datenbank-Benutzerkennung verursachen Datenbankverbindungsprobleme für Watson OpenScale.

Vergewissern Sie sich, dass der Datenbankbenutzer über die richtigen Berechtigungen für Watson OpenScale verfügt.

Ein Monitorlauf schlägt mit einer ' OutOfResources exception -Fehlermeldung fehl

Sie erhalten eine ' OutOfResources exception -Fehlermeldung.

Die Anzahl der Zeilen in den Tabellen Feedback Payload, Scoring Payload und Business Payload ist jedoch nicht mehr begrenzt. Die 50.000er-Grenze gilt jetzt für die Anzahl der Datensätze, die Sie pro Abrechnungszeitraum durch die Qualitäts- und Bias-Monitore laufen lassen können.

Wenn Sie Ihr Limit erreicht haben, müssen Sie entweder ein Upgrade auf einen Standardtarif vornehmen oder den nächsten Abrechnungszeitraum abwarten.

Fehlende Bereitstellungen

Ein bereitgestelltes Modell wird nicht als Bereitstellung angezeigt, die zum Erstellen eines Abonnements ausgewählt werden kann.

Es gibt verschiedene Gründe dafür, dass ein Einsatz nicht in der Liste der verfügbaren Einsatzmodelle angezeigt wird. Wenn es sich bei dem Modell um einen nicht unterstützten Modelltyp handelt, weil es einen nicht unterstützten Algorithmus oder ein nicht unterstütztes Framework verwendet, wird es nicht angezeigt. Möglicherweise ist Ihr Machine Learning-Provider nicht ordnungsgemäß konfiguriert. Es könnte auch sein, dass es Probleme mit Berechtigungen gibt.

Führen Sie die folgenden Schritte aus, um dieses Problem zu beheben:

1. Überprüfen Sie, ob das Modell ein unterstützter Typ ist.
2. Überprüfen Sie, ob ein Anbieter für maschinelles Lernen in der Watson OpenScale für den spezifischen Bereitstellungsbereich vorhanden ist.
3. Prüfen Sie, ob der CP4D " admin die Berechtigung hat, auf den Bereitstellungsraum zuzugreifen.

"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".

oc patch woservice <release name> -p '{"spec": {"datamart": {"additional_jvm_options":"-Dakka.http.client.parsing.max-content-length=100m"} }}' --type=merge

Attribute name "table name" contains invalid character(s) among " ,;{}()\\n\\t=". Please use alias to rename it.;

db2 update db cfg using DFT_EXTENT_SZ 32