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。
# 故障診斷 SageMaker Clarify 處理任務
如果您遇到與 SageMaker Clarify 處理任務失敗，請參閱以下情況以幫助確定問題。
**注意**
失敗原因和退出訊息旨在包含在執行時間描述性訊息和例外狀況 (如果遇到)。錯誤的常見原因是參數遺失或無效。如果您遇到不清楚、令人困惑或誤導的訊息，或無法找到解決方案，請提交意見回饋。
**Topics**
+ [處理任務無法完成](#clarify-troubleshooting-job-fails)
+ [處理任務執行時間太長](#clarify-troubleshooting-job-long)
+ [處理任務完成時沒有結果，且您會收到 CloudWatch 警告訊息](#clarify-troubleshooting-no-results-and-warning)
+ [無效分析組態的錯誤訊息](#clarify-troubleshooting-invalid-analysis-configuration)
+ [多個或所有指標的偏差指標運算失敗](#clarify-troubleshooting-bias-metric-computation-fails)
+ [分析設定與資料集／模型輸入／輸出不相符](#clarify-troubleshooting-mismatch-analysis-config-and-data-model)
+ [模型已傳回 500 個內部伺服器錯誤或容器因模型錯誤而退回到每個記錄預測](#clarify-troubleshooting-500-internal-server-error)
+ [執行角色無效](#clarify-troubleshooting-execution-role-invalid)
+ [無法下載資料](#clarify-troubleshooting-data-download)
+ [無法連線至 SageMaker AI](#clarify-troubleshooting-connection)
## 處理任務無法完成
如果處理任務無法完成，您可以嘗試下列方法：
+ 直接在您執行工作的筆記本中檢查任務日誌。任務日誌位於您起始執行的筆記本儲存格輸出中。
+ 檢查 CloudWatch 任務日誌。
+ 在筆記本中新增下列行，以描述上一個處理任務，並尋找失敗原因和退出訊息：
+ `clarify_processor.jobs[-1].describe()`
+ 執行下列 AWS CLI命令來描述處理任務，並尋找失敗原因並結束訊息：
+ `aws sagemaker describe-processing-job —processing-job-name `
## 處理任務執行時間太長
如果您的處理任務執行時間太長，請使用下列方法找出根本原因。
檢查您的資源設定是否足以處理您的運算負載。為加速您的工作，請嘗試下列操作：
+ 請使用較大的執行個體類型。SageMaker Clarify 會重複查詢模型，而較大的執行個體可以顯著減少您的運算時間。如需可用的執行個體清單、記憶體大小、頻寬和其他效能詳細資訊，請參閱 [Amazon SageMaker AI 定價](https://aws.amazon.com/sagemaker/pricing/)。
+ 新增更多的執行個體。SageMaker Clarify 可以使用多個執行個體來解譯多個平行輸入資料點。若要啟用平行運算，當呼叫 `SageMakerClarifyProcessor` 時，請將您的 `instance_count` 設定為超過 `1`。如需更多資訊，請參閱[如何執行平行 SageMaker Clarify 處理任務](clarify-processing-job-run.md#clarify-processing-job-run-spark)。如果您增加執行個體計數，請監控端點的效能，以檢查端點是否可以部署增加的負載。如需更多資訊，請參閱[從即時端點擷取資料](model-monitor-data-capture-endpoint.md)。
+ 如果您正在運算 SHapley Additive exPlanations (SHAP)值，請減少分析組態檔案中的 `num_samples` 參數。樣本數量直接影響以下內容：
+ 傳送至端點的綜合資料集大小
+ 工作執行期
減少樣本數量也會導致估算SHAP值的準確性降低。如需更多資訊，請參閱[分析組態檔案](clarify-processing-job-configure-analysis.md)。
## 處理任務完成時沒有結果，且您會收到 CloudWatch 警告訊息
如果處理的工作完成但找不到任何結果，CloudWatch 記錄會產生一則警告訊息，指出訊號 15 已接收、清理。此警告指出工作已停止，可能是因為客戶要求呼叫 `StopProcessingJob` API，或工作已經超過指定的完成時間。在後一種情況下，請檢查工作組態 (`max_runtime_in_seconds`) 中的執行期上限，並根據需要增加它。
## 無效分析組態的錯誤訊息
+ 如果您收到錯誤訊息無法將分析組態載入為 JSON。這表示處理任務的分析組態輸入檔案不包含有效的 JSON 物件。使用 JSON 線性檢查 JSON 物件的有效性。
+ 如果您收到錯誤訊息分析組態結構描述驗證錯誤。這代表處理任務的分析組態輸入文件包含未知的欄位或某些欄位值的無效類型。檢閱檔案中的組態參數，並使用分析組態檔案中列出的參數進行交叉檢查。如需詳細資訊，請參閱[分析組態檔案](clarify-processing-job-configure-analysis.md)。
## 多個或所有指標的偏差指標運算失敗
如果您收到下列其中一個錯誤訊息預測標籤欄中沒有標籤值，則正值預測索引序列會包含所有錯誤的值，或預測標籤欄系列的資料類型是不一樣的標籤欄系列。，請嘗試下列操作：
+ 檢查是否正在使用正確的資料集。
+ 檢查資料集大小是否太小；例如，它是否只包含幾個資料列。這可能會導致模型輸出具有相同的值，或者不正確地推斷資料類型。
+ 檢查標籤或構面是否被視為連續型或分類。SageMaker Clarify 使用啟發式法來確定[https://github.com/aws/amazon-sagemaker-clarify/blob/master/src/smclarify/bias/metrics/common.py#L114)](https://github.com/aws/amazon-sagemaker-clarify/blob/master/src/smclarify/bias/metrics/common.py#L114))。對於訓練後偏差指標，模型傳回的資料類型可能與資料集中的資料類型不符，否則 SageMaker Clarify 可能無法正確轉換資料類型。
+ 在偏差報表中，您應該會看到分類欄的單一值，或是連續欄的間隔。
+ 例如，如果資料行的值 0.0 和 1.0 為浮點數，即使唯一值太少，也會將其視為連續型值。
## 分析設定與資料集／模型輸入／輸出不相符
+ 檢查分析設定中的基準格式是否與資料集格式相同。
+ 如果您收到錯誤訊息無法將字串轉換為浮點數，檢查格式是否正確指定。它也可能表示模型預測的格式與標籤欄的格式不同，或者可能表示標籤或機率的組態不正確。
+ 如果您收到錯誤訊息無法找到構面，或標題必須包含標籤。，或設定中的標題不符合資料集中的欄數，或找不到功能名稱。，檢查標題是否與欄相符。
+ 如果您收到錯誤訊息資料必須包含功能，檢查 JSON 行的內容範本，並將其與資料集範例 (如果有的話) 進行比較。
## 模型已傳回 500 個內部伺服器錯誤或容器因模型錯誤而退回到每個記錄預測
如果您收到錯誤訊息，因為模型錯誤而回退至每個記錄的預測。這可能表示模型無法處理批次大小，或者由於序列化問題而不接受容器傳遞的輸入。您應該檢閱 SageMaker AI 端點的 CloudWatch 日誌，並尋找錯誤訊息或追溯。對於模型調節情況，使用不同的執行個體類型或增加端點的執行個體數量可能會有所幫助。
## 執行角色無效
這表示提供的角色不正確或缺少必要的權限。檢查用來設定處理任務的角色及其權限，並驗證角色的權限和信任政策。
## 無法下載資料
這表示無法下載任務輸入以開始工作。檢查資料集的儲存貯體名稱和權限及組態輸入。
## 無法連線至 SageMaker AI
這指出任務無法連線到 SageMaker AI 服務端點。檢查處理任務的網路組態，並驗證虛擬私有雲端 (VPC) 組態。