本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 疑難排解
<a name="batch-transform-errors"></a>

如果您在 Amazon SageMaker AI 批次轉換發生錯誤，請參閱下列疑難排解提示。

## 最大逾時錯誤
<a name="batch-transform-errors-max-timeout"></a>

如果您在執行批次轉換工作時收到最大逾時錯誤，請嘗試下列方式：
+ 從單一記錄 `[BatchStrategy](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTransformJob.html#sagemaker-CreateTransformJob-request-BatchStrategy)` 開始，您在 `[MaxPayloadInMB](https://docs.aws.amazon.com//sagemaker/latest/APIReference/API_CreateTransformJob.html#sagemaker-CreateTransformJob-request-MaxPayloadInMB)` 參數中指定的預設值 (6 MB) 或更小的批次大小，以及一個小範例資料集。調整最大逾時參數 `[InvocationsTimeoutInSeconds](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_ModelClientConfig.html#sagemaker-Type-ModelClientConfig-InvocationsTimeoutInSeconds)` (最多 1 小時)，直到您收到成功的調用回應為止。
+ 收到成功的調用回應之後，請增加 `MaxPayloadInMB` (上限 100 MB) 和 `InvocationsTimeoutInSeconds` 參數，找出可支援所需模型逾時的批次大小上限。您可以在此步驟使用單一記錄或多重記錄 `BatchStrategy`。
**注意**  
超過 `MaxPayloadInMB` 限制會導致錯誤。大型資料集無法分割、`SplitType` 參數設為無，或資料集的個別記錄超出限制時，都可能會發生這個問題。
+ (選用) 調整 `[MaxConcurrentTransforms](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTransformJob.html#sagemaker-CreateTransformJob-request-MaxConcurrentTransforms)` 參數；此參數會指定批次轉換工作中，可以傳送至每個執行個體的平行請求數量上限。然而，`MaxConcurrentTransforms * MaxPayloadInMB` 的值不得超過 100 MB。

## 輸出不完整
<a name="batch-transform-errors-incomplete"></a>

SageMaker AI 使用 Amazon S3 [分段上傳 API](https://docs.aws.amazon.com/AmazonS3/latest/dev/uploadobjusingmpu.html)，將批次轉換工作結果上傳至 Amazon S3。如果發生錯誤，則會將上傳結果從 Amazon S3 移除。在某些情況下，例如網路中斷時，未完成的分段上傳可能會留在 Amazon S3。如果您有多個輸入檔案，但 SageMaker AI 批次轉換無法處理某些檔案，也可能會發生上傳未完成的情況。無法處理的輸入檔案在 Amazon S3 中不會有對應的輸出檔案。

為了避免產生儲存費用，我們建議您將 [S3 儲存貯體政策](https://docs.aws.amazon.com/AmazonS3/latest/dev/mpuoverview.html#mpu-abort-incomplete-mpu-lifecycle-config)新增到 S3 儲存貯體的生命週期規則。此政策會刪除可能存放在 S3 儲存貯體中的不完整分段上傳。如需詳細資訊，請參閱[物件生命週期管理](https://docs.aws.amazon.com/AmazonS3/latest/dev/object-lifecycle-mgmt.html)。

## 工作顯示為 `failed`
<a name="batch-transform-errors-failed"></a>

如果因為資料集發生問題，造成批次轉換工作無法處理輸入檔案，SageMaker AI 會將該工作標記為 `failed`。如果輸入檔包含錯誤的記錄，轉換任務不會為該輸入檔建立輸出檔，因為這樣做會阻止它在轉換資料中維持與輸入檔相同的順序。當您的資料集有多個輸入檔，即使轉換任務無法處理其中一個檔案，仍會持續處理。處理檔案仍會產生可用的結果。

如果您使用的是自己的演算法，當演算法在輸入檔中找到錯誤記錄時，您可以使用預留位置文字，例如 `ERROR`。例如，如果資料集中的最後一個記錄是錯誤的，演算法會將該記錄的預留位置文字放在輸出檔中。