Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Débogage d’un entraînement de modèle en échec Il est possible que vous rencontriez des erreurs lors de l’entraînement d’un modèle. Amazon Rekognition Custom Labels signale des erreurs d'entraînement dans la console et dans la réponse de. [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions) Les erreurs sont soit définitives (l’entraînement ne peut pas continuer), soit non définitives (l’entraînement peut continuer). Concernant les erreurs liées au contenu des jeux de données d’entraînement et de test, vous pouvez télécharger les résultats de validation (un [récapitulatif du manifeste](tm-debugging-summary.md) et des [manifestes de validation des entraînements et des tests](tm-debugging-scope-json-line.md)). Utilisez les codes d’erreur figurant dans les résultats de validation pour obtenir plus d’informations dans cette section. Cette section fournit également des informations sur les erreurs dans les fichiers manifestes (erreurs définitives survenant avant que le contenu du fichier manifeste soit validé). **Note** Un manifeste est un fichier utilisé pour stocker le contenu d’un jeu de données. Vous pouvez corriger certaines erreurs à l’aide de la console Étiquettes personnalisées Amazon Rekognition. D’autres erreurs peuvent vous obliger à mettre à jour les fichiers manifestes d’entraînement ou de test. Vous aurez peut-être besoin d’apporter d’autres modifications, par exemple aux autorisations IAM. Pour plus d’informations, consultez la documentation relative aux erreurs individuelles. ## Erreurs définitives Les erreurs définitives interrompent l’entraînement d’un modèle. Il existe 3 catégories d’erreurs définitives d’entraînement : les erreurs de service, les erreurs de fichier manifeste et les erreurs de contenu de manifeste. Dans la console, la fonctionnalité Étiquettes personnalisées Amazon Rekognition affiche les erreurs définitives d’un modèle dans la colonne **Message d’état** de la page des projets. Le tableau de bord de gestion de projet affiche la liste des projets avec le nom, les versions, la date de création, les performances du modèle et un message d'état indiquant l'état du modèle, tel que la formation terminée ou échouée ![Capture d'écran du tableau de bord de gestion de projet.](http://docs.aws.amazon.com/fr_fr/rekognition/latest/customlabels-dg/images/terminal-errors.png) Si vous utilisez le AWS SDK, vous pouvez savoir si une erreur du fichier manifeste du terminal ou une erreur de contenu du manifeste du terminal s'est produite en consultant la réponse de. [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions) Dans ce cas, la valeur `Status` est `TRAINING_FAILED` et le champ `StatusMessage` contient l’erreur. ### Erreurs de service Des erreurs définitives de service se produisent quand Amazon Rekognition rencontre un problème de service et ne peut pas poursuivre l’entraînement. Par exemple, la défaillance d’un autre service dont dépend la fonctionnalité Étiquettes personnalisées Amazon Rekognition. La fonctionnalité Étiquettes personnalisées Amazon Rekognition signale les erreurs de service dans la console quand *Amazon Rekognition* rencontre un problème de service. Si vous utilisez le AWS SDK, les erreurs de service survenant pendant l'entraînement sont signalées comme une `InternalServerError` exception par [CreateProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProjectVersion)et [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions). En cas d’erreur de service, réessayez d’entraîner le modèle. Si l’entraînement continue d’échouer, contactez *[AWS Support](https://aws.amazon.com/premiumsupport/)* et incluez toute information signalée avec l’erreur de service. ### Liste des erreurs du fichier manifeste du terminal Les erreurs de fichier manifeste sont des erreurs définitives présentes dans les jeux de données d’entraînement et de test, qui se produisent au niveau du fichier ou sur plusieurs fichiers. Elles sont détectées avant que le contenu des jeux de données d’entraînement et de test soit validé. Les erreurs de fichier manifeste empêchent le signalement [des erreurs de validation non définitives](#tm-error-category-non-terminal-errors). Par exemple, un fichier manifeste vide génère une erreur *The manifest file is empty*. Le fichier étant vide, aucune erreur de validation de ligne JSON non définitive ne peut être signalée. Le récapitulatif du manifeste n’est pas non plus créé. Vous devez corriger les erreurs du fichier manifeste avant de pouvoir entraîner votre modèle. La liste suivante répertorie les erreurs de fichier manifeste. + [Le contenu ou l’extension du fichier manifeste ne sont pas valides.](tm-terminal-errors-reference.md#tm-error-message-ERROR_MANIFEST_INACCESSIBLE_OR_UNSUPPORTED_FORMAT) + [Le fichier manifeste est vide.](tm-terminal-errors-reference.md#tm-error-message-ERROR_EMPTY_MANIFEST) + [La taille du fichier manifeste dépasse la taille maximale prise en charge.](tm-terminal-errors-reference.md#tm-error-message-ERROR_MANIFEST_SIZE_TOO_LARGE) + [Impossible d’écrire dans le compartiment S3 de sortie.](tm-terminal-errors-reference.md#tm-error-message-ERROR_CANNOT_WRITE_OUTPUT_S3_BUCKET) + [Les autorisations du compartiment S3 sont incorrectes.](tm-terminal-errors-reference.md#tm-error-message-ERROR_INVALID_PERMISSIONS_MANIFEST_S3_BUCKET) ### Liste des erreurs de contenu du manifeste du terminal Les erreurs de contenu de manifeste sont des erreurs définitives liées au contenu d’un manifeste. Par exemple, si le message d’erreur [Le fichier manifeste ne contient pas suffisamment d’images étiquetées par étiquette pour permettre le fractionnement automatique.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT) s’affiche, l’entraînement ne peut pas se terminer, car le jeu de données d’entraînement ne contient pas suffisamment d’images étiquetées pour créer un jeu de données de test. En plus d’être signalée dans la console et dans la réponse `DescribeProjectVersions`, l’erreur est signalée dans le récapitulatif du manifeste avec toute autre erreur définitive de contenu. Pour plus d’informations, consultez [Présentation du récapitulatif du manifeste](tm-debugging-summary.md). Les erreurs non définitives de ligne JSON sont également signalées dans des manifestes distincts de résultats de validation des entraînements et des tests. Les erreurs non définitives de ligne JSON détectées par la fonctionnalité Étiquettes personnalisées Amazon Rekognition ne sont pas nécessairement liées aux erreurs de contenu de manifeste qui interrompent l’entraînement. Pour plus d’informations, consultez [Présentation des manifestes de résultats de validation des entraînements et des tests](tm-debugging-scope-json-line.md). Vous devez corriger les erreurs de fichier manifeste avant de pouvoir entraîner votre modèle. Les messages d’erreur relatifs aux erreurs de contenu de manifeste sont les suivants. + [Le fichier manifeste contient trop de lignes non valides.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST) + [Le fichier manifeste contient des images provenant de plusieurs compartiments S3.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_IMAGES_IN_MULTIPLE_S3_BUCKETS) + [Identifiant de propriétaire non valide pour le compartiment S3 d’images.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INVALID_IMAGES_S3_BUCKET_OWNER) + [Le fichier manifeste ne contient pas suffisamment d’images étiquetées par étiquette pour permettre le fractionnement automatique.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT) + [Le fichier manifeste contient trop peu d’étiquettes.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_FEW_LABELS) + [Le fichier manifeste contient trop d’étiquettes.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_MANY_LABELS) + [Moins de {} % de chevauchement d’étiquettes entre les fichiers manifestes d’entraînement et de test.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_LABEL_OVERLAP) + [Le fichier manifeste contient trop peu d’étiquettes utilisables.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_MANIFEST_TOO_FEW_USABLE_LABELS) + [Moins de {} % de chevauchement d’étiquettes utilisables entre les fichiers manifestes d’entraînement et de test.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_INSUFFICIENT_USABLE_LABEL_OVERLAP) + [Échec de la copie d’images à partir du compartiment S3.](tm-debugging-aggregate-errors.md#tm-error-message-ERROR_FAILED_IMAGES_S3_COPY) ## Liste des erreurs de validation de ligne JSON non terminales Les erreurs de validation de ligne JSON sont des erreurs non définitives qui n’obligent pas la fonctionnalité Étiquettes personnalisées Amazon Rekognition à arrêter l’entraînement d’un modèle. Les erreurs de validation de ligne JSON ne s’affichent pas dans la console. Dans les jeux de données d’entraînement et de test, une ligne JSON représente les informations d’entraînement ou de test d’une seule image. Les erreurs de validation dans une ligne JSON, comme une image non valide, sont signalées dans les manifestes de validation des entraînements et des tests. La fonctionnalité Étiquettes personnalisées Amazon Rekognition termine l’entraînement en utilisant les autres lignes JSON valides du manifeste. Pour plus d’informations, consultez [Présentation des manifestes de résultats de validation des entraînements et des tests](tm-debugging-scope-json-line.md). Pour plus d’informations sur les règles de validation, consultez [Règles de validation des fichiers manifestes](md-create-manifest-file-validation-rules.md). **Note** L’entraînement échoue quand il existe trop d’erreurs de ligne JSON. Nous vous recommandons de corriger également les erreurs non définitives de ligne JSON, car elles peuvent potentiellement provoquer de futures erreurs ou avoir un impact sur l’entraînement de votre modèle. La fonctionnalité Étiquettes personnalisées Amazon Rekognition peut générer les erreurs non définitives de validation de ligne JSON suivantes. + [La clé source-ref est manquante.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_SOURCE_REF) + [Le format de la valeur source-ref n’est pas valide. ](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_SOURCE_REF_FORMAT) + [Aucun attribut d’étiquette n’a été trouvé.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_LABEL_ATTRIBUTES) + [Le format de l’attribut d’étiquette {} n’est pas valide.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_FORMAT) + [Le format des métadonnées de l’attribut d’étiquette n’est pas valide.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_LABEL_ATTRIBUTE_METADATA_FORMAT) + [Aucun attribut d’étiquette valide n’a été trouvé.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_VALID_LABEL_ATTRIBUTES) + [La valeur de confiance d’un ou de plusieurs cadres de délimitation est manquante.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_BOUNDING_BOX_CONFIDENCE) + [Un ou plusieurs identifiants de classe sont absents de la carte des classes.](tm-debugging-json-line-errors.md#tm-error-ERROR_MISSING_CLASS_MAP_ID) + [Le format de la ligne JSON n’est pas valide.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_JSON_LINE) + [L’image n’est pas valide. Vérifiez les propriétés de and/or l'image du chemin S3.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_IMAGE) + [Le cadre de délimitation comporte des valeurs hors cadre.](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_BOUNDING_BOX) + [La hauteur et la largeur du cadre de délimitation sont trop petites.](tm-debugging-json-line-errors.md#tm-error-ERROR_BOUNDING_BOX_TOO_SMALL) + [Il existe plus de cadres de délimitation que le maximum autorisé.](tm-debugging-json-line-errors.md#tm-error-ERROR_TOO_MANY_BOUNDING_BOXES) + [Aucune annotation valide n’a été trouvée.](tm-debugging-json-line-errors.md#tm-error-ERROR_NO_VALID_ANNOTATIONS)