开发者社区 > 大数据与机器学习 > 人工智能平台PAI > 正文

机器学习PAI用可视化建模,图像分类,执行最后一步通用图像预测(EasyCV)-2总是执行失败,?

机器学习PAI用可视化建模,图像分类,执行最后一步通用图像预测(EasyCV)-2总是执行失败,最后总是报这个错是为啥?Traceback (most recent call last):
File "/pai/resource/working/start.py", line 21, in <module>
main()
File "/pai/resource/working/start.py", line 18, in main
run_dlc_backend(run_context, input_parameters, input_artifacts, output_artifacts)
File "/pai/resource/working/run_dlc.py", line 390, in run_dlc_backend
props = prepare_props(run_context, input_parameters, input_artifacts)
File "/pai/resource/working/run_dlc.py", line 146, in prepare_props
input_table, input_project_name = get_table_arg(execution, input_artifacts['input_table'], check_exists=True)
File "/pai/resource/working/utils.py", line 27, in get_table_arg
table, exist = get_table_metadata('max_compute', execution, table_name)
File "/usr/script/paiflow/xflow/utils/utils.py", line 129, in get_table_metadata
project_name = conf[ODPS_PROJECT]
KeyError: 'project_name'

展开
收起
真的很搞笑 2023-07-25 20:25:14 98 1
2 条回答
写回答
取消 提交回答
  • 根据提供的错误信息,可以看出执行最后一步通用图像预测(EasyCV)时报错 KeyError: 'project_name'。这个错误表明在获取项目名称时发生了 KeyError。

    这个问题可能是由于以下原因导致的:

    1. 未正确配置项目名称:机器学习 PAI 的配置文件中可能没有设置正确的项目名称。确保配置文件中包含正确的项目名称,并且该项目存在于你的环境中。

    2. 输入参数错误:在执行最后一步通用图像预测时,可能未正确传递或设置输入参数,导致无法识别项目名称。请检查代码或指令中传递的参数,确保项目名称正确。

    解决这个问题可以尝试以下步骤:

    1. 检查配置文件:确认配置文件中的项目名称是否正确,并确保与你的环境匹配。可以尝试更新配置文件或重新配置以解决问题。

    2. 检查输入参数:仔细检查你在执行最后一步通用图像预测时传递的输入参数,确保项目名称被正确设置。

    3. 联系技术支持:如果问题仍然存在,建议联系机器学习 PAI 的技术支持团队,向他们报告问题并寻求进一步的帮助和指导。

    以上只是一些可能的解决方案,具体解决方法可能需要根据你的代码和环境进行调试和测试。

    2023-07-31 16:55:01
    赞同 展开评论 打赏
  • 北京阿里云ACE会长

    在机器学习PAI平台上使用可视化建模和 EasyCV 进行图像分类任务时,可能会出现执行失败的情况。这种情况可能由多种因素导致,例如数据格式不正确、模型参数设置不当、计算资源不足等。

    以下是一些可能导致 EasyCV 执行失败的原因和对应的解决方法:

    数据格式不正确:EasyCV 要求输入的图片格式为 JPEG、PNG 等常见的图片格式,并且大小、尺寸等参数要相同。如果输入的图片格式不正确或参数不匹配,可能会导致执行失败。此时,可以检查输入的图片是否满足要求,并进行相应的预处理和转换。

    模型参数设置不当:EasyCV 中的模型参数设置对于模型的准确性和性能至关重要。如果模型参数设置不当,例如学习率过高、批次大小过小等,可能会导致执行失败。此时,可以调整模型参数,并重新执行任务。

    计算资源不足:EasyCV 运行需要一定的计算资源,如果计算资源不足,可能会导致执行失败。此时,可以增加计算资源的配额或使用更高性能的计算资源,以提高任务的执行效率和稳定性。

    输入数据集过大:如果输入的数据集过大,可能会导致 EasyCV 执行失败。此时,可以考虑对数据集进行分批处理,或者使用更高性能的计算资源进行处理。

    2023-07-30 15:48:58
    赞同 展开评论 打赏

人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。

相关产品

  • 人工智能平台 PAI
  • 热门讨论

    热门文章

    相关电子书

    更多
    大规模机器学习在蚂蚁+阿里的应用 立即下载
    阿里巴巴机器学习平台AI 立即下载
    机器学习及人机交互实战 立即下载