Resolução de problemas do Watson OpenScale
É possível usar as técnicas a seguir para trabalhar em torno de problemas com o IBM Watson OpenScale.
- Quando eu uso o AutoAI, por que estou obtendo um erro sobre dados incompatíveis?
- Por que estou obtendo erros durante a configuração do modelo?
- Por que os meus rótulos de classe estão ausentes quando uso o XGBoost?
- Por que a análise de carga útil não está sendo exibida adequadamente?
- Erro: ocorreu um erro durante o cálculo da importância do recurso
- Por que alguns dos meus registros de remoção de propensão ativos estão ausentes?
- O Watson OpenScale não mostra nenhum esquema disponível
- Uma execução do monitor falha com uma
OutOfResources exceptionmensagem de erro
Quando eu uso o AutoAI, por que estou obtendo um erro sobre dados incompatíveis?
Você recebe uma mensagem de erro sobre dados incompatíveis ao usar o AutoAI para classificação binária. Note que o AutoAI é suportado somente no IBM Watson OpenScale for IBM Cloud Pak for Data.
Para o tipo de classificação binária, o AutoAI configura automaticamente o tipo de dados da coluna de predição como booleano.
Para corrigir isso, implemente uma das soluções a seguir:
- Mude os valores da coluna de rótulo nos dados de treinamento para valores inteiros, como
0ou1, dependendo do resultado. - Mude os valores da coluna de rótulo nos dados de treinamento para o valor da sequência, como
AeB.
Por que estou obtendo erros durante a configuração do modelo?
As mensagens de erro a seguir aparecem quando você está configurando detalhes do modelo: O campo feature_fields referencia a coluna <name>, que está ausente no input_schema do modelo. Recurso não encontrado no esquema de entrada.
As mensagens anteriores ao concluir a seção Detalhes do modelo durante a configuração indicam uma incompatibilidade entre o esquema de entrada do modelo e o esquema de dados de treinamento de modelo:
Para corrigir o problema, você deve determinar qual das seguintes condições está causando o erro e tomar as medidas corretivas: Se você usar o tempo de execução " IBM " watsonx.ai como seu provedor de aprendizado de máquina e o tipo de modelo for XGBoost/scikit-learn, consulte o tempo de execução " watsonx.ai " documentação do SDK Python para obter informações importantes sobre como armazenar o modelo. Para gerar o modelo de detecção de desvio, deve-se usar o scikit-learn versão 0.20.2 nos blocos de notas. Para todos os outros casos, deve-se assegurar de que os nomes da coluna de dados de treinamento correspondam aos nomes da coluna de esquema de entrada.
Por que os meus rótulos de classe estão ausentes quando uso o XGBoost?
A classificação multiclasse nativa do XGBoost não retorna etiquetas de classe.
Por padrão, para modelos de classe binária e múltipla, a estrutura do XGBoost não retorna etiquetas de classe.
Para modelos de classe binária e múltipla do XGBoost, deve-se atualizar o modelo para retornar as etiquetas de classe.
Por que a análise de carga útil não está sendo exibida adequadamente?
Os analíticos de carga útil não são exibidos adequadamente e a mensagem de erro a seguir exibe: AIQDT0044E Caractere proibido " no nome da coluna <column name>
Para o processamento adequado de análise de dados de carga útil, o Watson OpenScale não suporta nomes de colunas com aspas duplas (") na carga útil. Isso afeta tanto a carga útil de pontuação quanto os dados de feedback nos formatos CSV e JSON.
Remova as aspas duplas (") dos nomes da coluna do arquivo de carga útil.
Erro: ocorreu um erro durante o cálculo da importância do recurso
Você recebe a seguinte mensagem de erro durante o processamento: Error: An error occurred while computing feature importance.
Ter um sinal de igual (=) no nome da coluna de um conjunto de dados causa um problema de explicabilidade.
Remova o sinal de igual (=) do nome da coluna e envie o conjunto de dados por meio do processamento novamente.
Por que alguns dos meus registros de remoção de propensão ativos estão ausentes?
Os registros de remoção de propensão ativos não atingem a tabela de criação de log de carga útil.
Ao usar a API de remoção de propensão ativa, há um limite de 1.000 registros que podem ser enviados de uma vez para a criação de log de carga útil.
Para evitar a perda de dados, deve-se usar a API de remoção de propensão ativa para escorar em chunks de 1000 registros ou menos.
O Watson OpenScale não mostra nenhum esquema disponível
Quando um usuário tenta recuperar informações de esquema para o Watson OpenScale, nenhum está disponível. Depois de tentar diretamente no DB2, sem referência ao Watson OpenScale, verificar quais esquemas estão disponíveis para o ID do usuário do banco de dados também retorna nenhum.
Permissões insuficientes para o ID do usuário do banco de dados estão causando problemas de conexão com o banco de dados para o Watson OpenScale.
Certifique-se que o usuário do banco de dados tenha as permissões corretas necessárias para o Watson OpenScale.
Uma execução de monitor falha com uma mensagem de erro OutOfResources exception
Você recebe uma mensagem de erro OutOfResources exception.
Contudo, não há mais um limite no número de linhas que pode haver nas tabelas de carga útil de feedback, de carga útil de pontuação ou de carga útil de negócios. O limite de 50.000 agora se aplica ao número de registros que é possível executar por meio dos monitores de propensão e de qualidade em cada período de faturamento.
Depois de atingir o seu limite, deve-se fazer o upgrade para um plano Standard ou aguardar o próximo período de faturamento.
Implementações ausentes
Um modelo implementado não aparece como uma implementação que pode ser selecionada para criar uma assinatura.
Há diferentes razões para que uma implementação não apareça na lista de modelos implementados disponíveis. Se o modelo não for um tipo suportado de modelo porque ele usa um algoritmo ou estrutura não suportada, ele não aparecerá. Seu provedor de aprendizado de máquina pode não estar configurado adequadamente. Também pode ser que haja problemas com permissões.
Use as etapas a seguir para resolver esta questão:
- Verifique se o modelo é um tipo suportado.
- Verifique se um provedor de aprendizado de máquina existe na configuração do Watson OpenScale para o espaço de implementação específico.
- Verifique se o usuário do CP4D
admintem permissão para acessar o espaço de implementação
A avaliação do Watson OpenScale pode falhar devido ao grande número de assinaturas
Se uma instância do Watson OpenScale contiver muitas assinaturas, como 100, suas avaliações de qualidade poderão falhar. É possível visualizar os detalhes da falha no log para o pod de serviço de data mart que exibe a seguinte mensagem de erro:
"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".
É possível usar o comando oc get pod -l component=aios-datamart para localizar o nome do pod.. Também é possível usar o comando oc logs <pod name> no log do pod.
Para corrigir esse erro, é possível usar o comando a seguir para aumentar o tamanho máximo do corpo da solicitação editando a variável de ambiente "ADDITIONAL_JVM_OPTIONS" :
oc patch woservice <release name> -p '{"spec": {"datamart": {"additional_jvm_options":"-Dakka.http.client.parsing.max-content-length=100m"} }}' --type=merge
O nome da liberação será "aiopenscale" se você não customizar o nome da liberação ao instalar o Watson OpenScale..
Microsoft Azure ML Studio
Dentre os dois tipos de serviços da web Azure Machine Learning, apenas o tipo
Newé suportado pelo Watson OpenScale. O tipoClassicnão é suportado.O nome de entrada padrão deve ser usado: no serviço da web Azure , o nome de entrada padrão é
"input1". Atualmente, esse campo é obrigatório para o Watson OpenScale e, se ele estiver ausente, o Watson OpenScale não funcionará.Se seu serviço da web Azure não usar o nome padrão, mude o nome do campo de entrada para
"input1", em seguida, reimplemente seu serviço da web e reconfigure suas configurações do provedor de aprendizado de máquina do OpenScale .Se as chamadas para o Microsoft Azure ML Studio para listar os modelos de aprendizado de máquina fizerem com que a resposta atinja tempo limite, por exemplo, quando você tiver muitos serviços da web, os valores de tempo limite deverão ser aumentados. Pode ser necessário solucionar esse problema, mudando a definição de configuração
/etc/haproxy/haproxy.cfg:Efetue login no nó do balanceador de carga e atualize
/etc/haproxy/haproxy.cfgpara configurar o tempo limite do cliente e do servidor de1mpara5m:timeout client 5m timeout server 5mExecute
systemctl restart haproxypara reiniciar o balanceador de carga do HAProxy
Se você estiver usando um balanceador de carga diferente, diferente de HAProxy, poderá ser necessário ajustar os valores de tempo limite de uma forma semelhante.
- Dentre os dois tipos de serviços da web Azure Machine Learning, apenas o tipo
Newé suportado pelo Watson OpenScale. O tipoClassicnão é suportado.
O upload de dados de feedback falha na assinatura de produção após a importação das configurações
Depois de importar as configurações de seu espaço de pré-produção para o seu espaço de produção, você pode ter problemas para fazer upload dos dados de feedback. Isso acontece quando os tipos de dados não correspondem com precisão. Ao importar as configurações, a tabela de feedback faz referência à tabela de carga útil para seus tipos de coluna É possível evitar esse problema, certificando-se de que os dados de carga útil tenham o tipo de valor mais preciso primeiro. Por exemplo, deve-se priorizar um tipo de dados duplo sobre um tipo de dados de número inteiro.
Microsoft Azure Machine Learning Service
Ao realizar a avaliação do modelo, você pode encontrar problemas em que o Watson OpenScale não consegue se comunicar com o Azure Machine Learning Service quando precisa invocar pontos de extremidade de pontuação de implantação. As ferramentas de segurança que impingem suas políticas de segurança corporativa, como o Symantec Blue Coat, podem impedir esse acesso.
Watson OpenScale falha ao criar uma nova tabela Hive para a assinatura de implementação em lote
Ao escolher criar uma nova tabela Apache Hive com o formato Parquet durante a configuração de implementação em lote do Watson OpenScale , o erro a seguir pode ocorrer:
Attribute name "table name" contains invalid character(s) among " ,;{}()\\n\\t=". Please use alias to rename it.;
Esse erro ocorrerá se o Watson OpenScale falhar ao executar a operação SQL CREATE TABLE devido ao espaço em branco em um nome de coluna Para evitar esse erro, é possível remover qualquer espaço em branco dos nomes de colunas ou mudar o formato Apache Hive para csv.
A configuração do Watson OpenScale pode falhar com o banco de dados padrão do Db2
Ao configurar o Watson OpenScale e especificar o banco de dados Db2 padrão, a conclusão da configuração pode falhar.
Para corrigir esse problema, deve-se executar o comando a seguir no Cloud Pak for Data para atualizar o Db2:
db2 update db cfg using DFT_EXTENT_SZ 32
Depois de executar o comando, deve-se criar um novo banco de dados Db2 para configurar o Watson OpenScale.