- Versionshinweise
- Anforderungen
- Hard- und Softwareanforderungen
- Architektur von AI Fabric
- Installation
- Erste Schritte
- Projekte
- Datasets
- ML-Pakete
- Pipelines
- ML-Skills
- ML-Protokolle
- Document Understanding in AI Fabric
- Grundlegende Anleitung zur Fehlerbehebung
AI Center
Hard- und Softwareanforderungen
In der folgenden Tabelle werden einige Empfehlungen für generische Modelle (klein und groß) gegeben.
| CPU | RAM (GB) | OS-/Bootlaufwerk (GB) | Externer Datenträger (GB) | Ausgegebene Modelle | Gleichzeitig trainierte Modelle |
|---|---|---|---|---|---|
| 8 | 52 | 200 | 500 | 3 | 1-2 |
| 12 | 64 | 200 | 1000 | 3-4 | 2 |
Es gibt keinen universellen Wert dafür, wie viel Ressourcen ein ML-Fähigkeiten-/Pipelineauftrag verbrauchen wird, da das vom Modell abhängt. Hier sind jedoch die mindesten Ressourcen, die von einem ML-Fähigkeiten-/Pipelineauftrag verwendet werden, zusammen mit Ressourcen, die von einem UiPath Document Understanding-Modell als Basis verwendet werden.
| Verwenden Sie | CPU | RAM (GB) |
|---|---|---|
| Core Services | 4 | 10 |
| Minimum für die Ausgabe (ML-Fähigkeit) | 0,5 | 2 |
| Minimum für Training (Pipeline) | 1 | 4 |
| Ausgabe des DU-Modells | 1 | 4 |
| DU-Modelltraining (500 Bilder) | 2 | 24 |
disk, nicht partition. Siehe Schritt 1. Eine Maschine bereitstellen.
Derzeit werden nur NVIDIA-GPUs unterstützt. Die meisten Szenarien erfordern kein Training auf einer GPU, da die meisten Modellarchitekturen sowohl mit GPU als auch mit CPU ausgeführt werden können. Wenn Sie für die Modelltrainingszeit Einschränkungen haben, wird empfohlen, eine GPU mit mindestens 8 GB Video-RAM hinzuzufügen. Sie sind für die Installation von GPU-Treibern verantwortlich, bevor Sie eine GPU in AI Fabric verwenden können. Weitere Informationen dazu finden Sie im Abschnitt Voraussetzungen.
Trainierbare Document Understanding ML-Pakete, die von UiPath bereitgestellt werden, funktionieren sowohl auf einer CPU als auch auf einer GPU für Datasets mit einer Größe von bis zu 500 Bildern. Es wird dringend eine GPU empfohlen, um schnellere Trainingszeiten und eine bessere Modellleistung zu erzielen. Die Retraining-Schleife der Validierungsstation wird bei Bereitstellungen ohne GPU nicht unterstützt, da die Dataset-Größen zu schnell zunehmen und die CPU sehr schnell an ihre Grenzen stoßen kann. Wenn Sie UiPath OCR (Non-Edge-Version) im AI Center ausführen, um mehr als 2 Millionen Dokumentseiten pro Jahr zu verarbeiten, wird für eine bessere Produkterfahrung dringend eine GPU empfohlen.
In der folgenden Tabelle sind die Betriebssysteme aufgeführt, die offiziell für die lokale Installation von AI Fabric unterstützt werden.
| OS | Version |
|---|---|
| Ubuntu | 18.04 LTS |
| RHEL | 7.4, 7.5, 7.6, 7.7, 7.8, 7.9 |
| CentOS | 7.4, 7.5, 7.6, 7.7, 7.8, 7.9 |
- Auf der Maschine muss lvm2 installiert sein.
- OverlayFS-Speichertreiber für Docker sollten nutzbar sein, Sie können die Voraussetzungen in der Docker-Dokumentation überprüfen. Es muss nichts installiert werden, es müssen nur die Voraussetzungen erfüllt sein.
Vor dem Start der Installation müssen folgende Voraussetzungen erfüllt werden:
- Orchestrator 20.4.3 (oder höher)
In der Anleitung hier finden Sie verschiedene Möglichkeiten zum Installieren von Orchestrator.
- SQL Server 2014 (oder höher)
Es wird dringend empfohlen, dieselbe Version von SQL Server wie bei der Installation des Orchestrators zu nutzen, wie hier beschrieben. Für die Installation benötigen Sie den Hostnamen, den Administratorbenutzernamen und das Kennwort dieses SQL Servers.
Wichtig: Stellen Sie sicher, dass der SQL Server-Authentifizierungsmodus aktiviert ist.Hinweis: AI Fabric verwendet SQL ausschließlich für die Metadatenspeicherung. Dies bedeutet, dass die Menge des Datenspeichers sehr klein ist. Für diese Tabellen muss nicht viel Speicherplatz bereitgestellt werden. - Voraussetzungen für eine GPU
Eine Voraussetzung für die Installation von AI Fabric ist, dass auf dem Knoten sowohl die NVIDIA Treiberversion 450.51.06 installiert ist als auch die NVIDIA Container-Runtime.
