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. # Depuración de un modelo de entrenamiento con errores Es posible que se produzcan errores durante el entrenamiento del modelo. Amazon Rekognition Custom Labels informa de los errores de entrenamiento en la consola y en la respuesta de. [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions) Los errores son terminales (el entrenamiento no puede continuar) o no terminales (el entrenamiento puede continuar). En el caso de errores relacionados con el contenido de los conjuntos de datos de entrenamiento y de prueba, puede descargar los resultados de la validación (un [resumen del manifiesto](tm-debugging-summary.md) y [manifiestos de validación del entrenamiento y de las pruebas](tm-debugging-scope-json-line.md)). Utilice los códigos de error de los resultados de la validación para obtener más información en esta sección. En esta sección también se da información sobre los errores del archivo de manifiesto (errores terminales que se producen antes de que se valide el contenido del archivo de manifiesto). **nota** Un manifiesto es el archivo que se utiliza para almacenar el contenido de un conjunto de datos. Puede subsanar algunos errores en la consola de Etiquetas personalizadas de Amazon Rekognition. Hay otros errores que necesitarán que se actualicen los archivos de manifiesto de entrenamiento o de prueba. Otra vez, es posible que haya que realizar otros cambios, como en los permisos de IAM. Para obtener más información, consulte la documentación para ver cada uno de los errores. ## Errores terminales Los errores terminales hacen que se detenga el entrenamiento de un modelo. Existen tres categorías de errores de entrenamiento terminales: errores de servicio, errores de archivos de manifiesto y errores de contenido de manifiestos. En la consola, Etiquetas personalizadas de Amazon Rekognition registra los errores terminales de un modelo en la columna **Mensaje de estado** de la página de proyectos. El panel de administración de proyectos muestra una lista de proyectos con el nombre, las versiones, la fecha de creación, el rendimiento del modelo y un mensaje de estado que indica el estado del modelo, por ejemplo si el entrenamiento se ha completado o ha fallado. ![Captura de pantalla del panel de administración de proyectos.](http://docs.aws.amazon.com/es_es/rekognition/latest/customlabels-dg/images/terminal-errors.png) Si utiliza el AWS SDK, puede comprobar si se ha producido un error en el archivo de manifiesto de terminal o un error en el contenido del manifiesto de terminal comprobando la respuesta de. [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions) En este caso, el valor de `Status` es `TRAINING_FAILED` y el campo `StatusMessage` contiene el error. ### Errores de servicio Los errores de servicio terminales se producen cuando en Amazon Rekognition se produce un problema con el servicio y no puede continuar con el entrenamiento. Por ejemplo, si falla otro servicio del que dependa Etiquetas personalizadas de Amazon Rekognition. Etiquetas personalizadas de Amazon Rekognition notifica los errores de servicio en la consola cuando *se produce un problema de servicio en Amazon Rekognition*. Si utilizas el AWS SDK, los errores de servicio que se producen durante el entrenamiento se presentan como `InternalServerError` excepción mediante [CreateProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProjectVersion)y [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions). Si se produce un error de servicio, vuelva a intentar entrenar el modelo. Si el entrenamiento sigue fallando, póngase en contacto con *[AWS Support](https://aws.amazon.com/premiumsupport/)* e incluya cualquier información sobre el error que acompañe al error de servicio. ### Lista de errores terminales de archivos de manifiesto Los errores de archivos de manifiesto son terminales, en los conjuntos de datos de entrenamiento y de prueba, que se producen en el propio archivo o en varios archivos. Los errores de archivos de manifiesto se detectan antes de validar el contenido de los conjuntos de datos de entrenamiento y de prueba. Los errores de archivos de manifiesto impiden que se notifiquen [errores de validación no terminales](#tm-error-category-non-terminal-errors). Por ejemplo, un archivo de manifiesto de entrenamiento vacío genera el error *The manifest file is empty*. Como el archivo está vacío, no se puede informar de ningún error de validación de la línea JSON que no sea terminal. Tampoco se crea el resumen del manifiesto. Debe corregir los errores del archivo de manifiesto antes de poder entrenar el modelo. A continuación se indican los errores de los archivos de manifiesto. + [The manifest file extension or contents are invalid.](tm-terminal-errors-reference.md#tm-error-message-ERROR_MANIFEST_INACCESSIBLE_OR_UNSUPPORTED_FORMAT) + [El archivo de manifiesto está vacío.](tm-terminal-errors-reference.md#tm-error-message-ERROR_EMPTY_MANIFEST) + [The manifest file size exceeds the maximum supported size.](tm-terminal-errors-reference.md#tm-error-message-ERROR_MANIFEST_SIZE_TOO_LARGE) + [No se puede escribir en el bucket de S3 final.](tm-terminal-errors-reference.md#tm-error-message-ERROR_CANNOT_WRITE_OUTPUT_S3_BUCKET) + [Los permisos del bucket de S3 no son los correctos.](tm-terminal-errors-reference.md#tm-error-message-ERROR_INVALID_PERMISSIONS_MANIFEST_S3_BUCKET) ### Lista de errores terminales de contenido del manifiesto Los errores de contenido del manifiesto son errores terminales que tienen que ver con el contenido de un manifiesto. Por ejemplo, si aparece el error [The manifest file contains insufficient labeled images per label to perform auto-split](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT), el entrenamiento no podrá completarse porque no hay suficientes imágenes etiquetadas en el conjunto de datos de entrenamiento para crear un conjunto de datos de prueba. Además de aparecer en la consola y en la respuesta de `DescribeProjectVersions`, el error figurará en el resumen del manifiesto junto con cualquier otro error terminal de contenido del manifiesto. Para obtener más información, consulte [Qué es el resumen del manifiesto](tm-debugging-summary.md). Los errores no terminales en las líneas JSON también se indican en manifiestos separados en los resultados de las validaciones de entrenamiento y de prueba. Los errores no terminales en las líneas JSON detectados por Etiquetas personalizadas de Amazon Rekognition no están necesariamente relacionados con los errores de contenido del manifiesto que hacen detener el entrenamiento. Para obtener más información, consulte [Qué son los manifiestos de resultados de validación de entrenamiento y de prueba](tm-debugging-scope-json-line.md). Debe corregir los errores de contenido del manifiesto antes de poder entrenar el modelo. A continuación se muestran los mensajes de error relacionados con los errores de contenido del manifiesto. + [The manifest file contains too many invalid rows.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST) + [The manifest file contains images from multiple S3 buckets.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_IMAGES_IN_MULTIPLE_S3_BUCKETS) + [Invalid owner id for images S3 bucket.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INVALID_IMAGES_S3_BUCKET_OWNER) + [The manifest file contains insufficient labeled images per label to perform auto-split.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT) + [The manifest file has too few labels.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_FEW_LABELS) + [The manifest file has too many labels.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_MANY_LABELS) + [Less than {}% label overlap between the training and testing manifest files.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_LABEL_OVERLAP) + [The manifest file has too few usable labels.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_FEW_USABLE_LABELS) + [Less than {}% usable label overlap between the training and testing manifest files.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_USABLE_LABEL_OVERLAP) + [Failed to copy images from S3 bucket.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_FAILED_IMAGES_S3_COPY) ## Lista de errores no terminales de validación en líneas JSON Los errores de validación de las líneas JSON son errores no terminales que no requieren que Etiquetas personalizadas de Amazon Rekognition dejen de entrenar un modelo. Los errores de validación de las líneas JSON no aparecen en la consola. En los conjuntos de datos de entrenamiento y de prueba, una línea JSON representa la información de entrenamiento o de prueba de una sola imagen. Los errores de validación en una línea JSON, como una imagen no válida, se indican en los manifiestos de validación de entrenamiento y de prueba. Etiquetas personalizadas de Amazon Rekognition completa el entrenamiento con las demás líneas JSON válidas que se encuentren en el manifiesto. Para obtener más información, consulte [Qué son los manifiestos de resultados de validación de entrenamiento y de prueba](tm-debugging-scope-json-line.md). Para obtener información sobre las reglas de validación, consulte [Reglas de validación de archivos de manifiesto](md-create-manifest-file-validation-rules.md). **nota** El entrenamiento no se realiza si hay demasiados errores en las líneas JSON. Le recomendamos que corrija también los errores no terminales de las líneas JSON, ya que pueden provocar errores en el futuro o afectar al entrenamiento del modelo. Etiquetas personalizadas de Amazon Rekognition puede generar los siguientes errores no terminales de validación en las líneas JSON. + [The source-ref key is missing.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_SOURCE_REF) + [The format of the source-ref value is invalid. ](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_SOURCE_REF_FORMAT) + [No label attributes found.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_LABEL_ATTRIBUTES) + [El formato del atributo de etiqueta {} no es válido.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT) + [The format of the label attributemetadata is invalid.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT) + [No valid label attributes found.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_VALID_LABEL_ATTRIBUTES) + [One or more bounding boxes has a missing confidence value.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_BOUNDING_BOX_CONFIDENCE) + [One of more class ids is missing from the class map.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_CLASS_MAP_ID) + [The JSON Line has an invalid format.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_JSON_LINE) + [The image is invalid. Compruebe las propiedades de and/or la imagen de ruta de S3.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_IMAGE) + [The bounding box has off frame values.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_BOUNDING_BOX) + [The height and width of the bounding box is too small.](tm-debugging-json-line-errors.md#tm-error-ERROR_BOUNDING_BOX_TOO_SMALL) + [There are more bounding boxes than the allowed maximum.](tm-debugging-json-line-errors.md#tm-error-ERROR_TOO_MANY_BOUNDING_BOXES) + [No valid annotations found.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_VALID_ANNOTATIONS)