机器学习PAI报错问题之读取kafka数据报错如何解决

问题一：麻烦问一下机器学习PAI使用框架训练时有时候报这个错是什么原因？

麻烦问一下机器学习PAI使用框架训练时有时候报这个错是什么原因？

tensorflow.python.framework.errors_impl.DataLossError: truncated record at 5275623

参考答案：

好像是训练数据有问题，先单机跑一下试试，转tfrecord是在训练框架内部转的吧，

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/537424?spm=a2c6h.13066369.question.23.4d7868a2ioMRPL&scm=20140722.S_community@@%E9%97%AE%E7%AD%94@@537424._.ID_community@@%E9%97%AE%E7%AD%94@@537424-RL_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0PAI%E6%8A%A5%E9%94%99-LOC_llm-OR_ser-V_3-P0_21

问题二：机器学习PAI有大佬知道这个报错怎么解决吗？评估的时候报错!

问题1：机器学习PAI有大佬知道这个报错怎么解决吗？评估的时候报错

问题2：这种问题怎么进一步定位是哪个数据有问题

参考答案：

回答1：一般是tfrecord数据有问题

回答2：一般不是格式问题，就是tfrecord文件写的时候程序不正常，写一半异常终止了，或者文件系统的错误，导致无法解析

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/537514?spm=a2c6h.13066369.question.22.4d7868a2y9BDep&scm=20140722.S_community@@%E9%97%AE%E7%AD%94@@537514._.ID_community@@%E9%97%AE%E7%AD%94@@537514-RL_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0PAI%E6%8A%A5%E9%94%99-LOC_llm-OR_ser-V_3-P0_22

问题三：机器学习PAI 刚试了两个protocol grpc++会报这个错？star_server是正常的

机器学习PAI 刚试了两个protocol grpc++会报这个错？star_server是正常的，I之前跑的有问题的应该是grpc++，两个protocol切换的有点频繁，整混了。这次用相同代码两个protocol对比了下，star_server是没问题的

参考答案：

好吧，理论上也不应该出现这个问题

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/537544?spm=a2c6h.13066369.question.23.4d7868a2GeHGQT&scm=20140722.S_community@@%E9%97%AE%E7%AD%94@@537544._.ID_community@@%E9%97%AE%E7%AD%94@@537544-RL_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0PAI%E6%8A%A5%E9%94%99-LOC_llm-OR_ser-V_3-P0_23

问题四：如图，在机器学习PAI的pyflink读取kafka数据， 一直报这个错怎么回事

在机器学习PAI的pyflink读取kafka数据，使用TableSourceStream Op转成alink的op，一直报这个错，大家有没有遇到，怎么解决呢？kafka的connector包已正常导入

插件下载了的，我改了pyalink env.py的一行代码，把use_old_planner改为use_blink_planner，就跑成功了，有个疑问use_old_planner已经废弃了，我们源码是不是也应该更新下

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/558613?spm=a2c6h.13066369.question.26.4d7868a26mVUON&scm=20140722.S_community@@%E9%97%AE%E7%AD%94@@558613._.ID_community@@%E9%97%AE%E7%AD%94@@558613-RL_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0PAI%E6%8A%A5%E9%94%99-LOC_llm-OR_ser-V_3-P0_24

问题五：机器学习PAI中epl运行官方示例报错是什么原因?

机器学习PAI中epl运行官方示例报错是什么原因，单机单卡可以，但是多卡就报错了，运行命令是epl-launch --num_workers 2 --gpu_per_worker 1 scripts/train_dp.sh？

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/558435?spm=a2c6h.13066369.question.25.4d7868a2xdQ6nd&scm=20140722.S_community@@%E9%97%AE%E7%AD%94@@558435._.ID_558435-RL_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0PAI%E6%8A%A5%E9%94%99-LOC_m~UND~search~UND~community~UND~i-OR_ser-V_3-P0_8

问题六：机器学习PAI跑collective gpu分布式报错,可以帮助看一下吗？

机器学习PAI用release 2302 gpu镜像，可以跑本地gpu, ps-worker模式下的cpu分布式, 但跑collective gpu分布式报错,可以帮助看一下吗？

参考答案：

替换一下 /usr/local/lib/python3.8/dist-packages/tensorflow_core/python/feature_column/feature_column.py这个源文件就行

关于本问题的更多回答可点击进行查看：

https://developer.aliyun.com/ask/503243?spm=a2c6h.13066369.question.34.4d7868a22n0oQs&scm=20140722.S_community@@%E9%97%AE%E7%AD%94@@503243._.ID_community@@%E9%97%AE%E7%AD%94@@503243-RL_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0PAI%E6%8A%A5%E9%94%99-LOC_llm-OR_ser-V_3-P0_38