SageMaker Clarify 処理ジョブのトラブルシューティング

ジョブを実行したノートブックでジョブログを直接調べます。ジョブログは、実行を開始したノートブックセルの出力にあります。

のジョブログを検査します CloudWatch。

次の行をノートブックに追加して、最後の処理ジョブを記述し、エラーの理由と終了メッセージを探します。

次の AWS CLI; コマンドを実行して処理ジョブを記述し、障害の理由と終了メッセージを探します。

より大きなインスタンスタイプを使用します。 SageMaker Clarify はモデルを繰り返しクエリするため、インスタンスが大きいほど計算時間が大幅に短縮されます。使用可能なインスタンス、そのメモリサイズ、帯域幅、およびその他のパフォーマンスの詳細については、「Amazon SageMaker 料金」を参照してください。

インスタンスをさらに追加します。 SageMaker Clarify は複数のインスタンスを使用して、複数の入力データポイントを並行して説明できます。並列コンピューティングを有効にするには、SageMakerClarifyProcessor を呼び出すときに、instance_count を 1 より大きく設定します。詳細については、「並列 SageMaker Clarify 処理ジョブを実行する方法」を参照してください。インスタンス数を増やす場合は、エンドポイントのパフォーマンスをモニタリングして、増加した負荷をデプロイできるかどうかを確認します。詳細については、「リアルタイムエンドポイントからデータをキャプチャする」を参照してください。

コンピューティングしている場合 SHapley Additive exPlanations (SHAP) 値の場合は、分析設定ファイルの num_samplesパラメータを減らします。サンプル数は以下に直接影響します。

サンプル数を減らすと、推定の精度が低下する可能性もあります。SHAP 値。詳細については、「分析設定ファイル」を参照してください。

エラーメッセージが表示された場合、分析設定を としてロードできませんJSON。つまり、処理ジョブの分析設定入力ファイルには有効なJSONオブジェクトが含まれていません。linter JSON を使用してJSONオブジェクトの有効性を確認します。

「分析設定スキーマの検証エラー」というエラーメッセージが表示される場合は、処理ジョブの分析設定入力ファイルに、不明なフィールドが含まれているか一部のフィールド値に無効なタイプが含まれていることを意味します。ファイル内の設定パラメータを確認し、分析設定ファイルに記載されているパラメータと照合してください。詳細については、「分析設定ファイル」を参照してください。

正しいデータセットが使用されているかチェックします。

データセットのサイズが小さすぎないか、例えば、数行しか含まれていないか、などをチェックします。これにより、モデルの出力が同じ値になったり、データ型が正しく推測されなかったりする可能性があります。

ラベルまたはファセットが連続またはカテゴリとして扱われるかどうかを確認します。 SageMaker Clarify はヒューリスティックを使用して を決定しますDataType。トレーニング後のバイアスメトリクスの場合、モデルによって返されるデータ型がデータセット内のデータ型と一致しないか、 SageMaker Clarify が正しく変換できない可能性があります。

分析設定のベースライン形式がデータセット形式と同じかチェックします。

「文字列を浮動小数点に変換できませんでした」というエラーメッセージが表示される場合は、形式が正しく指定されているかチェックします。また、モデル予測がラベル列と異なる形式であることや、ラベルや確率の設定が正しくないことを示す可能性もあります。

「ファセットが見つかりません」、「ヘッダーにはラベルが含まれている必要があります」、「設定内のヘッダーがデータセット内の列の数と一致しません」、「特徴量名が見つかりません」のいずれかのエラーメッセージが表示された場合は、ヘッダーが列と一致しているかどうか確認してください。

がエラーメッセージを受信した場合、データには機能が含まれている必要があります。 は、JSONLines のコンテンツテンプレートをチェックし、利用可能な場合はデータセットサンプルと比較します。