机器学习PAI 代码运行报错怎么办？

在使用阿里云机器学习平台PAI时，代码运行报错可能由多种原因引起。以下是针对常见问题的详细分析和解决方法，结合知识库中的参考资料提供专业指导：

1. 输入格式错误 (INPUT_FORMAT_ERROR)

如果报错信息提示INPUT_FORMAT_ERROR，通常是因为输入数据格式不符合要求。可以尝试以下操作： - 将数据序列化为JSON字符串：
使用json.dumps()方法将数据转换为字符串格式。例如：

import json
data = json.dumps(datas)

• 调试请求：
  如果是在本地命令行调试时遇到问题，建议使用Postman工具发送请求，验证接口调用是否正确。
• 调整图片大小：
  如果是目标检测模型部署时的报错，可能是图片过大导致的。尝试减小图片尺寸后再提交任务。

2. 参数无效或权限问题 (param invalid UserNotInTnt)

如果报错信息提示param invalid UserNotInTnt，通常是由于用户权限配置不正确。可以按照以下步骤排查： - 设置工作空间管理员：
在iTag的人员管理页面，将对应的RAM账号设置为管理员。 - 检查子账号权限：
如果iTag是由其他子账号创建的，可以让该子账号将主账号添加到权限列表中。 - 重新创建工作空间：
如果AI工作空间时间较久，可能存在权限异常。建议创建一个新的AI工作空间并重新配置iTag。 - 参考授权文档：
更多授权操作可参考为PAI-iTAG授权的相关文档。

3. GPU资源不足或未开启

如果日志中出现No available cluster has the required feature: fuxi_gpu,gpu_with_vm_cuda8的报错，说明当前工作空间关联的MaxCompute计算资源未开启GPU功能。解决方法如下： - 开启GPU功能：
在工作空间的资源管理中启用GPU功能，具体操作可参考管理工作空间的文档。 - 检查地域限制：
确保您所在的地域（如华北2、华东2等）支持GPU资源。如果不支持，可以考虑切换到支持GPU的地域。

4. 内存不足或进程被强制终止 (Error Code 137)

如果遇到错误码137，通常是因为内存使用量过高（OOM错误）。可以采取以下措施： - 更换实例规格：
选择内存更大的实例类型。 - 增加Worker数量：
分布式训练任务可以通过增加Worker数量来分摊内存压力。 - 优化代码内存申请：
检查代码中是否有不必要的内存占用，并进行优化。 - 查看内存水位：
结合任务详情中Worker的内存使用情况，进一步定位内存不足的原因。

5. 自定义Processor相关问题

如果使用自定义Processor时遇到问题，可以参考以下解决方案： - 压缩包过大：
推荐使用Docker镜像上传运行环境和大文件，仅增量更新改动部分以提高效率。 - 导入cv2报错：
如果出现libSM.so.6: cannot open shared object file的错误，可以通过以下方式解决： - 使用pip install opencv-python-headless安装无依赖版本的cv2。 - 或者将系统中已安装的libXext、libSM及libXrender库拷贝至ENV/lib目录并随Processor上传。 - 配置环境变量：
将额外的依赖库存放至Processor目录的任意位置，EAS会自动将其添加至LD_LIBRARY_PATH环境变量。其他环境变量可通过os.environ['key'] = 'val'配置。 - 避免代码异常退出：
在关键代码段增加异常检测机制（try-catch），确保服务稳定性。即使进程退出，EAS也会自动重启。

6. 日志查看与问题诊断

如果需要进一步定位问题，可以通过以下方式查看日志： - 工作流运行状态日志：
显示分布式作业的服务器运行情况，格式为“正在计算的节点数/已计算结束的节点数/总计划节点数”。 - Logview日志：
包含实验的Debug信息，帮助查看代码执行过程中的详细信息。具体操作如下： 1. 打开日志链接，进入Logview页面。 2. 双击实例，选择要查看的Task实例及Worker对应的实例。 3. 查看Stdout列下的Print信息或StdErr列下的报错信息。 - 注意事项：
公共云GPU服务器即将过保下线，建议提交CPU版本的TensorFlow任务。如需使用GPU，请前往DLC提交任务。

7. 其他常见问题

• 调度任务失败：
  如果周期性调度任务失败，可以在任务详情页面查看失败原因，或通过运维中心查看调度运行情况。
• OSS跨域访问配置：
  如果涉及OSS文件预览或访问，需正确配置跨域规则。具体步骤包括：
  1. 登录OSS管理控制台，进入目标Bucket的详情页面。
  2. 配置跨域规则，允许必要的Methods、Headers和暴露Headers。
  3. 保存配置后即可正常使用。

总结与建议

根据上述内容，您可以根据具体的报错信息快速定位问题并采取相应措施。如果问题仍未解决，建议： - 提交工单：联系阿里云技术支持团队获取进一步帮助。 - 参考官方文档：查阅PAI相关产品的官方文档，获取更详细的配置和操作指南。

希望以上解答能帮助您解决问题！您可以复制页面截图提供更多信息，我可以进一步帮您分析问题原因。