Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Depuración de un modelo de entrenamiento con errores
Es posible que se produzcan errores durante el entrenamiento del modelo. Amazon Rekognition Custom Labels informa de los errores de entrenamiento en la consola y en la respuesta de. DescribeProjectVersions
Los errores son terminales (el entrenamiento no puede continuar) o no terminales (el entrenamiento puede continuar). En el caso de errores relacionados con el contenido de los conjuntos de datos de entrenamiento y de prueba, puede descargar los resultados de la validación (un resumen del manifiesto y manifiestos de validación del entrenamiento y de las pruebas). Utilice los códigos de error de los resultados de la validación para obtener más información en esta sección. En esta sección también se da información sobre los errores del archivo de manifiesto (errores terminales que se producen antes de que se valide el contenido del archivo de manifiesto).
nota
Un manifiesto es el archivo que se utiliza para almacenar el contenido de un conjunto de datos.
Puede subsanar algunos errores en la consola de Etiquetas personalizadas de Amazon Rekognition. Hay otros errores que necesitarán que se actualicen los archivos de manifiesto de entrenamiento o de prueba. Es posible que deba realizar otros cambios, como los permisos. IAM Para obtener más información, consulte la documentación para ver cada uno de los errores.
Errores terminales
Los errores terminales hacen que se detenga el entrenamiento de un modelo. Existen tres categorías de errores de entrenamiento terminales: errores de servicio, errores de archivos de manifiesto y errores de contenido de manifiestos.
En la consola, Etiquetas personalizadas de Amazon Rekognition registra los errores terminales de un modelo en la columna Mensaje de estado de la página de proyectos. El panel de gestión de proyectos muestra una lista de proyectos con el nombre, las versiones, la fecha de creación, el rendimiento del modelo y un mensaje de estado que indica el estado del modelo, por ejemplo, si se ha completado o no se ha completado la formación
Si utilizas el AWS SDK, puedes comprobar si se ha producido un error en el archivo de manifiesto de terminal o un error en el contenido del manifiesto de terminal comprobando la respuesta de DescribeProjectVersions. En este caso, el valor de Status es TRAINING_FAILED y el campo StatusMessage contiene el error.
Errores de servicio
Los errores de servicio terminales se producen cuando en Amazon Rekognition se produce un problema con el servicio y no puede continuar con el entrenamiento. Por ejemplo, si falla otro servicio del que dependa Etiquetas personalizadas de Amazon Rekognition. Etiquetas personalizadas de Amazon Rekognition notifica los errores de servicio en la consola cuando se produce un problema de servicio en Amazon Rekognition. Si utiliza el AWS SDK, los errores de servicio que se producen durante el entrenamiento se mencionan como InternalServerError excepción mediante CreateProjectVersiony DescribeProjectVersions.
Si se produce un error de servicio, vuelva a intentar entrenar el modelo. Si la formación sigue fallando, ponte en contacto con AWSSupport
Lista de errores del archivo de manifiesto de terminal
Los errores de archivos de manifiesto son terminales, en los conjuntos de datos de entrenamiento y de prueba, que se producen en el propio archivo o en varios archivos. Los errores de archivos de manifiesto se detectan antes de validar el contenido de los conjuntos de datos de entrenamiento y de prueba. Los errores de archivos de manifiesto impiden que se notifiquen errores de validación no terminales. Por ejemplo, un archivo de manifiesto de entrenamiento vacío genera el error The manifest file is empty. Como el archivo está vacío, no se puede informar de ningún error de validación de JSON línea que no sea terminal. Tampoco se crea el resumen del manifiesto.
Debe corregir los errores del archivo de manifiesto antes de poder entrenar el modelo.
A continuación se indican los errores de los archivos de manifiesto.
Lista de errores de contenido del manifiesto de terminal
Los errores de contenido del manifiesto son errores terminales que tienen que ver con el contenido de un manifiesto. Por ejemplo, si aparece el error The manifest file contains insufficient labeled images per label to perform auto-split, el entrenamiento no podrá completarse porque no hay suficientes imágenes etiquetadas en el conjunto de datos de entrenamiento para crear un conjunto de datos de prueba.
Además de aparecer en la consola y en la respuesta de DescribeProjectVersions, el error figurará en el resumen del manifiesto junto con cualquier otro error terminal de contenido del manifiesto. Para obtener más información, consulte Qué es el resumen del manifiesto.
Los errores no relacionados con JSON la línea terminal también se indican en los manifiestos separados de los resultados de la validación de las pruebas y las capacitaciones. Los errores de JSON línea no terminales detectados por las etiquetas personalizadas de Amazon Rekognition no están necesariamente relacionados con los errores del contenido del manifiesto que interrumpen el entrenamiento. Para obtener más información, consulte Qué son los manifiestos de resultados de validación de entrenamiento y de prueba.
Debe corregir los errores de contenido del manifiesto antes de poder entrenar el modelo.
A continuación se muestran los mensajes de error relacionados con los errores de contenido del manifiesto.
Lista de errores de validación de líneas no terminales JSON
JSONLos errores de validación de línea son errores no terminales que no requieren que las etiquetas personalizadas de Amazon Rekognition dejen de entrenar a un modelo.
JSONLos errores de validación de línea no se muestran en la consola.
En los conjuntos de datos de entrenamiento y pruebas, una JSON línea representa la información de entrenamiento o prueba de una sola imagen. Los errores de validación de una JSON línea, como una imagen no válida, se indican en los manifiestos de validación de la formación y las pruebas. Amazon Rekognition Custom Labels completa la formación con las demás líneas JSON válidas que figuran en el manifiesto. Para obtener más información, consulte Qué son los manifiestos de resultados de validación de entrenamiento y de prueba. Para obtener información sobre las reglas de validación, consulte Reglas de validación de archivos de manifiesto.
nota
El entrenamiento fracasa si hay demasiados JSON errores de línea.
Le recomendamos que corrija también los errores de JSON línea no terminales, ya que pueden provocar errores en el futuro o afectar a la formación de su modelo.
Las etiquetas personalizadas de Amazon Rekognition pueden generar los siguientes errores de validación de línea no terminales. JSON
