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.
Errores de solución de problemas
Esta sección contiene información sobre cómo comprender y evitar errores habituales, los mensajes de error que generan y orientación sobre cómo solucionar estos errores. Antes de continuar, hágase las siguientes preguntas:
¿Encontró un error antes de implementar su modelo? En caso afirmativo, consulte Solución de errores de compilación en Neo.
¿Se ha producido un error después de compilar el modelo? En caso afirmativo, consulte Solución de problemas de errores de inferencia de Neo.
¿Se ha producido un error al intentar compilar el modelo para los dispositivos Ambarella? En caso afirmativo, consulte Solución de errores de Ambarella.
Tipos de clasificación de errores
En esta lista se clasifican los errores de usuario que puede recibir de Neo. Se incluyen los errores de acceso y de permiso, y los errores de carga para cada uno de los marcos compatibles. Todos los demás errores son errores del sistema.
Error de permiso de cliente: Neo pasa los errores de este tipo directamente a través del servicio dependiente.
Acceso denegado al llamar a sts: AssumeRole
Cualquier error 400 que se produce al llamar a S3 para descargar o cargar un modelo de cliente.
Error de PassRole
Si el compilador de Neo ha cargado correctamente .tar.gz desde Amazon S3, compruebe que tarball contenga los archivos necesarios para la compilación. Los criterios de comprobación son específicos del marco:
-
TensorFlow: Solo espera el archivo protobuf (*.pb o*.pbtxt). Para los modelos guardados, espera una carpeta de variables.
-
Pytorch: espere un único archivo pytorch (*.pth).
-
MXNET: espera solo un archivo de símbolos (*.json) y un archivo de parámetros (*.params).
-
XGBoost: espere solo un archivo de modelos XGBoost (*.model). El modelo de entrada tiene limitación de tamaño.
Se supone que el compilador de Neo ha cargado correctamente .tar.gz desde Amazon S3 y que tarball contenga los archivos necesarios para la compilación. Los criterios de comprobación son:
-
OperatorNotImplemented: No se ha implementado ningún operador.
-
OperatorAttributeNotImplemented: No se ha implementado el atributo del operador especificado.
-
OperatorAttributeRequired: Se requiere un atributo para un gráfico de símbolos interno, pero no aparece en el gráfico del modelo introducido por el usuario.
-
OperatorAttributeValueNotValid: El valor del atributo en el operador específico no es válido.