Kesalahan terminal - Rekognition

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Kesalahan terminal

Ada dua jenis kesalahan terminal — kesalahan file yang menyebabkan pembuatan kumpulan data gagal, dan kesalahan konten yang dihapus oleh Label Kustom Rekognition Amazon dari kumpulan data. Pembuatan dataset gagal jika ada terlalu banyak kesalahan konten.

Kesalahan file terminal

Berikut ini adalah kesalahan file. Anda bisa mendapatkan informasi tentang kesalahan file dengan menelepon DescribeDataset dan memeriksa Status dan StatusMessage bidang. Untuk kode sampel, lihat Menjelaskan dataset (SDK).

ERROR_MANIFEST_INACCESSIBLE_OR_UNSUPPORTED_FORMAT

Pesan kesalahan

Ekstensi atau konten file manifes tidak valid.

File manifes pelatihan atau pengujian tidak memiliki ekstensi file atau isinya tidak valid.

Untuk memperbaiki kesalahan ERROR_MANIFEST_INACCESSIBLE_OR_UNSUPPORTED_FORMAT
  • Periksa kemungkinan penyebab berikut dalam pelatihan dan pengujian file manifes.

    • File manifes tidak memiliki ekstensi file. Dengan konvensi ekstensi file adalah.manifest.

    • Bucket atau kunci Amazon S3 untuk file manifes tidak dapat ditemukan.

ERROR_MANIFEST_SIZE_TOO_LARGE

Pesan kesalahan

Ukuran file manifes melebihi ukuran maksimum yang didukung.

Ukuran file manifes pelatihan atau pengujian (dalam byte) terlalu besar. Untuk informasi selengkapnya, lihat Pedoman dan kuota di Label Kustom Amazon Rekognition. File manifes dapat memiliki kurang dari jumlah maksimum JSON Lines dan masih melebihi ukuran file maksimum.

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan Ukuran file manifes melebihi ukuran maksimum yang didukung.

Untuk memperbaiki kesalahan ERROR_MANIFEST_SIZE_TOO_LARGE
  1. Periksa manifes pelatihan dan pengujian mana yang melebihi ukuran file maksimum.

  2. Kurangi jumlah JSON Lines dalam file manifes yang terlalu besar. Untuk informasi selengkapnya, lihat Membuat file manifes.

ERROR_MANIFEST_ROWS_EXCEEDS_MAXIMUM

Pesan kesalahan

File manifes memiliki terlalu banyak baris.

Informasi lain

Jumlah Garis JSON (jumlah gambar) dalam file manifes lebih besar dari batas yang diizinkan. Batasnya berbeda untuk model tingkat gambar dan model lokasi objek. Untuk informasi selengkapnya, lihat Pedoman dan kuota di Label Kustom Amazon Rekognition.

Kesalahan JSON Line divalidasi hingga jumlah JSON Lines mencapai batas. ERROR_MANIFEST_ROWS_EXCEEDS_MAXIMUM

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan. ERROR_MANIFEST_ROWS_EXCEEDS_MAXIMUM

Untuk memperbaiki ERROR_MANIFEST_ROWS_EXCEEDS_MAXIMUM

ERROR_INVALID_PERMISSIONS_MANIFEST_S3_BUCKET

Pesan kesalahan

Izin bucket S3 salah.

Label Kustom Rekognition Amazon tidak memiliki izin ke satu atau beberapa bucket yang berisi file manifes pelatihan dan pengujian.

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.

Untuk memperbaiki kesalahan ERROR_INVALID_PERMISSIONS_MANIFEST_S3_BUCKET

ERROR_TOO_MANY_RECORDS_IN_ERROR

Pesan kesalahan

File manifes memiliki terlalu banyak kesalahan terminal.

Untuk memperbaiki ERROR_TOO_MANY_RECORDS_IN_ERROR

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.

ERROR_MANIFEST_TOO_MANY_LABELS

Pesan kesalahan

File manifes memiliki terlalu banyak label.

Informasi lain

Jumlah label unik dalam manifes (dataset) lebih dari batas yang diizinkan. Jika kumpulan data pelatihan dibagi untuk membuat kumpulan data pengujian, jumlah label ditentukan setelah pemisahan.

Untuk memperbaiki ERROR_MANIFEST_TOO_MANY_LABELS (Konsol)
  • Hapus label dari kumpulan data. Untuk informasi selengkapnya, lihat Mengelola label. Label secara otomatis dihapus dari gambar dan kotak pembatas di kumpulan data Anda.

Untuk memperbaiki ERROR_MANIFEST_TOO_MANY_LABELS (JSON Line)
  • Manifestasi dengan garis JSON tingkat gambar - Jika gambar memiliki label tunggal, hapus Garis JSON untuk gambar yang menggunakan label yang diinginkan. Jika JSON Line berisi beberapa label, hapus hanya objek JSON untuk label yang diinginkan. Untuk informasi selengkapnya, lihat Menambahkan beberapa label tingkat gambar ke gambar.

    Manifestasi dengan lokasi objek JSON Lines - Hapus kotak pembatas dan informasi label terkait untuk label yang ingin Anda hapus. Lakukan ini untuk setiap JSON Line yang berisi label yang diinginkan. Anda perlu menghapus label dari class-map array dan objek yang sesuai dalam objects dan annotations array. Untuk informasi selengkapnya, lihat Lokalisasi objek dalam file manifes.

ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_DISTRIBUSIKAN

Pesan kesalahan

File manifes tidak memiliki cukup gambar berlabel untuk mendistribusikan kumpulan data.

Distribusi kumpulan data terjadi saat Amazon Rekognition Custom Labels membagi kumpulan data pelatihan untuk membuat kumpulan data pengujian. Anda juga dapat membagi kumpulan data dengan memanggil DistributeDatasetEntries API.

Untuk memperbaiki kesalahan ERROR_MANIFEST_TOO_MANY_LABELS
  • Tambahkan lebih banyak gambar berlabel ke kumpulan data pelatihan

Kesalahan konten terminal

Berikut ini adalah kesalahan konten terminal. Selama pembuatan kumpulan data, gambar yang memiliki kesalahan konten terminal dihapus dari kumpulan data. Dataset masih dapat digunakan untuk pelatihan. Jika ada terlalu banyak kesalahan konten, dataset/update gagal. Kesalahan konten terminal yang terkait dengan operasi kumpulan data tidak ditampilkan di konsol atau dikembalikan dari DescribeDataset atau API lainnya. Jika Anda melihat bahwa gambar atau anotasi hilang dari kumpulan data Anda, periksa file manifes kumpulan data Anda untuk masalah berikut:

  • Panjang garis JSON terlalu panjang. Panjang maksimum adalah 100.000 karakter.

  • source-refNilai hilang dari JSON Line.

  • Format source-ref nilai dalam JSON Line tidak valid.

  • Isi dari JSON Line tidak valid.

  • Nilai source-ref bidang muncul lebih dari sekali. Gambar hanya dapat direferensikan sekali dalam kumpulan data.

Untuk informasi tentang source-ref lapangan, lihatMembuat file manifes.