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
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’
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，？[阿里云机器学习PAI]
「点点赞赏，手留余香」
还没有人赞赏，快来当第一个赞赏的人吧！
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。