Respuesta correcta
- BLos datos de entrada contienen valores fuera de rango no vistos durante el entrenamiento, lo que hace que el modelo devuelva NaN.
Explicación
La salida NaN (Not a Number) de un endpoint de tiempo real de SageMaker es causada más comúnmente por datos de entrada que contienen valores fuera del rango visto durante el entrenamiento. Esto puede provocar inestabilidad numérica en la fase de propagación hacia adelante del modelo, como división por cero, logaritmo de cero o desbordamiento de exponentes, lo cual se propaga a través de las capas y da como resultado predicciones NaN.
Para profundizar
Los endpoints de tiempo real de SageMaker registran los errores de inferencia y los problemas de carga útil en CloudWatch Logs. Una salida NaN surge más comúnmente cuando las características de entrada caen fuera de la distribución con la que se entrenó el modelo, produciendo inestabilidad numérica como desbordamiento (overflow), división por cero u operaciones indefinidas en el grafo del modelo. Unos pesos corruptos o una carga fallida de artefactos normalmente evitarían que el endpoint sirva peticiones o producirían errores consistentes en el momento de la carga, no valores NaN dependientes de la entrada. La sobrecarga devuelve limitación de tasa (throttling) o errores 5xx, no NaN. En la práctica, valide los rangos de las características de entrada, agregue validación o recorte de entradas (clipping) y supervise la desviación de datos. Si solo ciertas solicitudes devuelven NaN, los datos de entrada son la causa probable, razón por la cual los valores fuera de rango son la causa raíz más probable.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de MLA-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.