Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Mendebug pelatihan model yang gagal
Anda mungkin mengalami kesalahan selama pelatihan model. Amazon Rekognition Custom Labels melaporkan kesalahan pelatihan di konsol dan respons dari. [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions)
Kesalahan adalah terminal (pelatihan tidak dapat dilanjutkan), atau non-terminal (pelatihan dapat dilanjutkan). Untuk kesalahan yang berhubungan dengan isi kumpulan data pelatihan dan pengujian, Anda dapat mengunduh hasil validasi ([ringkasan manifes dan manifes](tm-debugging-summary.md) [validasi pelatihan dan pengujian](tm-debugging-scope-json-line.md)). Gunakan kode kesalahan dalam hasil validasi untuk menemukan informasi lebih lanjut di bagian ini. Bagian ini juga menyediakan informasi untuk kesalahan file manifes (kesalahan terminal yang terjadi sebelum isi file manifes divalidasi).
**catatan**
Sebuah manifes adalah file yang digunakan untuk menyimpan isi dari dataset.
Anda dapat memperbaiki beberapa kesalahan dengan menggunakan konsol Amazon Rekognition Custom Labels. Kesalahan lain mungkin mengharuskan Anda untuk membuat pembaruan pada pelatihan atau pengujian file manifes. Anda mungkin perlu membuat perubahan lain, seperti izin IAM. Untuk informasi selengkapnya, lihat dokumentasi untuk kesalahan individual.
## Kesalahan terminal
Kesalahan terminal menghentikan pelatihan model. Ada 3 kategori kesalahan pelatihan terminal — kesalahan layanan, kesalahan file manifes, dan kesalahan konten manifes.
Di konsol, Amazon Rekognition Custom Labels menampilkan error terminal untuk model di kolom pesan **Status** halaman proyek. Dasbor manajemen proyek yang menampilkan daftar proyek dengan nama, versi, tanggal dibuat, kinerja model, dan pesan status yang menunjukkan status model seperti pelatihan selesai atau gagal
Jika Anda menggunakan AWS SDK, Anda dapat mengetahui apakah kesalahan file manifes terminal atau kesalahan konten manifes terminal telah terjadi dengan memeriksa respons dari. [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions) Dalam hal ini, `Status` nilainya `TRAINING_FAILED` dan `StatusMessage` bidang berisi kesalahan.
### Kesalahan layanan
Kesalahan layanan terminal terjadi ketika Amazon Rekognition mengalami masalah layanan dan tidak dapat melanjutkan pelatihan. Misalnya, kegagalan layanan lain yang bergantung pada Label Kustom Rekognition Amazon. Amazon Rekognition Custom Labels melaporkan kesalahan layanan di konsol karena Amazon *Rekognition* mengalami masalah layanan. Jika Anda menggunakan AWS SDK, kesalahan layanan yang terjadi selama pelatihan dimunculkan sebagai `InternalServerError` pengecualian oleh [CreateProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProjectVersion)dan [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions).
Jika terjadi kesalahan layanan, coba lagi pelatihan model. Jika pelatihan terus gagal, hubungi *[AWS Support](https://aws.amazon.com/premiumsupport/)* dan sertakan informasi kesalahan yang dilaporkan dengan kesalahan layanan.
### Daftar kesalahan file manifes terminal
Kesalahan file manifes adalah kesalahan terminal, dalam kumpulan data pelatihan dan pengujian, yang terjadi pada tingkat file, atau di beberapa file. Kesalahan file manifes terdeteksi sebelum konten kumpulan data pelatihan dan pengujian divalidasi. Kesalahan file manifes mencegah pelaporan kesalahan [validasi non-terminal](#tm-error-category-non-terminal-errors). Misalnya, file manifes pelatihan kosong menghasilkan *file manifes adalah kesalahan kosong*. Karena file kosong, tidak ada kesalahan validasi JSON Line non-terminal yang dapat dilaporkan. Ringkasan manifes juga tidak dibuat.
Anda harus memperbaiki kesalahan file manifes sebelum Anda dapat melatih model Anda.
Berikut ini mencantumkan kesalahan file manifes.
+ [Ekstensi atau konten file manifes tidak valid.](tm-terminal-errors-reference.md#tm-error-message-ERROR_MANIFEST_INACCESSIBLE_OR_UNSUPPORTED_FORMAT)
+ [File manifes kosong.](tm-terminal-errors-reference.md#tm-error-message-ERROR_EMPTY_MANIFEST)
+ [Ukuran file manifes melebihi ukuran maksimum yang didukung.](tm-terminal-errors-reference.md#tm-error-message-ERROR_MANIFEST_SIZE_TOO_LARGE)
+ [Tidak dapat menulis ke ember S3 keluaran.](tm-terminal-errors-reference.md#tm-error-message-ERROR_CANNOT_WRITE_OUTPUT_S3_BUCKET)
+ [Izin bucket S3 salah.](tm-terminal-errors-reference.md#tm-error-message-ERROR_INVALID_PERMISSIONS_MANIFEST_S3_BUCKET)
### Daftar kesalahan konten manifes terminal
Kesalahan konten manifes adalah kesalahan terminal yang berhubungan dengan konten dalam manifes. Misalnya, jika Anda mendapatkan kesalahan [File manifes berisi gambar berlabel tidak cukup per label untuk melakukan pemisahan otomatis](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT), pelatihan tidak dapat diselesaikan karena tidak ada cukup gambar berlabel dalam kumpulan data pelatihan untuk membuat kumpulan data pengujian.
Selain dilaporkan di konsol dan dalam respons dari`DescribeProjectVersions`, kesalahan dilaporkan dalam ringkasan manifes bersama dengan kesalahan konten manifes terminal lainnya. Untuk informasi selengkapnya, lihat [Memahami ringkasan manifes](tm-debugging-summary.md).
Kesalahan JSON Line non terminal juga dilaporkan dalam manifes hasil pelatihan dan validasi pengujian terpisah. Kesalahan Jalur JSON non-terminal yang ditemukan oleh Label Kustom Rekognition Amazon belum tentu terkait dengan kesalahan konten manifes yang menghentikan pelatihan. Untuk informasi selengkapnya, lihat [Memahami manifestasi hasil validasi pelatihan dan pengujian](tm-debugging-scope-json-line.md).
Anda harus memperbaiki kesalahan konten manifes sebelum dapat melatih model Anda.
Berikut ini adalah pesan kesalahan untuk kesalahan konten manifes.
+ [File manifes berisi terlalu banyak baris yang tidak valid.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST)
+ [File manifes berisi gambar dari beberapa bucket S3.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_IMAGES_IN_MULTIPLE_S3_BUCKETS)
+ [Id pemilik tidak valid untuk bucket S3 gambar.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INVALID_IMAGES_S3_BUCKET_OWNER)
+ [File manifes berisi gambar berlabel tidak cukup per label untuk melakukan pemisahan otomatis.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT)
+ [File manifes memiliki terlalu sedikit label.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_FEW_LABELS)
+ [File manifes memiliki terlalu banyak label.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_MANY_LABELS)
+ [Kurang dari \{\}% label tumpang tindih antara pelatihan dan pengujian file manifes.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_LABEL_OVERLAP)
+ [File manifes memiliki terlalu sedikit label yang dapat digunakan.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_FEW_USABLE_LABELS)
+ [Kurang dari \{\}% label yang dapat digunakan tumpang tindih antara file manifes pelatihan dan pengujian.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_USABLE_LABEL_OVERLAP)
+ [Gagal menyalin gambar dari ember S3.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_FAILED_IMAGES_S3_COPY)
## Daftar kesalahan validasi baris JSON non-terminal
Kesalahan validasi JSON Line adalah kesalahan non-terminal yang tidak memerlukan Label Kustom Rekognition Amazon untuk menghentikan pelatihan model.
Kesalahan validasi JSON Line tidak ditampilkan di konsol.
Dalam kumpulan data pelatihan dan pengujian, JSON Line mewakili informasi pelatihan atau pengujian untuk satu gambar. Kesalahan validasi di JSON Line, seperti gambar yang tidak valid, dilaporkan dalam manifes validasi pelatihan dan pengujian. Amazon Rekognition Custom Labels menyelesaikan pelatihan menggunakan Garis JSON lain yang valid yang ada di manifes. Untuk informasi selengkapnya, lihat [Memahami manifestasi hasil validasi pelatihan dan pengujian](tm-debugging-scope-json-line.md). Untuk informasi tentang aturan validasi, lihat[Aturan validasi untuk file manifes](md-create-manifest-file-validation-rules.md).
**catatan**
Pelatihan gagal jika ada terlalu banyak kesalahan JSON Line.
Kami menyarankan Anda juga memperbaiki kesalahan JSON Line non-terminal karena berpotensi menyebabkan kesalahan masa depan atau memengaruhi pelatihan model Anda.
Label Kustom Rekognition Amazon dapat menghasilkan kesalahan validasi Jalur JSON non-terminal berikut.
+ [Kunci source-ref tidak ada.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_SOURCE_REF)
+ [Format nilai source-ref tidak valid.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_SOURCE_REF_FORMAT)
+ [Tidak ada atribut label yang ditemukan.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_LABEL_ATTRIBUTES)
+ [Format atribut label \{\} tidak valid.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT)
+ [Format label attributemetadata tidak valid.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT)
+ [Tidak ditemukan atribut label yang valid.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_VALID_LABEL_ATTRIBUTES)
+ [Satu atau lebih kotak pembatas memiliki nilai kepercayaan yang hilang.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_BOUNDING_BOX_CONFIDENCE)
+ [Salah satu id kelas lainnya hilang dari peta kelas.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_CLASS_MAP_ID)
+ [JSON Line memiliki format yang tidak valid.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_JSON_LINE)
+ [Gambar tidak valid. Periksa properti and/or gambar jalur S3.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_IMAGE)
+ [Kotak pembatas memiliki nilai off frame.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_BOUNDING_BOX)
+ [Tinggi dan lebar kotak pembatas terlalu kecil.](tm-debugging-json-line-errors.md#tm-error-ERROR_BOUNDING_BOX_TOO_SMALL)
+ [Ada lebih banyak kotak pembatas daripada maksimum yang diizinkan.](tm-debugging-json-line-errors.md#tm-error-ERROR_TOO_MANY_BOUNDING_BOXES)
+ [Tidak ditemukan anotasi yang valid.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_VALID_ANNOTATIONS)