Comment puis-je résoudre les erreurs lorsque j’optimise des modèles sur Amazon Bedrock ?

Résolution

Remarque : Si des erreurs surviennent lorsque vous exécutez des commandes de l'interface de la ligne de commande AWS (AWS CLI), consultez la section Résoudre des erreurs liées à l’AWS CLI. Vérifiez également que vous utilisez bien la version la plus récente de l'AWS CLI.

Problèmes d'accès et de disponibilité

Prérequis : Demandez l'accès au modèle de base.

Amazon Bedrock permet d’optimiser certaines régions AWS et certains modèles fondamentaux. Assurez-vous d'utiliser une région AWS prise en charge pour votre modèle avec des fonctionnalités d’optimisation. Si votre région ne prend pas en charge votre modèle, le sélecteur de modèles Amazon Bedrock se charge en continu. Si vous ne parvenez pas à créer une tâche d’optimisation, le message d'erreur suivant peut s'afficher :

« Unable to Create a fine-tuning job ("The provided model identifier is invalid" error) »

Pour résoudre votre erreur d'accès, vérifiez que le modèle et les fonctionnalités d’optimisation sont pris en charge dans votre région AWS préférée.

Si un écran vide s'affiche ou si vous ne pouvez pas sélectionner de modèle, cela signifie que votre modèle n'est pas disponible dans cette région ou que votre compte AWS n'y a pas accès. Pour résoudre ce problème, sélectionnez un modèle sur différents réseaux et navigateurs. Lorsque vous sélectionnez des modèles, capturez un fichier HAR. Puis, vérifiez que votre VPN, votre pare-feu ou votre infrastructure de bureau virtuel (VDI) ne sont pas soumis à des restrictions. Si vous ne parvenez toujours pas à accéder à la console Amazon Bedrock, contactez votre administrateur réseau.

Problèmes liés aux autorisations IAM

Pour accéder au compartiment Amazon Simple Storage Service (Amazon S3) afin de personnaliser un modèle, vous devez associer les autorisations appropriées à votre rôle Gestion des identités et des accès AWS (AWS IAM). Si vous n'avez pas correctement configuré les autorisations pour le rôle IAM, le message d'erreur suivant s'affiche :

« Encountered an unexpected error when processing the request, please try again","AccessDenied". »

Pour résoudre cette erreur, accordez des autorisations IAM à Amazon Bedrock pour la personnalisation du modèle.

Erreurs d'accès interrégional

Les tâches d’optimisation ne peuvent accéder aux données Amazon S3 que dans la même région que celle dans laquelle elles sont exécutées. Si vous essayez d'accéder aux données d'entraînement stockées dans un compartiment S3 situé dans une région différente de celle de votre tâche d’optimisation, le message d'erreur suivant s'affiche :

« Could not validate GetObject permissions to access S3 bucket »

Pour résoudre cette erreur, vérifiez que votre compartiment S3 et votre tâche d’optimisation d'Amazon Bedrock se trouvent tous deux dans la même région. Puis, déplacez vos données d'entraînement vers un compartiment S3 situé dans la même région qu'Amazon Bedrock.

Erreurs de format et de validation des données

Vos jeux de données doivent répondre aux exigences du modèle d'entraînement et de validation. Si vous soumettez un jeu de données d'entraînement avec une structure ou un format JSON incorrect, l'une des erreurs suivantes peut s'afficher :

« The provided S3 URI is invalid", ";validation error detected: Value 's3://..' failed to satisfy constraint: » Member must satisfy regular expression pattern. »

« Invalid training input data configuration. Check the input data S3 Uris(Uri should be a file, not a directory) and retry request »

Pour résoudre ce problème, assurez-vous d'utiliser des identifiants de ressources uniformes (URI) de fichiers et vérifiez que vous n'utilisez pas d'URI de répertoire.

Exemple d'URL : s3://bucket-name/datasets/train/train.jsonl

Exemple d'URL de répertoire : s3://bucket-name/datasets/train/

Puis, vérifiez que le chemin pointe vers l'emplacement exact du fichier. Si le chemin ne pointe pas vers l'emplacement exact du fichier, vérifiez la structure complète du chemin dans votre compartiment S3. Mettez à jour l'URI de votre fichier afin qu'il corresponde à l'emplacement exact et au nom du fichier dans lequel vous stockez vos données d'entraînement.

Validation de la structure des jeux de données

Les différents modèles de texte doivent satisfaire à des exigences en matière de données et incluent des schémas JSON prévus différents. Si vous soumettez un jeu de données d'entraînement avec une structure ou un format JSON incorrect, le message d'erreur suivant peut s'afficher :

« JSON structure is not supported: JSON schema error: JSON does not match JSON schema at line. »

Pour résoudre cette erreur, préparez les données pour optimiser les modèles texte à texte.

Problèmes d’optimisation des images

Amazon Bedrock doit avoir accès au fichier image dans la dimension spécifiée. Si vous chargez des images qui ne répondent pas aux exigences dimensionnelles spécifiques du modèle que vous optimisez, le message d'erreur suivant peut s'afficher :

« Image Dimensions are Invalid. Check that the images conform to accepted dimensions. »

Vérifiez que les dimensions de l'image répondent aux exigences du modèle spécifique. Puis, vérifiez que vous avez préparé vos jeux de données d'images pour le modèle spécifique.

Remarque : Certains modèles ne prennent en charge que l’optimisation du texte et non l’optimisation de l'image.

Erreurs de validation

Vos fichiers doivent être compatibles avec votre modèle. Si vous soumettez des données d'entraînement qui ne répondent pas aux exigences de mise en forme du modèle ou présentent des problèmes structurels, le message d'erreur suivant peut s'afficher :

« Validation error: failed during preprocessing »

Pour résoudre cette erreur, vérifiez le format de vos données :

• Assurez-vous que votre fichier JSONL contient un objet JSON valide par ligne.
• Vérifiez que vous avez inclus des champs obligatoires dans chaque exemple.
• Vérifiez que vos exemples ne dépassent pas les quotas de jeton maximaux du modèle.
• Vérifiez que votre fichier utilise l’encodage UTF-8 sans problèmes de caractères particuliers.

Surveiller le statut des tâches

Vous pouvez utiliser la console Amazon Bedrock ou l'interface de ligne de commande AWS pour surveiller le statut des tâches. Le suivi des progrès en temps réel n'est pas disponible dans Amazon Bedrock.

Pour utiliser la console, consultez la section Surveiller votre tâche de personnalisation de votre modèle.

Pour utiliser l'AWS CLI, exécutez la commande get-model-customization-job suivante :

aws bedrock get-model-customization-job -job-identifier "jobARN"

Remarque : Remplacez jobARN par l’Amazon Resource Name (ARN) de votre tâche.

Vous pouvez ensuite estimer le temps nécessaire pour terminer chaque tâche à titre de référence par rapport au temps d’exécution réel du modèle. Lors de votre estimation, tenez compte des facteurs suivants :

• La durée d’optimisation dépend de la taille des données, du nombre d'époques et de la taille du lot.
• Les premières erreurs apparaissent dans les premières minutes.
• Pour les jeux de données plus volumineux, l’optimisation peut prendre plusieurs heures.
• La durée d’entraînement est comprise entre 3 et 4 heures et peut s’étendre jusqu'à 24 heures, selon la configuration et le trafic.

En cas d'échec d'une tâche, consultez la section Résolution des problèmes de personnalisation des modèles.

Si une tâche se trouve à l’état Entraînement depuis plus de 24 heures, contactez AWS Support.

Inférence pour des modèles optimisés

Pour les modèles personnalisés et optimisés, vous devez acheter un débit alloué pour les modèles autres qu'Amazon Nova afin de créer un ARN de modèle provisionné distinct qui sera utilisé à la place de l'ARN du modèle d'origine.

Si vous essayez d'utiliser l'ARN du modèle d'origine directement dans les appels d'API, l'erreur suivante peut s'afficher :

« An error occurred (ValidationException) when calling the xxxx operation: 1 validation error detected: Value 'arn:aws:bedrock:xxxxx' at 'modelId' failed to satisfy constraint: Member must satisfy regular expression pattern: ... »

Pour résoudre cette erreur, procédez comme suit :

1. Créez un débit alloué pour votre modèle optimisé.
2. Notez l'ARN du modèle provisionné figurant dans la réponse.
3. Lorsque vous appelez des modèles optimisés via l'API, utilisez le format d’ARN de modèle suivant, spécifique aux modèles personnalisés :
   arn:aws:bedrock:[region]:[account]:provisioned-model/[name]
   Remarque : Remplacez region par votre région, account par les informations sur votre compte et name par le nom de votre modèle.
4. Vérifiez que le modèle provisionné se trouve à l’état En service avant d'utiliser l'appel d'API GetProvisionedModelThroughput.

Informations connexes

Configurer l'inférence pour un modèle personnalisé

Personnaliser votre modèle pour améliorer ses performances en fonction de votre cas d'utilisation