- Versionshinweise
- Bevor Sie beginnen
- Erste Schritte
- Projekte
- Datasets
- ML-Pakete
- Pipelines
- ML-Skills
- ML-Protokolle
- Document Understanding im AI Center
- Anleitungen zu …
- Grundlegende Anleitung zur Fehlerbehebung
AI Center – Benutzerhandbuch
Verwalten von ML-Paketen
Bevor Sie Pakete hochladen, stellen Sie sicher, dass diese wie hier angegeben erstellt wurden.
class, break, from, finally, global, None usw. Stellen Sie sicher, dass Sie dies tun wählen Sie einen anderen Namen. Die aufgeführten Beispiele sind nicht vollständig, da der Paketname für class <pkg-name> und import <pck-name> verwendet wird.
Führen Sie die folgenden Schritte aus, um ein bereits erstelltes Paket hochzuladen:
- Klicken Sie auf der Seite ML-Pakete auf die Schaltfläche ZIP-Datei Hochladen. Die Seite Neues Paket erstellen wird angezeigt.
- Geben Sie auf der Seite Neues Paket erstellen einen Namen für Ihr Paket ein.
- Klicken Sie auf Paket hochladen, um die gewünschte
.zip-Datei auszuwählen, oder ziehen Sie die.zip-Paketdatei per Drag and Drop in das Feld Paket hochladen. - (Optional) Geben Sie eine eindeutige Beschreibung des Modells an.
Die Beschreibung wird angezeigt, während eine neue Fähigkeit basierend auf diesem Modell sowie auf der Seite ML-Pakete bereitgestellt wird.
- Wählen Sie den Eingabetyp aus der Dropdownliste aus. Folgende Optionen stehen zur Auswahl:
- json
- Datei
- Dateien
- (Optional) Geben Sie eine eindeutige Beschreibung der vom Modell erwarteten Eingabe ein.
- (Optional) Geben Sie eine eindeutige Beschreibung der vom Modell zurückgegebenen Ausgabe ein.
Diese Beschreibungen sind für RPA-Entwickler sichtbar, die die Aktivität „ML-Fähigkeit“ in UiPath Studio verwenden. Als bewährte Vorgehensweise empfehlen wir, ein Beispiel für die Eingabe- und Ausgabeformate zu zeigen, um die Kommunikation zwischen Datenspezialisten und Entwicklern zu erleichtern.
- Wählen Sie die Entwicklungssprache des Modells aus der Dropdownliste aus. Folgende Optionen stehen zur Auswahl:
- Python 3.7
- Python 3.8
- Wählen Sie aus, ob das Machine Learning-Modell eine GPU benötigt oder nicht; standardmäßig ist dies auf „Nein“ festgelegt. Diese Informationen werden als Vorschlag dafür angezeigt, wann eine Fähigkeit aus diesem Paket erstellt wird.
- Wählen Sie aus, ob Trainings für Ihr Modell aktiviert werden sollen. Dies passiert, wenn sie aktiviert sind:
- Das Paket kann in jeder Pipeline verwendet werden.
- Der Validierungsschritt prüft, ob die train.py-Datei im Paket implementiert ist, andernfalls schlägt die Validierung fehl.
- Klicken Sie auf Erstellen, um das Paket hochzuladen, oder auf Abbrechen, um den Prozess abzubrechen. Das Fenster Neues Paket erstellen wird geschlossen, das Paket wird hochgeladen und zusammen mit seinen Details auf der Seite ML-Pakete > [ML-Paketname] angezeigt. Es kann einige Minuten dauern, bis Ihr Upload weitergegeben wird.
.zip-Datei anhand der hier beschriebenen Anforderungen. Die folgenden drei Überprüfungen werden durchgeführt:
- Ein nicht leerer Stammordner ist vorhanden.
- Eine requirements.txt-Datei ist vorhanden.
- Im Stammordner ist eine Datei mit dem Namen main.py vorhanden, die eine Klasse Main implementiert. Die Klasse wird weiter validiert, um eine
__init__- und einepredict-Funktion zu implementieren.
Erfolg oder Fehlschlag sowie die Fehler, die dazu führten, werden auf der Seite ML-Protokolle angezeigt.
.zip-Datei anhand der hier beschriebenen Anforderungen. Für diese Pakete werden die folgenden beiden Prüfungen durchgeführt:
- Ein nicht leerer Stammordner ist vorhanden.
- Im Stammordner ist eine Datei mit dem Namen train.py vorhanden, die eine Klasse Main implementiert. Die Klasse wird weiter validiert, um eine
__init__-Funktion und die folgenden Funktionen zu implementieren:train,evaluateundsave.
Erfolg oder Fehlschlag sowie die Fehler, die dazu führten, werden auf der Seite ML-Protokolle angezeigt.
Klicken Sie auf ein Paket in der Liste und rufen Sie ML-Paket > [ML-Paketname] auf.
Zeigen Sie auf der Registerkarte Version die Details an: Paketversion, Erstellungszeit, Änderungsprotokoll, Status und Argumente.
Zeigen Sie auf der Registerkarte Pipelineausführungen die Details im Zusammenhang mit den Pipelineausführungen des Pakets an: Paketname, Typ, Version, Status, Erstellungszeit, Dauer, Punktzahl und zusätzliche Details.
AI Center unterstützt auch die Versionierung und Versionsverwaltung von Paketen. Wenn ein Paket hochgeladen wird, wird es als Version 1.0 dieses Pakets angezeigt (dabei ist 1 die Hauptversionsnummer und 0 die Nebenversionsnummer). Dies hilft bei der Unterscheidung zwischen Paketen, die von Benutzern hochgeladen werden, und Paketen, die über Pipelines erneut trainiert werden, wobei sich bei letzteren nur die Nebenversionsnummer ändert.
Führen Sie die folgenden Schritte aus, um eine neue Version für ein bereits hochgeladenes Paket hochzuladen:
- Klicken Sie auf der Seite ML-Pakete neben einem Paket auf ⁝ und wählen Sie die Option Neue Version hochladen aus.
Alternativ klicken Sie auf der Seite ML-Paket > [ML-Paketname] auf Neue Version hochladen. Das Fenster Neue Paketversion hochladen für > [ML-Paketname] wird angezeigt, wobei die meisten Felder mit den Informationen ausgefüllt sind, die Sie zum Zeitpunkt des ersten Hochladens dieses Pakets angegeben haben.
- Klicken Sie auf Paket hochladen, um die gewünschte
.zip-Datei auszuwählen, oder ziehen Sie die Datei per Drag and Drop zu diesem Feld. - (Optional) Aktualisieren Sie die vorhandenen Informationen in den folgenden Feldern:
- Eingabebeschreibung
- Ausgabebeschreibung
- Sprache
- (Optional) Geben Sie im Feld ChangeLog die Änderungen ein.
- Wählen Sie aus, ob das Modell eine GPU benötigt; standardmäßig ist dies auf „Nein“ festgelegt.
- Wählen Sie aus, ob Trainings für Ihr Modell aktiviert werden sollen.
- Klicken Sie auf Erstellen, um die neue Version für das vorhandene hochgeladene Paket hochzuladen, oder auf Abbrechen, um den Prozess abzubrechen. Das Fenster Paket hochladen wird geschlossen und die neue Version des Pakets hochgeladen. Es kann einige Minuten dauern, bis Ihr Upload weitergegeben wird.
Die neue Version des Pakets ist nicht direkt auf der Seite ML-Pakete sichtbar. Sie können die Informationen auf der Seite ML-Paketdetails für dieses Paket anzeigen.
Wenn eine Trainingspipeline oder eine vollständige Pipeline erfolgreich auf einer Paketversion ausgeführt wird, wird eine neue Nebenversion erstellt. Wenn ich z. B. ein Paket (Version 1.0) hochgeladen und eine Trainingspipeline gestartet habe, wird nach Abschluss Version 1.1 auf der Seite ML-Paketdetails wie im Folgenden angezeigt:
Klicken Sie auf der Seite ML-Paket > [ML-Paketname] unter der Registerkarte Version neben einer Paketversion auf :fa-info-circle:. Das Fenster Argumente für > [ML-Paketname] > [ML-Paketversion] wird angezeigt.
Der Eingabetyp und die Eingabe- und Ausgabebeschreibungen der ausgewählten Paketversion werden angezeigt. Bitte beachten Sie, dass Sie die Werte nicht bearbeiten können.
Pakete können nur gelöscht werden, wenn sie nicht innerhalb einer Fähigkeit bereitgestellt werden und derzeit keine Pipelines mit diesen Paketen ausgeführt werden.
- Klicken Sie auf der Seite ML-Pakete neben einem Paket auf ⁝ und wählen Sie die Option Nicht bereitgestellte Versionen löschen aus. Ein Bestätigungsfenster wird angezeigt.
- Klicken Sie im Bestätigungsfenster auf OK, um alle nicht bereitgestellten Versionen des ausgewählten Pakets zu löschen. Wenn eine Paketversion Teil einer Fähigkeit ist (sie ist aktiv), wird sie NICHT gelöscht. Wenn alle Versionen inaktiv sind, werden sie alle gelöscht.
ODER
- Klicken Sie auf der Seite ML-Paket > [ML-Paketname] unter der Registerkarte Version neben einer Paketversion auf ⋮ und wählen Sie Löschen aus. Ein Bestätigungsfenster wird angezeigt.
- Klicken Sie im Bestätigungsfenster auf OK, um die ausgewählte Paketversion zu löschen. Wenn eine Paketversion Teil einer Fähigkeit ist (sie ist aktiv), wird sie NICHT gelöscht. Wenn dies die einzige Version für das ausgewählte Paket ist, wird auch das Paket selbst gelöscht.
