Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Anleitung zur Fehlerbehebung Wenn Sie bei der Verwendung von SageMaker Clarify online Explainability auf Fehler stoßen, lesen Sie die Themen in diesem Abschnitt. **`InvokeEndpoint`Die API schlägt mit dem Fehler „:Read ReadTimeoutError timeout on endpoint...“ fehl** Dieser Fehler bedeutet, dass die Anfrage nicht innerhalb der durch das [Zeitbeschränkung für die Anforderung](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_runtime_InvokeEndpoint.html) festgelegten Frist von 60 Sekunden abgeschlossen werden konnte. Um die Anforderungslatenz zu verringern, führen Sie die folgenden Schritte aus: + Passen Sie die Leistung des Modells während der Inferenz an. SageMaker AI [Neo](https://aws.amazon.com/sagemaker/neo/) kann beispielsweise Modelle für Inferenz optimieren. + Erlauben Sie dem Modellcontainer, Batch-Anfragen zu verarbeiten. + Verwenden Sie einen größeren `MaxRecordCount`-Wert, um die Anzahl der Aufrufe vom Erklärer zum Modellcontainer zu reduzieren. Dadurch werden die Netzwerklatenz und der Overhead reduziert. + Verwenden Sie einen Instance-Typ, dem mehr Ressourcen zugewiesen sind. Weisen Sie dem Endpunkt alternativ mehr Instances zu, um die Last besser verteilen zu können. + Reduzieren Sie die Anzahl der Datensätze in einer einzelnen `InvokeEndpoint`-Anfrage. + Reduzieren Sie die Anzahl der Datensätze in den Basisdaten. + Verwenden Sie einen kleineren `NumberOfSamples`-Wert, um die Größe des synthetischen Datensatzes zu reduzieren. Weitere Informationen dazu, wie sich die Anzahl der Proben auf Ihren synthetischen Datensatz auswirkt, finden Sie unter [Synthetischer Datensatz](clarify-online-explainability-create-endpoint-synthetic.md).