Tento článek obsahuje odpovědi na nejčastější dotazy k řešení potíží se službou Personalizace.
Rezidence dat v jedné oblasti
Kdy bude personalizace zastaralá?
Od 20. září 2023 nebudete moct vytvářet nové prostředky personalizace. Služba Personalizace se vyřadí z provozu 1. října 2026.
Jak se moje data replikují v oblasti s rezidencí dat v jedné oblasti?
Personalizace neukládá ani nezpracuje zákaznická data mimo oblast, do které zákazník nasadí instanci služby.
Problémy s konfigurací
Změnil(a) jsem nastavení konfigurace a teď moje smyčka nefunguje na stejné úrovni učení. Co se stalo?
Některá nastavení konfigurace obnoví váš model. Změny konfigurace by se měly plánovat a spouštět pečlivě po přečtení dokumentace.
Při konfiguraci personalizace pomocí rozhraní API se zobrazila chyba. Co se stalo?
Pokud ke konfiguraci služby použijete jeden požadavek rozhraní API a změníte chování učení, zobrazí se chyba. Nejprve budete muset provést dvě samostatná volání rozhraní API: nejprve nakonfigurovat službu a pak změnit chování učení.
Chyby transakcí
Z této služby získám odpověď HTTP 429 (Příliš mnoho požadavků). Co mám dělat?
Pokud jste při vytváření instance Personalizace vybrali cenovou úroveň Free, existuje limit kvóty počtu povolených žádostí o pořadí. Zkontrolujte míru volání rozhraní API pro rozhraní Rank API (v podokně Metriky na webu Azure Portal pro prostředek Personalizace) a upravte cenovou úroveň (v podokně Cenová úroveň), pokud se očekává zvýšení objemu volání rozhraní API nad rámec prahové hodnoty pro vybranou úroveň.
Zobrazuje se mi chyba 5xx v rozhraních Rank nebo Rewards API. Co mám dělat?
Chyby 5xx by měly být přechodné problémy. Pokud budou pokračovat, obraťte se na podporu výběrem nové žádosti o podporu v části Podpora a řešení potíží na webu Azure Portal pro váš prostředek Personalizace.
Smyčka výuky
V režimu učňů smyčka učení nedosáhne 100% shody s ne personalizovanými (standardními) zásadami. Jak to můžu vyřešit?
Efektivita personalizace v režimu učňového režimu zřídka dosáhne téměř 100 % směrného plánu aplikace; a nikdy ho nepřekračujte. Osvědčeným postupem by nebylo dosažení 100% cílů; ale rozsah 60 % – 80 % by měl být dosažitelný v závislosti na případu použití. Pokud je ale výkon učení pomalý nebo je nižší než 60 %, mohlo dojít k následujícím problémům:
- Nedostatek funkcí odeslaných pomocí volání rozhraní Rank API
- Chyby v odeslaných funkcích , například odesílání neagregovaných dat funkcí, jako jsou časová razítka do rozhraní Rank API
- Chyby se zpracováním smyček – například neodesílání dat odměny do rozhraní API odměny pro události
Pokud chcete tyto problémy vyřešit, budete možná muset provést úpravy změnou funkcí odeslaných do smyčky nebo zajištěním, aby skóre odměny přesně zachytilo hodnotu akce vrácené voláním rozhraní Rank API.
Smyčka učení se zdánlivě nenaučí efektivně ani rychle. Jak to můžu vyřešit?
Smyčka učení potřebuje několik tisíc volání odměny před efektivním určením priority volání do pořadí.
Pokud si nejste jisti, jak se vaše smyčka učení v současné době chová, spusťte offline vyhodnocení a použijte opravené zásady učení.
Stále dostávám výsledky pořadí se všemi stejnými pravděpodobnostmi pro všechny položky. Návody vědět, že personalizace se učí?
Personalizace vrátí stejné pravděpodobnosti ve výsledku rozhraní Rank API, když právě začala a má prázdný model, nebo když resetujete smyčku Personalizace a váš model je stále v období četnosti aktualizace modelu.
Po zahájení nového aktualizačního období uvidíte, že se pravděpodobnosti změní s aktualizovanými výsledky modelu.
Studijní smyčka se učila, ale zdá se, že se už nenaučí a kvalita výsledků pořadí není tak dobrá. Co mám dělat?
- Ujistěte se, že jste dokončili a použili jedno vyhodnocení na webu Azure Portal pro tuto smyčku.
- Ujistěte se, že všechny odměny byly úspěšně odeslány prostřednictvím rozhraní API odměny a zpracovány.
Návody víte, že se smyčka učení pravidelně aktualizuje a používá se k hodnocení dat?
Čas poslední aktualizace modelu najdete na stránce Nastavení modelu a učení na webu Azure Portal. Pokud se zobrazí staré časové razítko, je pravděpodobné, že neodesíláte volání Rank a Rewards. Pokud služba nemá žádná příchozí data, neaktualizuje učení. Pokud vidíte, že se smyčka učení neaktualizuje dostatečně často, můžete upravit frekvenci aktualizace modelu smyčky.
Offline vyhodnocení
Důležitost funkce offline vyhodnocení vrátí dlouhý seznam se stovkami nebo tisíci položek. Co se stalo?
Důvodem jsou obvykle časová razítka, ID uživatelů nebo některé další jemně odstupňované funkce odesílané.
Vytvořil(a) jsem offline vyhodnocení, které bylo téměř okamžitě úspěšné. Proč? Nevidím žádné výsledky?
Offline vyhodnocení používá natrénovaný model a data z událostí odesílaných do rozhraní API pořadí/odměn v daném časovém období. Pokud vaše aplikace neodesílala žádná data mezi počátečním a koncovým časem vyhodnocení, dokončí se rychle bez jakýchkoli výsledků.
Zásady učení
Návody importovat zásady výuky?
Přečtěte si další informace o konceptech zásad výuky a o tom, jak použít nové zásady výuky. Pokud nechcete vybrat zásady výuky, můžete pomocí offline vyhodnocení navrhnout zásady výuky na základě aktuálních událostí.
Zabezpečení
Jaké ověřovací protokoly rozhraní API personalizace podporuje?
Rozhraní API pro přizpůsobení používají Microsoft Entra ID, které podporuje celou řadu protokolů ověřování a synchronizace.
Došlo k ohrožení klíče rozhraní API pro moji smyčku. Co mám dělat?
Po prohození klientů můžete znovu vygenerovat jeden klíč a použít druhý klíč. Když máte dva klíče, můžete klíč rozšířit opožděným způsobem, aniž byste museli mít žádné výpadky. Pro účely zabezpečení doporučujeme tento postup provést v pravidelných intervalech.