人工智能平台PAI操作报错合集之出现报错:No factory supports the additional filters.Could not instantiate the executor.如何解决

本文涉及的产品
模型训练 PAI-DLC,100CU*H 3个月
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
简介: 阿里云人工智能平台PAI (Platform for Artificial Intelligence) 是阿里云推出的一套全面、易用的机器学习和深度学习平台,旨在帮助企业、开发者和数据科学家快速构建、训练、部署和管理人工智能模型。在使用阿里云人工智能平台PAI进行操作时,可能会遇到各种类型的错误。以下列举了一些常见的报错情况及其可能的原因和解决方法。

问题一:机器学习PAI这样配置不对吗?


机器学习PAI这样配置不对吗?


参考回答:

对的 最后的结果 是用不可见字符 分隔的 你copy一个到本地,用vim打开看一下,一般都会有的 加上 default_value: "0"

这个 need_prefix: false 建议也加上,能节省存储空间,训练也能快一些


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/580771



问题二:机器学习PAI这个问题怎么解决?


机器学习PAI这个问题怎么解决? No factory supports the additional filters.Could not instantiate the executor. Make sure a planner module is on the classpath

执行失败

INTERNAL_ERROR: org.apache.flink.table.api.TableException: Could not instantiate the executor. Make sure a planner module is on the classpath at com.alibaba.alink.testutil.envfactory.impl.RemoteEnvFactoryImpl.getMlEnv(RemoteEnvFactoryImpl.java:48) at com.alibaba.alink.server.service.impl.RemoteEnvExecutionServiceImpl.getMLEnv(RemoteEnvExecutionServiceImpl.java:31) at com.alibaba.alink.server.service.impl.EnvExecutionServiceImpl.runImpl(EnvExecutionServiceImpl.java:38) at com.alibaba.alink.server.service.impl.RemoteEnvExecutionServiceImpl.run(RemoteEnvExecutionServiceImpl.java:43) at com.alibaba.alink.server.service.impl.ExperimentServiceImpl.runExperiment(ExperimentServiceImpl.java:89) at com.alibaba.alink.server.controller.ExperimentController.runExperiment(ExperimentController.java:123) at com.alibaba.alink.server.controller.ExperimentController

FastClassBySpringCGLIB

FastClassBySpringCGLIB2c83f912.invoke() at com.alibaba.alink.server.controller.ExperimentController

EnhancerBySpringCGLIB

EnhancerBySpringCGLIB635f4a92.runExperiment() Caused by: org.apache.flink.table.api.NoMatchingTableFactoryException: Could not find a suitable table factory for 'org.apache.flink.table.delegation.ExecutorFactory' in the classpath. Reason: No factory supports the additional filters. The following properties are requested: class-name=org.apache.flink.table.planner.delegation.BlinkExecutorFactory streaming-mode=true The following factories have been considered: org.apache.flink.table.executor.StreamExecutorFactory at org.apache.flink.table.factories.ComponentFactoryService.find(ComponentFactoryService.java:76) at org.apache.flink.table.api.bridge.java.internal.StreamTableEnvironmentImpl.lookupExecutor(StreamTableEnvironmentImpl.java:185) at org.apache.flink.table.api.bridge.java.internal.StreamTableEnvironmentImpl.create(StreamTableEnvironmentImpl.java:156) at org.apache.flink.table.api.bridge.java.StreamTableEnvironment.create(StreamTableEnvironment.java:128) at org.apache.flink.table.api.bridge.java.StreamTableEnvironment.create(StreamTableEnvironment.java:98) at com.alibaba.alink.testutil.envfactory.impl.RemoteEnvFactoryImpl.getMlEnv(RemoteEnvFactoryImpl.java:48) at com.alibaba.alink.server.service.impl.RemoteEnvExecutionServiceImpl.getMLEnv(RemoteEnvExecutionServiceImpl.java:31) at com.alibaba.alink.server.service.impl.EnvExecutionServiceImpl.runImpl(EnvExecutionServiceImpl.java:38) at com.alibaba.alink.server.service.impl.RemoteEnvExecutionServiceImpl.run(RemoteEnvExecutionServiceImpl.java:43) at com.alibaba.alink.server.service.impl.ExperimentServiceImpl.runExperiment(ExperimentServiceImpl.java:89) at com.alibaba.alink.server.controller.ExperimentController.runExperiment(ExperimentController.java:123) at


参考回答:

你好,这个问题可能是由于你没有正确配置 PAI 的 planner 模块导致的。

你可以尝试以下方法解决这个问题:

确保你已经安装了 PAI 的 planner 模块。

确保你的 planner 模块和 PAI 的版本兼容。

确保你的 planner 模块已经添加到 PAI 的 classpath 中。

如果你还不清楚如何解决这个问题,你可以联系阿里云技术支持寻求帮助。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/581079



问题三:机器学习PAI这个问题怎么解决?


机器学习PAI这个问题怎么解决?利用官方的webui教程,容器搭建了一套,在webui上配置了一个csv到kafka的流程,一直报kafka的factory找不到。


参考回答:

要装插件。


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/581078



问题四:机器学习PAI这个流程 我在执行到 ar -这个文件 这是什么原因呢?


机器学习PAI这个流程 我在执行到 ar -resources fg_on_odps-1.3.59-jar-with-dependencies.jar,fg.json -classpath fg_on_odps-1.3.59-jar-with-dependencies.jar com.taobao.fg_on_odps.EasyRecFGMapper -i pai_online_project.taobao_train_input -o taobao_fg_train_out -f fg.json;这个命令以后,会报错

-classpath 找不到fg_on_odps-1.3.59-jar-with-dependencies.jar 这个文件 这是什么原因呢?


参考回答:

jar包必须先上传为MC的资源 你使用odpscmd的话,classpath 是jar包在本地的路径


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/580768



问题五:机器学习PAI这个镜像有问题,dsw只要选了这个镜像就会启动失败?


机器学习PAI这个镜像有问题,dsw只要选了这个镜像就会启动失败?


参考回答:

这个镜像是刚刚发布的不到10分钟,我们检查下镜像仓库


关于本问题的更多回答可点击原文查看:

https://developer.aliyun.com/ask/579635

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
17天前
|
存储 人工智能 大数据
AI开发新范式,PAI模型构建平台升级发布
本次分享由阿里云智能集团产品专家高慧玲主讲,聚焦AI开发新范式及PAI模型构建平台的升级。分享分为四个部分,围绕“人人可用”和“面向生产”两大核心理念展开。通过降低AI工程化门槛、提供一站式全链路服务,PAI平台致力于帮助企业和开发者更高效地实现AI应用。案例展示中,介绍了多模态模型微调在文旅场景的应用,展示了如何快速复现并利用AI解决实际问题。最终目标是让AI技术更普及,赋能各行业,推动社会进步。
|
2月前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习:探索未来的技术边界
【10月更文挑战第18天】 在这篇文章中,我们将深入探讨人工智能(AI)和机器学习(ML)的基础知识、应用领域以及未来趋势。通过对比分析,我们将揭示这些技术如何改变我们的生活和工作方式,并预测它们在未来可能带来的影响。文章旨在为读者提供一个全面而深入的理解,帮助他们更好地把握这一领域的发展趋势。
|
12天前
|
机器学习/深度学习 人工智能 算法
阿里云人工智能平台图像视频特征提取
本文介绍了图像与视频特征提取技术在人工智能和计算机视觉中的应用,涵盖图像质量评分、人脸属性分析、年龄分析、图像多标签打标、图文视频动态分类打标、视频质量评分及视频分类打标。通过深度学习模型如CNN和RNN,这些技术能从海量数据中挖掘有价值信息,为图像分类、目标检测、视频推荐等场景提供支持,提升分析精度与效率。
81 9
|
1月前
|
机器学习/深度学习 传感器 人工智能
人工智能与机器学习:改变未来的力量####
【10月更文挑战第21天】 在本文中,我们将深入探讨人工智能(AI)和机器学习(ML)的基本概念、发展历程及其在未来可能带来的革命性变化。通过分析当前最前沿的技术和应用案例,揭示AI和ML如何正在重塑各行各业,并展望它们在未来十年的潜在影响。 ####
93 27
|
24天前
|
数据采集 人工智能 智能设计
首个!阿里云人工智能平台率先通过国际标准认证
首个!阿里云人工智能平台率先通过国际标准认证
84 7
|
21天前
|
机器学习/深度学习 人工智能 算法
人工智能平台年度技术趋势
阿里云智能集团研究员林伟在年度技术趋势演讲中,分享了AI平台的五大方面进展。首先,他介绍了大规模语言模型(LLM)训练中的挑战与解决方案,包括高效故障诊断和快速恢复机制。其次,探讨了AI应用和服务的普及化,强调通过优化调度降低成本,使AI真正惠及大众。第三,提出了GreenAI理念,旨在提高AI工程效率,减少能源消耗。第四,讨论了企业级能力,确保数据和模型的安全性,并推出硬件到软件的全面安全方案。最后,介绍了整合多项核心技术的Pai Prime框架,展示了阿里云在自主可控AI核心框架下的整体布局和发展方向。
|
2月前
|
机器学习/深度学习 人工智能 监控
AutoTrain:Hugging Face 开源的无代码模型训练平台
AutoTrain 是 Hugging Face 推出的开源无代码模型训练平台,旨在简化最先进模型的训练过程。用户无需编写代码,只需上传数据即可创建、微调和部署自己的 AI 模型。AutoTrain 支持多种机器学习任务,并提供自动化最佳实践,包括超参数调整、模型验证和分布式训练。
208 4
AutoTrain:Hugging Face 开源的无代码模型训练平台
|
1月前
|
编解码 机器人 测试技术
技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
Qwen2-VL是一款具备高级图像和视频理解能力的多模态模型,支持多种语言,适用于多模态应用开发。通过PAI和LLaMA Factory框架,用户可以轻松微调Qwen2-VL模型,快速构建文旅领域的知识问答机器人。本教程详细介绍了从模型部署、微调到对话测试的全过程,帮助开发者高效实现定制化多模态应用。
|
1月前
|
机器学习/深度学习 人工智能 算法
人工智能浪潮下的编程实践:构建你的第一个机器学习模型
在人工智能的巨浪中,每个人都有机会成为弄潮儿。本文将带你一探究竟,从零基础开始,用最易懂的语言和步骤,教你如何构建属于自己的第一个机器学习模型。不需要复杂的数学公式,也不必担心编程难题,只需跟随我们的步伐,一起探索这个充满魔力的AI世界。
57 12

相关产品

  • 人工智能平台 PAI