As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Guia de solução de problemas
<a name="notebook-auto-run-troubleshoot"></a>

Consulte este guia de solução de problemas para ajudá-lo a depurar falhas que podem ocorrer quando o trabalho programado do caderno é executado.

## A definição de trabalho não cria trabalhos
<a name="notebook-auto-run-troubleshoot-no-jobs"></a>

Se sua definição de trabalho não iniciar nenhum trabalho, o caderno ou o trabalho de treinamento pode não ser exibido na seção **Trabalhos** na barra de navegação esquerda do Amazon SageMaker Studio. Se for esse o caso, você pode encontrar mensagens de erro na seção **Pipelines**, na barra de navegação esquerda do Studio. Cada caderno ou definição de trabalho de treinamento pertence a um pipeline de execução. A seguir, veja as causas comuns para a falha na inicialização de trabalhos de caderno.

**Permissões ausentes**
+ A função atribuída à definição do cargo não tem uma relação de confiança com a Amazon EventBridge. Ou seja, EventBridge não pode assumir o papel.
+ A função atribuída à definição de trabalho não tem permissão para chamar `SageMaker AI:StartPipelineExecution`.
+ A função atribuída à definição de trabalho não tem permissão para chamar `SageMaker AI:CreateTrainingJob`.

**EventBridge cota excedida**

Se você ver um `Put*` erro como o exemplo a seguir, você excedeu uma EventBridge cota. Para resolver isso, você pode limpar EventBridge execuções não utilizadas ou pedir AWS Support para aumentar sua cota.

```
LimitExceededException) when calling the PutRule operation: 
The requested resource exceeds the maximum number allowed
```

Para obter mais informações sobre EventBridge cotas, consulte [ EventBridge Cotas da Amazon](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-quota.html).

**Limite de cota de gasoduto excedido**

Se você receber um erro como o exemplo a seguir, excedeu o número de pipelines que podem ser executados. Para resolver isso, você pode limpar os pipelines não utilizados na sua conta ou pedir AWS Support para aumentar sua cota.

```
ResourceLimitExceeded: The account-level service limit 
'Maximum number of pipelines allowed per account' is XXX Pipelines, 
with current utilization of XXX Pipelines and a request delta of 1 Pipelines.
```

Para obter mais informações sobre cotas de pipeline, consulte os [endpoints e cotas do Amazon SageMaker AI](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html).

**Limite de trabalho de treinamento excedido**

Se você ver um erro como o exemplo a seguir, você excedeu o número de trabalhos de treinamento que podem ser executados. Para resolver isso, reduza o número de vagas de treinamento em sua conta ou peça AWS Support para aumentar sua cota.

```
ResourceLimitExceeded: The account-level service limit 
'ml.m5.2xlarge for training job usage' is 0 Instances, with current 
utilization of 0 Instances and a request delta of 1 Instances. 
Please contact AWS support to request an increase for this limit.
```

Para obter mais informações sobre cotas de trabalho de treinamento, consulte os [endpoints e cotas do Amazon SageMaker AI](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html).

## Visualizações automáticas desativadas em notebooks SparkMagic
<a name="notebook-auto-run-troubleshoot-visualization"></a>

Se o seu notebook usa o SparkMagic PySpark kernel e você executa o notebook como um Notebook Job, você pode ver que suas visualizações automáticas estão desativadas na saída. Ativar a visualização automática faz com que o kernel trave, então o executor de trabalhos do caderno desativa as visualizações automáticas como uma solução alternativa.