Как Azure Machine Learning (AML) определяет тип ввода для данных обучения, так как это вызывает ошибку

Question

Мы обучили сеть AML на основе большого обучающего набора данных со многими входами.Для одного из входных данных все предоставленные данные обучения были целым числом.Нигде в нашей модели мы не указываем тип полей ввода, и этот вход является непрерывным полем, а не дискретным.

Однако используемый в производстве веб-сервис AML был вызван с этим вводом в виде десятичного числа вместо действительного, и он выдал ошибку:

Error Content: {"error":{"code":"BadArgument","message":"Invalid argument provided.","details":[{"code":"InputParseError","target":"input1","message":"Parsing of input vector failed.  Verify the input vector has the correct number of columns and data types.  Additional details: Input string was not in a correct format.."}]}}

Если я редактирую вызов визмените ввод с десятичного на целое число, это работает отлично.

Прежде чем мы перейдем к изменению либо модели, либо вызывающего кода, я хотел бы понять, как / почему возникает эта ошибка?

Я провел некоторое исследование и, похоже, не могу найти ничего, что объясняет, какAML определяет тип ввода и может ли он быть изменен в модели.

Answer 1

Ну упорный поиск в сети выявил правильный ответ (для меня все равно).По сути, мне нужно было добавить модуль «Редактировать метаданные» в свой эксперимент, а затем с помощью селектора столбцов выбрать столбец, о котором идет речь, и установить его тип данных от целого числа до числа с плавающей запятой.Похоже, что AML обнаружил, что все обучающие данные имели тип integer, и, следовательно, автоматически выбрал этот тип данных при импорте обучающих данных.

Подробнее см. Здесь: https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/edit-metadata