Эта статья содержит ответы на часто задаваемые вопросы по устранению неполадок со службой Персонализатора.
Расположение данных в одном регионе
Когда персонализатор будет нерекомендуем?
Начиная с 20 сентября 2023 г. вы не сможете создавать новые ресурсы Персонализатора. Служба Персонализатора отменяется 1 октября 2026 года.
Как данные реплицируются в регионе с расположением данных в одном регионе?
Персонализатор не хранит и не обрабатывает данные клиентов за пределами региона, в котором клиент развертывает экземпляр службы.
Проблемы с конфигурацией
Параметр конфигурации изменен, и теперь мой цикл не работает на том же уровне обучения. Что произошло?
Некоторые параметры конфигурации сбрасывают вашу модель. Изменения конфигурации следует тщательно планировать и выполнять осторожно после прочтения документации.
При настройке Персонализатора с API получена ошибка. Что произошло?
Если вы используете один запрос API для настройки службы и изменения своего поведения при обучении, вы получите сообщение об ошибке. Вам нужно сделать два отдельных вызова API: сначала для настройки службы, а затем для изменения поведения обучения.
Ошибки транзакции
Я получаю от службы ответ HTTP 429 (слишком много запросов). Что я могу сделать?
Если вы выбрали бесплатный ценовой уровень при создании экземпляра Персонализатора, существует ограничение квоты на количество разрешенных запросов ранжирования. Проверьте частоту вызовов API для API ранжирования (на панели "Метрики" на портале Azure для вашего ресурса Персонализатора) и настройте уровень ценообразования (на панели "Уровень ценообразования"), если ожидается, что объем вызовов API превысит пороговое значение для выбранного уровня.
Я получаю ошибку 5xx в API ранжирования или вознаграждения. Что делать?
Ошибки 5xx должны быть временными проблемами. Если они продолжат возникать, обратитесь в службу поддержки, выбрав Новый запрос на поддержку в разделе Поддержка и устранение неполадок на портале Azure для вашего ресурса Персонализатора.
Цикл обучения
В режиме ученика цикл обучения не достигает 100 % соответствия неперсонализированной (базовой) политике. Как это устранить?
Эффективность Персонализатора в режиме ученика практически не достигает 100 % от базовых показателей приложения и никогда не превысит его. Лучшие методики не нацелены на достижение 100 %, но в зависимости от варианта использования диапазон 60–80 % должен быть достижим. Тем не менее, если производительность обучения низкая или стабилизировалась ниже 60 %, причиной могут быть следующие проблемы:
- недостаточно функций, отправленных с вызовом API ранжирования;
- ошибки в отправленных функциях — например, отправка неагрегированных данных функций, таких как метки времени, в API ранжирования;
- ошибки с обработкой цикла — например, не отправляются данные об API вознаграждения для событий.
Чтобы устранить эти проблемы, может потребоваться внести корректировки, изменив функции, отправляемые в цикл, или проверив, что оценка вознаграждения точно фиксирует значение действия, возвращаемого вызовом API ранжирования.
Цикл обучения, похоже, не учится быстро или эффективно. Как это устранить?
Для цикла обучения требуется несколько тысяч вызовов вознаграждения, прежде чем вызовы ранжирования будут эффективно расставлены по приоритетам.
Если вы не уверены в том, как работает ваш цикл обучения сейчас, запустите автономную оценку и примените исправленную политику обучения.
Я продолжаю получать результаты ранжирования с одинаковой вероятностью для всех элементов. Как я узнаю, что Персонализатор обучает?
Персонализатор возвращает те же вероятности в результате API ранжирования, когда он только что запущен и имеет пустую модель или когда вы сбрасываете цикл Персонализатора и ваша модель все еще находится в пределах периода Частота обновления модели.
Когда начинается новый период обновления, используется обновленная модель и вы увидите изменение вероятностей.
Цикл обучения выполнял обучение, но, похоже, больше не обучает, и качество результатов ранжирования не очень хорошее. Что делать?
- Убедитесь, что вы выполнили и применили одну оценку на портале Azure для этого цикла.
- Убедитесь, что все вознаграждения были успешно отправлены через API вознаграждения и обработаны.
Как я узнаю, что цикл обучения регулярно обновляется и используется для оценки моих данных?
Время последнего обновления модели можно найти на странице Параметры модели и обучения портала Azure. Если вы видите старую метку времени, скорее всего, вы не отправляете запросы на получение ранжирования и вознаграждения. Если у службы нет входящих данных, она не обновляет обучение. Если вы видите, что цикл обучения обновляется недостаточно часто, вы можете изменить частоту обновления модели цикла.
Автономная оценка
Важность признака автономной оценки возвращает длинный список с сотнями или тысячами элементов. Что произошло?
Обычно это происходит из-за присланных меток времени, идентификаторов пользователей или некоторых других подробных функций.
Мне удалось создать автономную оценку почти мгновенно. Почему так? Я не вижу результатов.
Автономная оценка использует обученную модель и данные из событий, отправленных в API-интерфейсы ранжирования и вознаграждения за этот период времени. Если приложение не отправило никаких данных между временем начала и окончания оценки, она будет быстро завершена без каких-либо результатов.
Политики обучения
Как импортировать политику обучения?
Узнайте больше о концепциях политики обучения и о том, как применять новую политику обучения. Если вы не хотите выбирать политику обучения, вы можете использовать автономную оценку, чтобы предложить политику обучения на основе ваших текущих событий.
Безопасность
API каких протоколов проверки подлинности поддерживает Персонализатор?
API персонализатора используют идентификатор Microsoft Entra, который поддерживает различные протоколы проверки подлинности и синхронизации.
Ключ API для моего цикла был скомпрометирован. Что я могу сделать?
Вы можете восстановить один ключ после замены ваших клиентов на другой ключ. Наличие двух ключей позволяет вам распространять ключ ленивым образом без простоев. В целях безопасности рекомендуется делать это регулярно.