Delen via

Omgevingsproblemen oplossen

  • Artikel

In dit artikel leert u hoe u veelvoorkomende problemen kunt oplossen die kunnen optreden met builds van omgevingsinstallatiekopieën en meer informatie over beveiligingsproblemen in de AzureML-omgeving.

We zijn actief op zoek naar uw feedback! Als u naar deze pagina bent genavigeerd via uw omgevingsdefinitie of logboeken voor analyse van buildfouten, willen we graag weten of de functie nuttig voor u was, of als u een foutscenario wilt rapporteren dat nog niet wordt gedekt door onze analyse. U kunt ook feedback over deze documentatie achterlaten. Laat je gedachten hier achter.

Azure Machine Learning-omgevingen

Azure Machine Learning-omgevingen zijn een inkapseling van de omgeving waarin uw machine learning-training plaatsvindt. Ze geven de docker-basisinstallatiekopieën, Python-pakketten en software-instellingen op rond uw trainings- en scorescripts. Omgevingen zijn beheerde en versiebeheerde assets in uw Machine Learning-werkruimte die reproduceerbare, controleerbare en draagbare machine learning-werkstromen in verschillende rekendoelen mogelijk maken.

Typen omgevingen

Omgevingen vallen onder drie categorieën: gecureerd, door de gebruiker beheerd en door het systeem beheerd.

Gecureerde omgevingen zijn vooraf gemaakte omgevingen die worden beheerd door Azure Machine Learning en zijn standaard beschikbaar in elke werkruimte. Ze bevatten verzamelingen Python-pakketten en -instellingen om u te helpen aan de slag te gaan met verschillende machine learning-frameworks, en u bent bedoeld om ze als zodanig te gebruiken. Deze vooraf gemaakte omgevingen bieden ook een snellere implementatietijd.

In door de gebruiker beheerde omgevingen bent u verantwoordelijk voor het instellen van uw omgeving en het installeren van elk pakket dat uw trainingsscript nodig heeft op het rekendoel. Zorg er ook voor dat u eventuele afhankelijkheden opneemt die nodig zijn voor modelimplementatie.

Deze typen omgevingen hebben twee subtypen. Voor het eerste type, BYOC (Bring Your Own Container), brengt u een bestaande Docker-installatiekopie naar Azure Machine Learning. Voor het tweede type maakt Docker contextgebaseerde omgevingen plaats in Azure Machine Learning de installatiekopie van de context die u opgeeft.

Wanneer u wilt dat Conda de Python-omgeving voor u beheert, gebruikt u een door het systeem beheerde omgeving. Azure Machine Learning maakt een nieuwe geïsoleerde conda-omgeving door uw Conda-specificatie boven op een Docker-basisinstallatiekopieën te materialiseren. Azure Machine Learning voegt standaard algemene functies toe aan de afgeleide installatiekopieën. Python-pakketten die aanwezig zijn in de basisinstallatiekopieën zijn niet beschikbaar in de geïsoleerde Conda-omgeving.

Omgevingen maken en beheren

U kunt omgevingen maken en beheren van clients zoals Azure Machine Learning Python SDK, Azure Machine Learning CLI, Azure Machine Learning Studio UI, Visual Studio Code-extensie.

Anonieme omgevingen worden automatisch geregistreerd in uw werkruimte wanneer u een experiment indient zonder een reeds bestaande omgeving te registreren of hiernaar te verwijzen. Ze worden niet vermeld, maar u kunt ze ophalen op basis van versie of label.

Azure Machine Learning bouwt omgevingsdefinities in Docker-installatiekopieën. Ook worden de installatiekopieën in de cache opgeslagen in het Azure Container Registry dat is gekoppeld aan uw Azure Machine Learning-werkruimte, zodat ze opnieuw kunnen worden gebruikt in volgende trainingstaken en service-eindpuntimplementaties. Meerdere omgevingen met dezelfde definitie kunnen resulteren in dezelfde afbeelding in de cache.

Voor het extern uitvoeren van een trainingsscript is het maken van een Docker-installatiekopie vereist.

Beveiligingsproblemen in AzureML-omgevingen

U kunt beveiligingsproblemen oplossen door een upgrade uit te voeren naar een nieuwere versie van een afhankelijkheid (basisinstallatiekopieën, Python-pakket, enzovoort) of door te migreren naar een andere afhankelijkheid die voldoet aan de beveiligingsvereisten. Het beperken van beveiligingsproblemen kost veel tijd en kosten, omdat hiervoor code en infrastructuur kunnen worden geherstructureren. Met de prevalentie van opensource-software en het gebruik van gecompliceerde geneste afhankelijkheden is het belangrijk om beveiligingsproblemen te beheren en bij te houden.

Er zijn enkele manieren om de impact van beveiligingsproblemen te verminderen:

  • Verminder het aantal afhankelijkheden: gebruik de minimale set afhankelijkheden voor elk scenario.
  • Compartimenteer uw omgeving zodat u problemen op één plek kunt instellen en oplossen.
  • Inzicht in gemarkeerde beveiligingsproblemen en hun relevantie voor uw scenario.

Scannen op beveiligingsproblemen

U kunt de hygiëne van de omgeving bewaken en onderhouden met Microsoft Defender voor Container Registry om te helpen bij het scannen van installatiekopieën op beveiligingsproblemen.

Zie Reacties op Microsoft Defender voor Cloud triggers automatiseren om dit proces te automatiseren op basis van triggers van Microsoft Defender.

Beveiligingsproblemen versus reproduceerbaarheid

Reproduceerbaarheid is een van de basisprincipes van softwareontwikkeling. Wanneer u productiecode ontwikkelt, moet een herhaalde bewerking hetzelfde resultaat garanderen. Het beperken van beveiligingsproblemen kan de reproduceerbaarheid verstoren door afhankelijkheden te wijzigen.

De primaire focus van Azure Machine Learning is om reproduceerbaarheid te garanderen. Omgevingen vallen onder drie categorieën: gecureerd, door de gebruiker beheerd en door het systeem beheerd.

Gecureerde omgevingen

Gecureerde omgevingen zijn vooraf gemaakte omgevingen die door Azure Machine Learning worden beheerd en die standaard beschikbaar zijn in elke Azure Machine Learning-werkruimte die is ingericht. Nieuwe versies worden uitgebracht door Azure Machine Learning om beveiligingsproblemen te verhelpen. Of u de meest recente afbeelding gebruikt, kan een compromis zijn tussen reproduceerbaarheid en beheer van beveiligingsproblemen.

Gecureerde omgevingen bevatten verzamelingen Python-pakketten en -instellingen om u te helpen aan de slag te gaan met verschillende machine learning-frameworks. Je bent bedoeld om ze te gebruiken zoals het is. Deze vooraf gemaakte omgevingen bieden ook een snellere implementatietijd.

Door de gebruiker beheerde omgevingen

In door de gebruiker beheerde omgevingen bent u verantwoordelijk voor het instellen van uw omgeving en het installeren van elk pakket dat uw trainingsscript nodig heeft op het rekendoel en voor modelimplementatie. Deze typen omgevingen hebben twee subtypen:

  • BYOC (Bring Your Own Container): de gebruiker biedt een Docker-installatiekopieën naar Azure Machine Learning
  • Docker-buildcontext: Azure Machine Learning materialiseert de installatiekopieën van de door de gebruiker geleverde inhoud

Zodra u meer afhankelijkheden op een door Microsoft geleverde installatiekopie hebt geïnstalleerd of uw eigen basisinstallatiekopie hebt gebruikt, wordt het beheer van beveiligingsproblemen uw verantwoordelijkheid.

Door het systeem beheerde omgevingen

U gebruikt door het systeem beheerde omgevingen wanneer u wilt dat Conda de Python-omgeving voor u beheert. Azure Machine Learning maakt een nieuwe geïsoleerde conda-omgeving door uw Conda-specificatie boven op een Docker-basisinstallatiekopieën te materialiseren. Hoewel Azure Machine Learning basisinstallatiekopieën bij elke release patcht, kan het een compromis zijn tussen reproduceerbaarheid en beheer van beveiligingsproblemen, ongeacht of u de meest recente installatiekopie gebruikt. Het is dus uw verantwoordelijkheid om de omgevingsversie te kiezen die wordt gebruikt voor uw taken of modelimplementaties terwijl u door het systeem beheerde omgevingen gebruikt.

Beveiligingsproblemen: veelvoorkomende problemen

Beveiligingsproblemen in Base Docker-installatiekopieën

Systeemproblemen in een omgeving worden meestal geïntroduceerd vanuit de basisinstallatiekopieën. Beveiligingsproblemen die zijn gemarkeerd als 'Ubuntu' of 'Debian' zijn bijvoorbeeld afkomstig van het systeemniveau van de omgeving: de basis-Docker-installatiekopie. Als de basisinstallatiekopieën afkomstig zijn van een externe verlener, controleert u of de meest recente versie oplossingen heeft voor de beveiligingsproblemen met vlag. De meest voorkomende bronnen voor de basisinstallatiekopieën in Azure Machine Learning zijn:

  • Microsoft-artefactregister (MAR) of Microsoft Container Registry (mcr.microsoft.com).
    • Afbeeldingen kunnen worden weergegeven op de startpagina van MAR, de API voor het aanroepen van catalogus of /tags/lijst
    • Bron- en releaseopmerkingen voor trainingsbasisinstallatiekopieën van AzureML vindt u in Azure/AzureML-Containers
  • Nvidia (nvcr.io of nvidia's Profiel)

Als de meest recente versie van uw basisinstallatiekopie uw beveiligingsproblemen niet oplost, kunnen beveiligingsproblemen met basisinstallatiekopieën worden opgelost door versies te installeren die worden aanbevolen door een beveiligingsscan:

apt-get install -y library_name

Beveiligingsproblemen in Python-pakketten

Beveiligingsproblemen kunnen ook afkomstig zijn van geïnstalleerde Python-pakketten boven op de door het systeem beheerde basisinstallatiekopieën. Deze python-gerelateerde beveiligingsproblemen moeten worden opgelost door uw Python-afhankelijkheden bij te werken. Python-beveiligingsproblemen in de installatiekopie zijn meestal afkomstig van door de gebruiker gedefinieerde afhankelijkheden.

Zie GitHub Advisory Database om te zoeken naar bekende Python-beveiligingsproblemen en -oplossingen. Als u problemen met Python wilt oplossen, werkt u het pakket bij naar de versie met oplossingen voor het probleem met vlag:

pip install -u my_package=={good.version}

Als u een Conda-omgeving gebruikt, werkt u de verwijzing bij in het conda-afhankelijkhedenbestand.

In sommige gevallen worden Python-pakketten automatisch geïnstalleerd tijdens de installatie van uw omgeving door Conda op basis van een Docker-basisinstallatiekopieën. Oplossingsstappen voor deze zijn hetzelfde als die voor door de gebruiker geïntroduceerde pakketten. Conda installeert de benodigde afhankelijkheden voor elke omgeving die wordt gerealiseerd. Pakketten zoals cryptografie, setuptools, wiel, enz. worden automatisch geïnstalleerd vanuit de standaardkanalen van Conda. Er is een bekend probleem met het standaard anaconda-kanaal dat de nieuwste pakketversies mist, dus het wordt aanbevolen om prioriteit te geven aan het conda-forge-kanaal dat door de community wordt onderhouden. Geef anders expliciet pakketten en versies op, zelfs als u er niet naar verwijst in de code die u in die omgeving wilt uitvoeren.

Cacheproblemen

Gekoppeld aan uw Azure Machine Learning-werkruimte is een Azure Container Registry-exemplaar dat een cache is voor containerinstallatiekopieën. Elke gerealiseerde installatiekopieën worden naar het containerregister gepusht en gebruikt als u experimenten of implementatie activeert voor de bijbehorende omgeving. Azure Machine Learning verwijdert geen installatiekopieën uit uw containerregister en het is uw verantwoordelijkheid om te evalueren welke installatiekopieën u in de loop van de tijd moet onderhouden.

Problemen met builds van omgevingsinstallatiekopieën oplossen

Meer informatie over het oplossen van problemen met builds van omgevingsinstallatiekopieën en pakketinstallaties.

Problemen met omgevingsdefinities

Problemen met omgevingsnamen

Gecureerd voorvoegsel is niet toegestaan

Dit probleem kan zich voordoen wanneer voor de naam van uw aangepaste omgeving alleen termen worden gebruikt die alleen zijn gereserveerd voor gecureerde omgevingen. Gecureerde omgevingen zijn omgevingen die Microsoft onderhoudt. Aangepaste omgevingen zijn omgevingen die u maakt en onderhoudt.

Mogelijke oorzaken:

  • De naam van uw omgeving begint met Microsoft of AzureML

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Werk de naam van uw omgeving bij om het gereserveerde voorvoegsel uit te sluiten dat u momenteel gebruikt

Bronnen

De omgevingsnaam is te lang

Mogelijke oorzaken:

  • De naam van uw omgeving is langer dan 255 tekens

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Werk de naam van uw omgeving bij tot 255 tekens of minder

Docker-problemen

VAN TOEPASSING OP: Azure CLI ml-extensie v1

VAN TOEPASSING OP: Python SDK azureml v1

Als u een nieuwe omgeving wilt maken, moet u een van de volgende benaderingen gebruiken (zie DockerSection):

  • Basisinstallatiekopieën
    • Geef indien nodig de naam van de basisinstallatiekopie, opslagplaats op waaruit deze moet worden opgehaald en referenties
    • Een conda-specificatie opgeven
  • Basis-Dockerfile
    • Een Dockerfile opgeven
    • Een conda-specificatie opgeven
  • Docker-buildcontext
    • Geef de locatie op van de buildcontext (URL)
    • De buildcontext moet ten minste een Dockerfile bevatten, maar kan ook andere bestanden bevatten

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

Als u een nieuwe omgeving wilt maken, moet u een van de volgende methoden gebruiken:

  • Docker-installatiekopieën
    • Geef de installatiekopie-URI op van de installatiekopie die wordt gehost in een register, zoals Docker Hub of Azure Container Registry
    • Voorbeeld hier
  • Docker-buildcontext
    • Geef de map op die fungeert als de buildcontext
    • De map moet een Dockerfile en eventuele andere bestanden bevatten die nodig zijn om de installatiekopieën te bouwen
    • Voorbeeld hier
  • Conda-specificatie
    • U moet een basis-Docker-installatiekopieën opgeven voor de omgeving; Azure Machine Learning bouwt de conda-omgeving bovenop de opgegeven Docker-installatiekopieën
    • Geef het relatieve pad op naar het Conda-bestand
    • Voorbeeld hier

Ontbrekende Docker-definitie

VAN TOEPASSING OP: Python SDK azureml v1

Dit probleem kan optreden wanneer er een DockerSectionomgevingsdefinitie ontbreekt. In deze sectie worden instellingen geconfigureerd die betrekking hebben op de uiteindelijke Docker-installatiekopie die is gebouwd op basis van uw omgevingsspecificatie.

Mogelijke oorzaken:

  • U hebt de DockerSection definitie van uw omgeving niet opgegeven

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Voeg een DockerSection toe aan uw omgevingsdefinitie, waarbij u een basisinstallatiekopieën, een basis-dockerfile of een docker-buildcontext opgeeft.

from azureml.core import Environment
myenv = Environment(name="myenv")
# Specify docker steps as a string.
dockerfile = r'''
FROM mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
RUN echo "Hello from custom container!"
'''

myenv.docker.base_dockerfile = dockerfile

Bronnen

Te veel Docker-opties

Mogelijke oorzaken:

VAN TOEPASSING OP: Python SDK azureml v1

U hebt meer dan een van deze Docker-opties opgegeven in uw omgevingsdefinitie

  • base_image
  • base_dockerfile
  • build_context
  • DockerSection bekijken

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

U hebt meer dan een van deze Docker-opties opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Kies welke Docker-optie u wilt gebruiken om uw omgeving te bouwen. Stel vervolgens alle andere opgegeven opties in op Geen.

VAN TOEPASSING OP: Python SDK azureml v1

from azureml.core import Environment
myenv = Environment(name="myEnv")
dockerfile = r'''
FROM mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
RUN echo "Hello from custom container!"
'''
myenv.docker.base_dockerfile = dockerfile
myenv.docker.base_image = "pytorch/pytorch:latest"

# Having both base dockerfile and base image set will cause failure. Delete the one you won't use.
myenv.docker.base_image = None

Ontbrekende Docker-optie

Mogelijke oorzaken:

U hebt geen van de volgende opties opgegeven in uw omgevingsdefinitie

  • base_image
  • base_dockerfile
  • build_context
  • DockerSection bekijken

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

U hebt geen van de volgende opties opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Kies welke Docker-optie u wilt gebruiken om uw omgeving te bouwen en vul die optie vervolgens in uw omgevingsdefinitie in.

VAN TOEPASSING OP: Python SDK azureml v1

from azureml.core import Environment
myenv = Environment(name="myEnv")
myenv.docker.base_image = "pytorch/pytorch:latest"

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

env_docker_image = Environment(
    image="pytorch/pytorch:latest",
    name="docker-image-example",
    description="Environment created from a Docker image.",
)
ml_client.environments.create_or_update(env_docker_image)

Bronnen

Containerregisterreferenties ontbreken gebruikersnaam of wachtwoord

Mogelijke oorzaken:

  • U hebt een gebruikersnaam of wachtwoord opgegeven voor uw containerregister in uw omgevingsdefinitie, maar niet beide

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Voeg de ontbrekende gebruikersnaam of het ontbrekende wachtwoord toe aan uw omgevingsdefinitie om het probleem op te lossen

myEnv.docker.base_image_registry.username = "username"

U kunt ook verificatie opgeven via werkruimteverbindingen

from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

Een werkruimteverbinding maken op basis van een YAML-specificatiebestand

az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace

Notitie

  • Het opgeven van referenties in uw omgevingsdefinitie wordt niet meer ondersteund. Gebruik in plaats daarvan werkruimteverbindingen.

Bronnen

Meerdere referenties voor het register met basisinstallatiekopieën

Mogelijke oorzaken:

  • U hebt meer dan één set referenties opgegeven voor uw basisinstallatiekopieënregister

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Als u werkruimteverbindingen gebruikt, bekijkt u de verbindingen die u hebt ingesteld en verwijdert u de verbindingen die u niet wilt gebruiken

from azureml.core import Workspace
ws = Workspace.from_config()
ws.list_connections()
ws.delete_connection("myConnection2")

Als u referenties hebt opgegeven in uw omgevingsdefinitie, kiest u één set referenties die u wilt gebruiken en stelt u alle andere referenties in op null

myEnv.docker.base_image_registry.registry_identity = None

Notitie

  • Het opgeven van referenties in uw omgevingsdefinitie wordt niet meer ondersteund. Gebruik in plaats daarvan werkruimteverbindingen.

Bronnen

Geheimen in het basisinstallatiekopieënregister

Mogelijke oorzaken:

  • U hebt referenties opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Het opgeven van referenties in uw omgevingsdefinitie wordt niet meer ondersteund. Verwijder referenties uit uw omgevingsdefinitie en gebruik in plaats daarvan werkruimteverbindingen.

VAN TOEPASSING OP: Python SDK azureml v1

Een werkruimteverbinding instellen in uw werkruimte

from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "ACR", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

Een werkruimteverbinding maken op basis van een YAML-specificatiebestand

az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace

Bronnen

Afgeschaft Docker-kenmerk

Mogelijke oorzaken:

  • U hebt Docker-kenmerken opgegeven in uw omgevingsdefinitie die nu zijn afgeschaft
  • De volgende eigenschappen zijn afgeschaft:
    • enabled
    • arguments
    • shared_volumes
    • gpu_support
      • Azure Machine Learning detecteert en gebruikt nu automatisch de NVIDIA Docker-extensie wanneer deze beschikbaar is
    • smh_size

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Gebruik DockerConfiguration in plaats van deze kenmerken op te geven in de DockerSection definitie van uw omgeving

Bronnen

Lengte van Dockerfile boven limiet

Mogelijke oorzaken:

  • Uw opgegeven Dockerfile heeft de maximale grootte van 100 kB overschreden

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Uw Dockerfile verkorten om deze onder deze limiet te krijgen

Bronnen

  • Best practices bekijken

Problemen met docker-buildcontext

Ontbrekende Docker-buildcontextlocatie

Mogelijke oorzaken:

  • U hebt het pad van uw buildcontextmap niet opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Een pad opnemen in de build_context DockerSection

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

Zorg ervoor dat u een pad voor uw buildcontext opneemt

Bronnen

Ontbrekend Dockerfile-pad

Dit probleem kan optreden wanneer Azure Machine Learning uw Dockerfile niet kan vinden. Als standaard zoekt Azure Machine Learning naar een Dockerfile met de naam Dockerfile in de hoofdmap van uw buildcontextmap, tenzij u een Dockerfile-pad opgeeft.

Mogelijke oorzaken:

  • Uw Dockerfile bevindt zich niet in de hoofdmap van uw buildcontextmap en/of heeft een andere naam dan 'Dockerfile' en u hebt het pad niet opgegeven

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Neem in uw build_context DockerSection een dockerfile_path

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

Een Dockerfile-pad opgeven

Bronnen

Kenmerk met Docker-buildcontext niet opgeven

Dit probleem kan optreden wanneer u eigenschappen hebt opgegeven in uw omgevingsdefinitie die niet kunnen worden opgenomen in een Docker-buildcontext.

Mogelijke oorzaken:

  • U hebt een Docker-buildcontext opgegeven, samen met ten minste een van de volgende eigenschappen in uw omgevingsdefinitie:
    • Omgevingsvariabelen
    • Conda-afhankelijkheden
    • R
    • Spark

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Als u een van de bovenstaande eigenschappen in uw omgevingsdefinitie hebt opgegeven, verwijdert u deze

  • Als u een Docker-buildcontext gebruikt en conda-afhankelijkheden wilt opgeven, moet uw conda-specificatie zich in de contextmap van uw build bevinden

Bronnen

Locatietype niet ondersteund/Onbekend locatietype

Mogelijke oorzaken:

  • U hebt een locatietype opgegeven voor uw Docker-buildcontext die niet wordt ondersteund of onbekend is

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Hier volgen geaccepteerde locatietypen:

Bronnen

Ongeldige locatie

Mogelijke oorzaken:

  • De opgegeven locatie van de Docker-buildcontext is ongeldig

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Voor scenario's waarin u de Docker-buildcontext opslaat in een opslagaccount

  • U moet het pad van de buildcontext opgeven als

    https://<storage-account>.blob.core.windows.net/<container>/<path>

  • Zorg ervoor dat de locatie die u hebt opgegeven een geldige URL is

  • Zorg ervoor dat u een container en een pad hebt opgegeven

Bronnen

Problemen met basisinstallatiekopieën

Basisinstallatiekopieën zijn afgeschaft

Mogelijke oorzaken:

  • U hebt een afgeschafte basisinstallatiekopieën gebruikt
    • Azure Machine Learning kan geen ondersteuning bieden voor probleemoplossing voor mislukte builds met afgeschafte installatiekopieën
    • Azure Machine Learning werkt deze installatiekopieën niet bij of onderhoudt deze installatiekopieën, zodat ze risico lopen op beveiligingsproblemen

De volgende basisinstallatiekopieën zijn afgeschaft:

  • azureml/base
  • azureml/base-gpu
  • azureml/base-lite
  • azureml/intelmpi2018.3-cuda10.0-cudnn7-ubuntu16.04
  • azureml/intelmpi2018.3-cuda9.0-cudnn7-ubuntu16.04
  • azureml/intelmpi2018.3-ubuntu16.04
  • azureml/o16n-base/python-slim
  • azureml/openmpi3.1.2-cuda10.0-cudnn7-ubuntu16.04
  • azureml/openmpi3.1.2-ubuntu16.04
  • azureml/openmpi3.1.2-cuda10.0-cudnn7-ubuntu18.04
  • azureml/openmpi3.1.2-cuda10.1-cudnn7-ubuntu18.04
  • azureml/openmpi3.1.2-cuda10.2-cudnn7-ubuntu18.04
  • azureml/openmpi3.1.2-cuda10.2-cudnn8-ubuntu18.04
  • azureml/openmpi3.1.2-ubuntu18.04
  • azureml/openmpi4.1.0-cuda11.0.3-cudnn8-ubuntu18.04
  • azureml/openmpi4.1.0-cuda11.1-cudnn8-ubuntu18.04

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Uw basisinstallatiekopieën upgraden naar een nieuwste versie van ondersteunde installatiekopieën

Geen tag of samenvatting

Mogelijke oorzaken:

  • U hebt geen versietag of samenvatting opgenomen op de opgegeven basisinstallatiekopieën
  • Zonder een van deze aanduidingen is de omgeving niet reproduceerbaar

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Neem ten minste één van de volgende aanduidingen op uw basisafbeelding op

Problemen met omgevingsvariabelen

Verkeerd geplaatste runtimevariabelen

Mogelijke oorzaken:

  • U hebt runtimevariabelen opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Gebruik in plaats daarvan het environment_variables kenmerk voor het RunConfiguration-object

Problemen met Python

Python-sectie ontbreekt

Mogelijke oorzaken:

  • Uw omgevingsdefinitie heeft geen Python-sectie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

De Python-sectie van uw omgevingsdefinitie vullen

Python-versie ontbreekt

Mogelijke oorzaken:

  • U hebt geen Python-versie opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Python toevoegen als conda-pakket en de versie opgeven

from azureml.core.environment import CondaDependencies

myenv = Environment(name="myenv")
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

Als u een YAML gebruikt voor uw Conda-specificatie, neemt u Python op als een afhankelijkheid

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - azureml-defaults
channels:
  - anaconda

Meerdere Python-versies

Mogelijke oorzaken:

  • U hebt meer dan één Python-versie opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Kies welke Python-versie u wilt gebruiken en verwijder alle andere versies

myenv.python.conda_dependencies.remove_conda_package("python=3.8")

Als u een YAML gebruikt voor uw conda-specificatie, neemt u slechts één Python-versie op als afhankelijkheid

Python-versie wordt niet ondersteund

Mogelijke oorzaken:

  • U hebt een Python-versie opgegeven die zich aan het einde van de levensduur bevindt en niet meer wordt ondersteund

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Geef een Python-versie op die niet is bereikt en die het einde van de levensduur niet nadert

Mogelijke oorzaken:

  • U hebt een Python-versie opgegeven die zich aan of aan het einde van de levensduur bevindt

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Geef een Python-versie op die niet is bereikt en die het einde van de levensduur niet nadert

Kan python-versie niet valideren

Mogelijke oorzaken:

  • U hebt een Python-versie opgegeven met onjuiste syntaxis of onjuiste opmaak

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Gebruik de juiste syntaxis om een Python-versie op te geven met behulp van de SDK

myenv.python.conda_dependencies.add_conda_package("python=3.8")

De juiste syntaxis gebruiken om een Python-versie op te geven in een Conda YAML

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - azureml-defaults
channels:
  - anaconda

Bronnen

Conda-problemen

Conda-afhankelijkheden ontbreken

Mogelijke oorzaken:

  • U hebt geen conda-specificatie opgegeven in uw omgevingsdefinitie en user_managed_dependencies is ingesteld op False (de standaardinstelling)

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Als u niet wilt dat Azure Machine Learning een Python-omgeving voor u maakt op conda_dependencies, basis van de instelling user_managed_dependenciesTrue

env.python.user_managed_dependencies = True
  • U bent er verantwoordelijk voor dat alle benodigde pakketten beschikbaar zijn in de Python-omgeving waarin u ervoor kiest om het script uit te voeren

Als u wilt dat Azure Machine Learning een Python-omgeving voor u maakt op basis van een conda-specificatie, moet u uw omgevingsdefinitie invullen conda_dependencies

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

U moet een basis-Docker-installatiekopieën voor de omgeving opgeven en Azure Machine Learning bouwt vervolgens de conda-omgeving bovenop die installatiekopieën

Bronnen

Ongeldige conda-afhankelijkheden

Mogelijke oorzaken:

  • U hebt de conda-afhankelijkheden onjuist opgemaakt die zijn opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

VAN TOEPASSING OP: Python SDK azureml v1

Zorg ervoor dat dit conda_dependencies een JSONified-versie is van de YAML-structuur van conda-afhankelijkheden

"condaDependencies": {
    "channels": [
    "anaconda",
        "conda-forge"
    ],
    "dependencies": [
        "python=3.8",
        {
            "pip": [
                "azureml-defaults"
            ]
        }
    ],
    "name": "project_environment"
}

U kunt ook conda-afhankelijkheden opgeven met behulp van de add_conda_package methode

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

U moet een basis-Docker-installatiekopieën voor de omgeving opgeven en Azure Machine Learning bouwt vervolgens de conda-omgeving bovenop die installatiekopieën

Ontbrekende Conda-kanalen

Mogelijke oorzaken:

  • U hebt geen Conda-kanalen opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Geef voor reproduceerbaarheid van uw omgeving kanalen op waaruit afhankelijkheden moeten worden opgehaald. Als u geen conda-kanalen opgeeft, gebruikt Conda standaardwaarden die kunnen worden gewijzigd.

VAN TOEPASSING OP: Python SDK azureml v1

Een Conda-kanaal toevoegen met behulp van de Python SDK

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
conda_dep = CondaDependencies()
conda_dep.add_channel("conda-forge")
env.python.conda_dependencies = conda_dep

Als u een YAML gebruikt voor uw conda-specificatie, neemt u de conda-kanaal(s) op die u wilt gebruiken

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - azureml-defaults
channels:
  - anaconda
  - conda-forge

Bronnen

Mogelijke oorzaken:

  • U hebt een basisconda-omgeving opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Gedeeltelijke omgevingsupdates kunnen leiden tot afhankelijkheidsconflicten en/of onverwachte runtimefouten, dus het gebruik van basisconda-omgevingen wordt niet aanbevolen.

VAN TOEPASSING OP: Python SDK azureml v1

Verwijder uw basisconda-omgeving en geef alle pakketten op die nodig zijn voor uw omgeving in de conda_dependencies sectie van uw omgevingsdefinitie

from azureml.core.environment import CondaDependencies

env = Environment(name="env")
env.python.base_conda_environment = None
conda_dep = CondaDependencies()
conda_dep.add_conda_package("python==3.8")
env.python.conda_dependencies = conda_dep

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

Een omgeving definiëren met behulp van een standaard conda YAML-configuratiebestand

Bronnen

Losgemaakte afhankelijkheden

Mogelijke oorzaken:

  • U hebt geen versies opgegeven voor bepaalde pakketten in uw conda-specificatie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Als u geen afhankelijkheidsversie opgeeft, kan de conda-pakket-resolver een andere versie van het pakket kiezen op volgende builds van dezelfde omgeving. Hierdoor wordt de reproduceerbaarheid van de omgeving verbroken en kan dit leiden tot onverwachte fouten.

VAN TOEPASSING OP: Python SDK azureml v1

Versienummers opnemen bij het toevoegen van pakketten aan uw conda-specificatie

from azureml.core.environment import CondaDependencies

conda_dep = CondaDependencies()
conda_dep.add_conda_package("numpy==1.24.1")

Als u een YAML gebruikt voor uw Conda-specificatie, geeft u versies op voor uw afhankelijkheden

name: project_environment
dependencies:
  - python=3.8
  - pip:
      - numpy=1.24.1
channels:
  - anaconda
  - conda-forge

Bronnen

Pip-problemen

Pip niet opgegeven

Mogelijke oorzaken:

  • U hebt pip niet opgegeven als een afhankelijkheid in uw conda-specificatie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Voor reproduceerbaarheid moet u pip opgeven en vastmaken als een afhankelijkheid in uw Conda-specificatie.

VAN TOEPASSING OP: Python SDK azureml v1

Pip opgeven als een afhankelijkheid, samen met de bijbehorende versie

env.python.conda_dependencies.add_conda_package("pip==22.3.1")

Als u een YAML gebruikt voor uw Conda-specificatie, geeft u pip op als een afhankelijkheid

name: project_environment
dependencies:
  - python=3.8
  - pip=22.3.1
  - pip:
      - numpy=1.24.1
channels:
  - anaconda
  - conda-forge

Bronnen

Pip niet vastgemaakt

Mogelijke oorzaken:

  • U hebt geen versie opgegeven voor pip in uw conda-specificatie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Als u geen pip-versie opgeeft, kan een andere versie worden gebruikt voor volgende builds van dezelfde omgeving. Dit gedrag kan reproduceerbaarheidsproblemen en andere onverwachte fouten veroorzaken als verschillende versies van pip uw pakketten anders oplossen.

VAN TOEPASSING OP: Python SDK azureml v1

Een pip-versie opgeven in uw Conda-afhankelijkheden

env.python.conda_dependencies.add_conda_package("pip==22.3.1")

Als u een YAML gebruikt voor uw conda-specificatie, geeft u een versie op voor pip

name: project_environment
dependencies:
  - python=3.8
  - pip=22.3.1
  - pip:
      - numpy=1.24.1
channels:
  - anaconda
  - conda-forge

Bronnen

Diverse omgevingsproblemen

R-sectie is afgeschaft

Mogelijke oorzaken:

  • U hebt een R-sectie opgegeven in uw omgevingsdefinitie

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

De Azure Machine Learning SDK voor R is eind 2021 afgeschaft om een verbeterde R-trainings- en implementatie-ervaring te bieden met behulp van de Azure CLI v2

VAN TOEPASSING OP: Python SDK azureml v1

De R-sectie verwijderen uit uw omgevingsdefinitie

env.r = None

Bekijk de opslagplaats met voorbeelden om R-modellen te trainen met behulp van De Azure CLI v2

Er bestaat geen definitie voor de omgeving

Mogelijke oorzaken:

  • U hebt een omgeving opgegeven die niet bestaat of niet is geregistreerd
  • Er is een verkeerd gespelde of syntactische fout opgetreden in de manier waarop u uw omgevingsnaam of omgevingsversie hebt opgegeven

Betrokken gebieden (symptomen):

  • Fout bij het registreren van uw omgeving

Stappen voor probleemoplossing

Zorg ervoor dat u de naam van uw omgeving correct opgeeft, samen met de juiste versie

  • path-to-resource:version-number

U moet de nieuwste versie van uw omgeving op een andere manier opgeven

  • path-to-resource@latest

Buildproblemen met installatiekopieën

Problemen met ACR

ACR onbereikbaar

Dit probleem kan optreden wanneer er een fout optreedt bij het openen van de gekoppelde Azure Container Registry-resource (ACR) van een werkruimte.

Mogelijke oorzaken:

  • De ACR van uw werkruimte bevindt zich achter een virtueel netwerk (VNet) (privé-eindpunt of service-eindpunt) en u gebruikt geen rekencluster om installatiekopieën te bouwen.
  • De ACR van uw werkruimte bevindt zich achter een virtueel netwerk (VNet) (privé-eindpunt of service-eindpunt) en het rekencluster dat wordt gebruikt voor het bouwen van installatiekopieën heeft geen toegang tot de ACR van de werkruimte.

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.
  • Pijplijntaakfouten.
  • Fouten bij modelimplementatie.

Stappen voor probleemoplossing

  • Controleer of het VNet van het rekencluster toegang heeft tot de ACR van de werkruimte.
  • Zorg ervoor dat het rekencluster is gebaseerd op CPU.

Notitie

  • Alleen Azure Machine Learning-rekenclusters worden ondersteund. Compute, Azure Kubernetes Service (AKS) of andere exemplaartypen worden niet ondersteund voor berekening van de build van installatiekopieën.

Bronnen

Onverwachte Dockerfile-indeling

Dit probleem kan optreden wanneer uw Dockerfile onjuist is opgemaakt.

Mogelijke oorzaken:

  • Uw Dockerfile bevat ongeldige syntaxis
  • Uw Dockerfile bevat tekens die niet compatibel zijn met UTF-8

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Mislukt bij het uitvoeren van taken omdat de omgeving in de eerste stap impliciet wordt gebouwd.

Stappen voor probleemoplossing

  • Controleren of Dockerfile juist is opgemaakt en is gecodeerd in UTF-8

Bronnen

Problemen met Docker-pull

Docker-installatiekopie kan niet worden opgehaald

Dit probleem kan optreden wanneer het ophalen van een Docker-installatiekopie mislukt tijdens het bouwen van een installatiekopie.

Mogelijke oorzaken:

  • De padnaam naar het containerregister is onjuist
  • Een containerregister achter een virtueel netwerk maakt gebruik van een privé-eindpunt in een niet-ondersteunde regio
  • De installatiekopieën waarnaar u wilt verwijzen, bestaan niet in het containerregister dat u hebt opgegeven
  • U hebt geen referenties opgegeven voor een privéregister waaruit u de installatiekopie wilt ophalen, of de opgegeven referenties zijn onjuist

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Controleer of de padnaam naar het containerregister juist is

  • Voor een register my-registry.io en installatiekopieën test/image met tag 3.2zou een geldig installatiekopieënpad zijn my-registry.io/test/image:3.2
  • Raadpleeg de documentatie over registerpaden

Als uw containerregister zich achter een virtueel netwerk bevindt of een privé-eindpunt gebruikt in een niet-ondersteunde regio

  • Het containerregister configureren met behulp van het service-eindpunt (openbare toegang) vanuit de portal en het opnieuw proberen
  • Nadat u het containerregister achter een virtueel netwerk hebt geplaatst, voert u de Azure Resource Manager-sjabloon uit zodat de werkruimte kan communiceren met het containerregisterexemplaren

Als de installatiekopieën waarnaar u probeert te verwijzen, niet aanwezig zijn in het containerregister dat u hebt opgegeven

  • Controleer of u de juiste tag hebt gebruikt en of u hebt ingesteld user_managed_dependencies op True. User_managed_dependencies instellen om Conda uit te True schakelen en de geïnstalleerde pakketten van de gebruiker te gebruiken

Als u geen referenties hebt opgegeven voor een privéregister waaruit u wilt ophalen, of als de opgegeven referenties onjuist zijn

  • Werkruimteverbindingen instellen voor het containerregister, indien nodig

Bronnen

I/O-fout

Dit probleem kan optreden wanneer het ophalen van een Docker-installatiekopie mislukt vanwege een netwerkprobleem.

Mogelijke oorzaken:

  • Probleem met netwerkverbinding, wat tijdelijk kan zijn
  • De verbinding wordt geblokkeerd door de firewall
  • ACR is onbereikbaar en er is netwerkisolatie. Zie ACR onbereikbaar voor meer informatie.

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

De host toevoegen aan de firewallregels

Evalueer uw werkruimte-instellingen. Gebruikt u een virtueel netwerk of bent u een van de resources die u probeert te openen tijdens het bouwen van de installatiekopieën achter een virtueel netwerk?

  • Zorg ervoor dat u de stappen in dit artikel hebt gevolgd voor het beveiligen van een werkruimte met virtuele netwerken
  • Azure Machine Learning vereist zowel binnenkomende als uitgaande toegang tot het openbare internet. Als er een probleem is met het instellen van uw virtuele netwerk, is er mogelijk een probleem met het openen van bepaalde opslagplaatsen die zijn vereist tijdens de build van de installatiekopieën

Als u geen virtueel netwerk gebruikt of als u het juist hebt geconfigureerd

  • Probeer uw installatiekopieën opnieuw op te bouwen. Als de time-out te wijten was aan een netwerkprobleem, kan het probleem tijdelijk zijn en kan een herbouw het probleem oplossen

Conda-problemen tijdens de build

Slechte specificatie

Dit probleem kan optreden wanneer een pakket dat in uw conda-specificatie wordt vermeld, ongeldig is of wanneer u een conda-opdracht onjuist hebt uitgevoerd.

Mogelijke oorzaken:

  • De syntaxis die u in uw conda-specificatie hebt gebruikt, is onjuist
  • U voert een conda-opdracht onjuist uit

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Conda spec-fouten kunnen optreden als u de conda create-opdracht onjuist gebruikt

  • Lees de documentatie en zorg ervoor dat u geldige opties en syntaxis gebruikt
  • Er is bekende verwarring met betrekking tot conda env create versus conda create. Meer informatie over conda's antwoord en de bekende oplossingen van andere gebruikers vindt u hier

Om een geslaagde build te garanderen, moet u ervoor zorgen dat u de juiste syntaxis en geldige pakketspecificatie gebruikt in uw conda yaml

Communicatiefout

Dit probleem kan optreden wanneer er een fout optreedt in de communicatie met de entiteit waaruit u pakketten wilt downloaden die worden vermeld in uw conda-specificatie.

Mogelijke oorzaken:

  • Kan niet communiceren met een Conda-kanaal of een pakketopslagplaats
  • Deze fouten kunnen worden veroorzaakt door tijdelijke netwerkfouten

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Zorg ervoor dat de conda-kanalen/opslagplaatsen die u in uw conda-specificatie gebruikt, juist zijn

  • Controleer of ze bestaan en of u ze correct hebt gespeld

Als de Conda-kanalen/opslagplaatsen juist zijn

  • Probeer de installatiekopie opnieuw op te bouwen. Er is een kans dat de fout tijdelijk is en een herbouw het probleem kan oplossen
  • Controleer of de pakketten die worden vermeld in uw Conda-specificatie aanwezig zijn in de kanalen/opslagplaatsen die u hebt opgegeven

Compileerfout

Dit probleem kan optreden wanneer er een fout optreedt bij het bouwen van een pakket dat is vereist voor de Conda-omgeving vanwege een compilerfout.

Mogelijke oorzaken:

  • U hebt een pakket onjuist gespeld en daarom is het niet herkend
  • Er is iets mis met de compiler

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Als u een compiler gebruikt

  • Zorg ervoor dat de compiler die u gebruikt, wordt herkend
  • Voeg indien nodig een installatiestap toe aan uw Dockerfile
  • Controleer de versie van uw compiler en controleer of alle opdrachten of opties die u gebruikt compatibel zijn met de compilerversie
  • Voer indien nodig een upgrade uit van uw compilerversie

Zorg ervoor dat u alle vermelde pakketten correct hebt gespeld en dat u versies correct hebt vastgemaakt

Bronnen

Ontbrekende opdracht

Dit probleem kan optreden wanneer een opdracht niet wordt herkend tijdens een installatiekopieënbuild of in de opgegeven Python-pakketvereiste.

Mogelijke oorzaken:

  • U hebt de opdracht niet correct gespeld
  • De opdracht kan niet worden uitgevoerd omdat er geen vereist pakket is geïnstalleerd

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Zorg ervoor dat u de opdracht juist hebt gespeld
  • Zorg ervoor dat u alle pakketten hebt geïnstalleerd die nodig zijn om de opdracht uit te voeren die u probeert uit te voeren
  • Voeg indien nodig een installatiestap toe aan uw Dockerfile

Bronnen

Time-out van Conda

Dit probleem kan optreden wanneer conda-pakketomzetting te lang duurt.

Mogelijke oorzaken:

  • Er wordt een groot aantal pakketten vermeld in uw conda-specificatie en onnodige pakketten zijn opgenomen
  • U hebt uw afhankelijkheden niet vastgemaakt (u hebt tensorflow opgenomen in plaats van tensorflow=2.8)
  • U hebt pakketten vermeld waarvoor geen oplossing is (u hebt pakket X=1.3 en Y=2.8 opgenomen, maar de versie van X is niet compatibel met de versie van Y)

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Verwijder alle pakketten uit uw Conda-specificatie die niet nodig zijn
  • De oplossing van uw pakketten vastmaken, is sneller
  • Als u nog steeds problemen ondervindt, raadpleegt u dit artikel voor een uitgebreid overzicht van het begrijpen en verbeteren van de prestaties van Conda

Onvoldoende geheugen

Dit probleem kan optreden wanneer conda-pakketomzetting mislukt omdat het beschikbare geheugen is uitgeput.

Mogelijke oorzaken:

  • Er wordt een groot aantal pakketten vermeld in uw conda-specificatie en onnodige pakketten zijn opgenomen
  • U hebt uw afhankelijkheden niet vastgemaakt (u hebt tensorflow opgenomen in plaats van tensorflow=2.8)
  • U hebt pakketten vermeld waarvoor geen oplossing is (u hebt pakket X=1.3 en Y=2.8 opgenomen, maar de versie van X is niet compatibel met de versie van Y)

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Verwijder alle pakketten uit uw Conda-specificatie die niet nodig zijn
  • De oplossing van uw pakketten vastmaken, is sneller
  • Als u nog steeds problemen ondervindt, raadpleegt u dit artikel voor een uitgebreid overzicht van het begrijpen en verbeteren van de prestaties van Conda

Pakket is niet gevonden

Dit probleem kan optreden wanneer een of meer conda-pakketten die in uw specificatie worden vermeld, niet worden gevonden in een kanaal/opslagplaats.

Mogelijke oorzaken:

  • U vermeldt de naam of versie van het pakket onjuist in uw conda-specificatie
  • Het pakket bestaat in een Conda-kanaal dat u niet in uw conda-specificatie hebt vermeld

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Zorg ervoor dat u het pakket correct hebt gespeld en of de opgegeven versie bestaat
  • Zorg ervoor dat het pakket bestaat op het kanaal waarop u zich richt
  • Zorg ervoor dat u het kanaal/de opslagplaats in uw Conda-specificatie hebt vermeld, zodat het pakket correct kan worden opgehaald tijdens de pakketomzetting

Geef kanalen op in uw conda-specificatie:

channels:
  - conda-forge
  - anaconda
dependencies:
  - python=3.8
  - tensorflow=2.8
Name: my_environment

Bronnen

Ontbrekende Python-module

Dit probleem kan optreden wanneer een Python-module die wordt vermeld in uw Conda-specificatie niet bestaat of niet geldig is.

Mogelijke oorzaken:

  • U hebt de module onjuist gespeld
  • De module wordt niet herkend

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Zorg ervoor dat u de module correct hebt gespeld en of deze bestaat
  • Controleer of de module compatibel is met de Python-versie die u hebt opgegeven in uw conda-specificatie
  • Als u geen specifieke Python-versie in uw conda-specificatie hebt vermeld, moet u ervoor zorgen dat u een specifieke versie vermeldt die compatibel is met uw module, anders kan een standaardversie worden gebruikt die niet compatibel is

Maak een Python-versie vast die compatibel is met de pip-module die u gebruikt:

channels:
  - conda-forge
  - anaconda
dependencies:
  - python=3.8
  - pip:
    - dataclasses
Name: my_environment

Geen overeenkomende distributie

Dit probleem kan optreden wanneer er geen pakket is gevonden dat overeenkomt met de versie die u hebt opgegeven.

Mogelijke oorzaken:

  • U hebt de pakketnaam onjuist gespeld
  • Het pakket en de versie zijn niet te vinden op de kanalen of feeds die u hebt opgegeven
  • De versie die u hebt opgegeven, bestaat niet

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Zorg ervoor dat u het pakket correct hebt gespeld en dat het bestaat
  • Zorg ervoor dat de versie die u voor het pakket hebt opgegeven, bestaat
  • Zorg ervoor dat u het kanaal hebt opgegeven waaruit het pakket wordt geïnstalleerd. Als u geen kanaal opgeeft, worden standaardwaarden gebruikt en deze standaardwaarden zijn mogelijk of niet het pakket dat u zoekt

Kanalen weergeven in een conda yaml-specificatie:

channels:
  - conda-forge
  - anaconda
dependencies:
  - python = 3.8
  - tensorflow = 2.8
Name: my_environment

Bronnen

Kan mpi4py niet bouwen

Dit probleem kan optreden wanneer het bouwen van wielen voor mpi4py mislukt.

Mogelijke oorzaken:

  • Aan de vereisten voor een geslaagde mpi4py-installatie wordt niet voldaan
  • Er is iets mis met de methode die u hebt gekozen om mpi4py te installeren

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Zorg ervoor dat u een werkende MPI-installatie hebt (voorkeur voor MPI-3-ondersteuning en voor MPI gebouwd met gedeelde/dynamische bibliotheken)

Zorg ervoor dat u een compatibele Python-versie gebruikt

  • Python 3.8+ wordt aanbevolen vanwege oudere versies die het einde van de levensduur bereiken
  • Mpi4py-installatie bekijken

Bronnen

Er is geprobeerd om interactieve verificatie uit te proberen

Dit probleem kan optreden wanneer pip interactieve verificatie probeert uit te voeren tijdens de installatie van het pakket.

Mogelijke oorzaken:

  • U hebt een pakket vermeld waarvoor verificatie is vereist, maar u hebt geen referenties opgegeven
  • Tijdens de build van de installatiekopie heeft pip geprobeerd u te vragen om te verifiëren waarvoor de build is mislukt, omdat u geen interactieve verificatie kunt opgeven tijdens een build

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Verificatie opgeven via werkruimteverbindingen

VAN TOEPASSING OP: Python SDK azureml v1

from azureml.core import Workspace
ws = Workspace.from_config()
ws.set_connection("connection1", "PythonFeed", "<URL>", "Basic", "{'Username': '<username>', 'Password': '<password>'}")

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

Een werkruimteverbinding maken op basis van een YAML-specificatiebestand

az ml connection create --file connection.yml --resource-group my-resource-group --workspace-name my-workspace

Bronnen

Verboden blob

Dit probleem kan optreden wanneer een poging om toegang te krijgen tot een blob in een opslagaccount wordt geweigerd.

Mogelijke oorzaken:

  • De autorisatiemethode die u gebruikt om toegang te krijgen tot het opslagaccount is ongeldig
  • U probeert te autoriseren via Shared Access Signature (SAS), maar het SAS-token is verlopen of ongeldig

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Lees het volgende voor meer informatie over het autoriseren van toegang tot blobgegevens in Azure Portal

Lees het volgende voor meer informatie over het autoriseren van toegang tot gegevens in Azure Storage

Lees het volgende als u geïnteresseerd bent in het gebruik van SAS voor toegang tot Azure-opslagresources

Horovod-build

Dit probleem kan optreden wanneer de conda-omgeving niet kan worden gemaakt of bijgewerkt omdat horovod niet kan worden gebouwd.

Mogelijke oorzaken:

  • Voor de installatie van Horovod zijn andere modules vereist die u niet hebt geïnstalleerd
  • Voor de installatie van Horovod zijn bepaalde bibliotheken vereist die u niet hebt opgenomen

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Veel problemen kunnen leiden tot een horovod-fout en er is een uitgebreide lijst met problemen in de documentatie van horovod

  • Raadpleeg de handleiding voor het oplossen van problemen met horovod
  • Controleer het buildlogboek om te zien of er een foutbericht is dat wordt weergegeven wanneer horovod niet kan worden gebouwd
  • Het is mogelijk dat in de gids voor het oplossen van problemen met horovod het probleem wordt uitgelegd dat u tegenkomt, samen met een oplossing

Bronnen

Conda-opdracht is niet gevonden

Dit probleem kan optreden wanneer de conda-opdracht niet wordt herkend tijdens het maken of bijwerken van de Conda-omgeving.

Mogelijke oorzaken:

  • U hebt Conda niet geïnstalleerd in de basisinstallatiekopieën die u gebruikt
  • U hebt conda niet geïnstalleerd via uw Dockerfile voordat u de conda-opdracht probeert uit te voeren
  • U hebt conda niet opgenomen in uw pad of u hebt het niet toegevoegd aan uw pad

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Zorg ervoor dat u een conda-installatiestap in uw Dockerfile hebt voordat u conda-opdrachten probeert uit te voeren

Als u conda hebt geïnstalleerd en dit probleem ondervindt, controleert u of u conda aan uw pad hebt toegevoegd

Bronnen

Niet-compatibele Python-versie

Dit probleem kan optreden wanneer er een pakket is opgegeven in uw Conda-omgeving dat niet compatibel is met uw opgegeven Python-versie.

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Een andere versie van het pakket gebruiken dat compatibel is met uw opgegeven Python-versie

U kunt ook een andere versie van Python gebruiken die compatibel is met het pakket dat u hebt opgegeven

  • Als u uw Python-versie wijzigt, gebruikt u een versie die wordt ondersteund en die binnenkort niet bijna aan het einde van de levensduur nadert
  • Einddatums van Python bekijken

Bronnen

Conda bare-omleiding

Dit probleem kan optreden wanneer u een pakket op de opdrachtregel hebt opgegeven met behulp van '<' of '>' zonder aanhalingstekens. Deze syntaxis kan ertoe leiden dat conda-omgeving wordt gemaakt of bijgewerkt.

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Aanhalingstekens toevoegen rond de pakketspecificatie

  • Wijzig bijvoorbeeld conda install -y pip<=20.1.1 in conda install -y "pip<=20.1.1"

UTF-8-decoderingsfout

Dit probleem kan optreden wanneer er een fout optreedt bij het decoderen van een teken in uw conda-specificatie. 

Mogelijke oorzaken:

  • Uw Conda YAML-bestand bevat tekens die niet compatibel zijn met UTF-8.

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Pip-problemen tijdens de build

Kan pakketten niet installeren

Dit probleem kan optreden wanneer de installatie van uw installatiekopieën mislukt tijdens de installatie van het Python-pakket.

Mogelijke oorzaken:

  • Er zijn veel problemen die deze fout kunnen veroorzaken
  • Dit bericht is algemeen en wordt weergegeven wanneer azure Machine Learning-analyse de fout die u tegenkomt nog niet behandelt

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Raadpleeg het buildlogboek voor meer informatie over de buildfout van uw installatiekopie

Feedback geven voor het Azure Machine Learning-team om de fout te analyseren die u ondervindt

Kan pakket niet verwijderen

Dit probleem kan optreden wanneer pip een Python-pakket niet kan verwijderen dat het pakketbeheer van het besturingssysteem heeft geïnstalleerd.

Mogelijke oorzaken:

  • Een bestaand pip-probleem of een problematische pip-versie
  • Een probleem dat het gevolg is van het niet gebruiken van een geïsoleerde omgeving

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Lees het volgende en bepaal of een bestaand pip-probleem uw fout heeft veroorzaakt

Probeer het volgende

pip install --ignore-installed [package]

Probeer een afzonderlijke omgeving te maken met conda

Ongeldige operator

Dit probleem kan optreden wanneer pip een Python-pakket niet kan installeren vanwege een ongeldige operator die in de vereiste is gevonden.

Mogelijke oorzaken:

  • Er is een ongeldige operator gevonden in de Python-pakketvereiste

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Zorg ervoor dat u het pakket correct hebt gespeld en of de opgegeven versie bestaat
  • Zorg ervoor dat uw pakketversieaanduiding juist is opgemaakt en dat u geldige vergelijkingsoperatoren gebruikt. Versieaanduidingen weergeven
  • Vervang de ongeldige operator door de operator die wordt aanbevolen in het foutbericht

Geen overeenkomende distributie

Dit probleem kan optreden wanneer er geen pakket is gevonden dat overeenkomt met de versie die u hebt opgegeven.

Mogelijke oorzaken:

  • U hebt de pakketnaam onjuist gespeld
  • Het pakket en de versie zijn niet te vinden op de kanalen of feeds die u hebt opgegeven
  • De versie die u hebt opgegeven, bestaat niet

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Zorg ervoor dat u het pakket correct hebt gespeld en dat het bestaat
  • Zorg ervoor dat de versie die u voor het pakket hebt opgegeven, bestaat
  • Voer pip install --upgrade pip de oorspronkelijke opdracht opnieuw uit en voer deze opnieuw uit
  • Zorg ervoor dat de pip die u gebruikt pakketten voor de gewenste Python-versie kan installeren. Zie Moet ik pip of pip3 gebruiken?

Bronnen

Ongeldige bestandsnaam van wiel

Dit probleem kan optreden wanneer u een wielbestand onjuist hebt opgegeven.

Mogelijke oorzaken:

  • U hebt de bestandsnaam van het wiel onjuist gespeld of onjuiste opmaak gebruikt
  • Het opgegeven wielbestand kan niet worden gevonden

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Problemen maken

Geen doelen opgegeven en geen makefile gevonden

Dit probleem kan optreden wanneer u geen doelen hebt opgegeven en er geen makefile wordt gevonden bij het uitvoeren make.

Mogelijke oorzaken:

  • Makefile bestaat niet in de huidige map
  • Er zijn geen doelen opgegeven

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

  • Zorg ervoor dat u het makefile juist hebt gespeld
  • Zorg ervoor dat het makefile bestaat in de huidige map
  • Als u een aangepast makefile hebt, geeft u dit op met behulp van make -f custommakefile
  • Doelen opgeven in het makefile of in de opdrachtregel
  • Uw build configureren en een makefile genereren
  • Zorg ervoor dat u uw makefile correct hebt opgemaakt en dat u tabs hebt gebruikt voor inspringing

Bronnen

Problemen met kopiëren

Bestand niet gevonden

Dit probleem kan optreden wanneer Docker een bestand niet kan vinden en kopiëren.

Mogelijke oorzaken:

  • Bronbestand is niet gevonden in docker-buildcontext
  • Bronbestand uitgesloten door .dockerignore

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Mislukt bij het uitvoeren van taken omdat de omgeving in de eerste stap impliciet wordt gebouwd.

Stappen voor probleemoplossing

  • Zorg ervoor dat het bronbestand bestaat in de Docker-buildcontext
  • Zorg ervoor dat de bron- en doelpaden bestaan en juist zijn gespeld
  • Zorg ervoor dat het bronbestand niet wordt vermeld in de .dockerignore huidige en bovenliggende mappen
  • Verwijder eventuele volgopmerkingen van dezelfde regel als de COPY opdracht

Bronnen

Problemen met Apt-Get

Kan apt-get-opdracht niet uitvoeren

Dit probleem kan optreden wanneer apt-get niet kan worden uitgevoerd.

Mogelijke oorzaken:

  • Probleem met netwerkverbinding, wat tijdelijk kan zijn
  • Verbroken afhankelijkheden met betrekking tot het pakket waarop u apt-get uitvoert
  • U beschikt niet over de juiste machtigingen om de apt-get-opdracht te gebruiken

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Mislukt bij het uitvoeren van taken omdat de omgeving in de eerste stap impliciet wordt gebouwd.

Stappen voor probleemoplossing

  • Uw netwerkverbinding en DNS-instellingen controleren
  • Uitvoeren apt-get check om te controleren op verbroken afhankelijkheden
  • Voer apt-get update de oorspronkelijke opdracht opnieuw uit en voer deze opnieuw uit
  • Voer de opdracht uit met de -f vlag, waarmee het probleem wordt opgelost dat afkomstig is van de verbroken afhankelijkheden
  • Voer de opdracht uit met sudo machtigingen, zoals sudo apt-get install <package-name>

Bronnen

Problemen met Docker-push

Docker-installatiekopieën kunnen niet worden opgeslagen

Dit probleem kan optreden wanneer er een fout optreedt bij het pushen van een Docker-installatiekopie naar een containerregister.

Mogelijke oorzaken:

  • Er is een tijdelijk probleem opgetreden met de ACR die is gekoppeld aan de werkruimte
  • Een containerregister achter een virtueel netwerk maakt gebruik van een privé-eindpunt in een niet-ondersteunde regio

Betrokken gebieden (symptomen):

  • Fout in het bouwen van omgevingen vanuit de gebruikersinterface, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Voer de omgevingsbuild opnieuw uit als u vermoedt dat de fout een tijdelijk probleem is met de Azure Container Registry (ACR) van de werkruimte

Als uw containerregister zich achter een virtueel netwerk bevindt of een privé-eindpunt gebruikt in een niet-ondersteunde regio

  • Het containerregister configureren met behulp van het service-eindpunt (openbare toegang) vanuit de portal en het opnieuw proberen
  • Nadat u het containerregister achter een virtueel netwerk hebt geplaatst, voert u de Azure Resource Manager-sjabloon uit zodat de werkruimte kan communiceren met het containerregisterexemplaren

Als u geen virtueel netwerk gebruikt of als u het correct hebt geconfigureerd, test u of uw referenties juist zijn voor uw ACR door een eenvoudige lokale build uit te voeren

Onbekende Docker-opdracht

Onbekende Docker-instructie

Dit probleem kan optreden wanneer Docker een instructie niet herkent in het Dockerfile.

Mogelijke oorzaken:

  • Onbekende Docker-instructie die wordt gebruikt in Dockerfile
  • Uw Dockerfile bevat ongeldige syntaxis

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Mislukt bij het uitvoeren van taken omdat de omgeving in de eerste stap impliciet wordt gebouwd.

Stappen voor probleemoplossing

  • Zorg ervoor dat de Docker-opdracht geldig is en juist is gespeld
  • Zorg ervoor dat er een spatie is tussen de Docker-opdracht en argumenten
  • Zorg ervoor dat er geen onnodige witruimte in het Dockerfile is
  • Controleren of Dockerfile juist is opgemaakt en is gecodeerd in UTF-8

Bronnen

Opdracht niet gevonden

Opdracht niet herkend

Dit probleem kan optreden wanneer de opdracht die wordt uitgevoerd, niet wordt herkend.

Mogelijke oorzaken:

  • U hebt de opdracht niet geïnstalleerd via uw Dockerfile voordat u de opdracht probeert uit te voeren
  • U hebt de opdracht niet opgenomen in uw pad of u hebt deze niet toegevoegd aan uw pad

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Mislukt bij het uitvoeren van taken omdat de omgeving in de eerste stap impliciet wordt gebouwd.

Stappen voor probleemoplossing: zorg ervoor dat u een installatiestap voor de opdracht in uw Dockerfile hebt voordat u de opdracht probeert uit te voeren

Als u de opdracht hebt geïnstalleerd en dit probleem ondervindt, controleert u of u de opdracht aan uw pad hebt toegevoegd

Diverse buildproblemen

Buildlogboek niet beschikbaar

Mogelijke oorzaken:

  • Azure Machine Learning is niet gemachtigd om uw buildlogboeken op te slaan in uw opslagaccount
  • Er is een tijdelijke fout opgetreden tijdens het opslaan van uw buildlogboeken
  • Er is een systeemfout opgetreden voordat een installatiekopieënbuild werd geactiveerd

Betrokken gebieden (symptomen):

  • Een geslaagde build, maar geen beschikbare logboeken.
  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Fout bij het uitvoeren van taken omdat Azure Machine Learning de omgeving in de eerste stap impliciet bouwt.

Stappen voor probleemoplossing

Een herbouw kan het probleem oplossen als dit tijdelijk is

Afbeelding is niet gevonden

Dit probleem kan optreden wanneer de basisinstallatiekopieën die u hebt opgegeven, niet worden gevonden.

Mogelijke oorzaken:

  • U hebt de afbeelding onjuist opgegeven
  • De installatiekopieën die u hebt opgegeven, bestaan niet in het register dat u hebt opgegeven

Betrokken gebieden (symptomen):

  • Fout bij het bouwen van omgevingen vanuit de UI, SDK en CLI.
  • Mislukt bij het uitvoeren van taken omdat de omgeving in de eerste stap impliciet wordt gebouwd.

Stappen voor probleemoplossing

  • Zorg ervoor dat de basisinstallatiekopieën juist zijn gespeld en opgemaakt
  • Zorg ervoor dat de basisinstallatiekopieën die u gebruikt, aanwezig zijn in het register dat u hebt opgegeven

Bronnen