Document Understanding
Neuestes
False
- Überblick
- Erste Schritte
- Aktivitäten
- UiPath.DocumentProcessing.Contracts
- UiPath.DocumentUnderstanding.Activities
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.IntelligentOCR.Aktivitäten (UiPath.IntelligentOCR.Activities)
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.Omnipage.Activities
- UiPath.PDF.Aktivitäten (UiPath.PDF.Activities)
- Insights-Dashboards
- Document Understanding-Prozess
- Schnellstart-Tutorials
- Framework-Komponenten
- ML-Pakete
- Überblick
- Document Understanding – ML-Paket
- DocumentClassifier – ML-Paket
- ML-Pakete mit OCR-Funktionen
- 1040 – ML-Paket
- 1040 Anlage C – ML-Paket
- 1040 Anlage D – ML-Paket
- 1040 Anlage E – ML-Paket
- 4506T – ML-Paket
- 990 – ML-Paket – Vorschau
- ACORD125 – ML-Paket
- ACORD126 – ML-Paket
- ACORD131 – ML-Paket
- ACORD140 – ML-Paket
- ACORD25 – ML-Paket
- Bank Statements – ML-Paket
- BillsOfLading – ML-Paket
- Gründungsurkunde – ML-Paket
- Ursprungszertifikat – ML-Paket
- Checks – ML-Paket
- Produktzertifikat für Kinder – ML-Paket
- CMS 1500 – ML-Paket
- EU-Konformitätserklärung – ML-Paket
- Financial Statements – ML-Paket
- FM1003 – ML-Paket
- I9 – ML-Paket
- ID Cards – ML-Paket
- Invoices – ML-Paket
- Invoices Australia - ML package
- Invoices China - ML package
- Invoices India - ML package
- Invoices Japan - ML package
- Rechnungen Versand – ML-Paket
- Packing Lists – ML-Paket
- Gehaltsabrechnungen – ML-Paket
- Passports – ML-Paket
- Purchase Orders – ML-Paket
- Receipts – ML-Paket
- RemittanceAdvices – ML-Paket
- UB04 – ML-Paket
- Utility Bills – ML-Paket
- Vehicle Titles – ML-Paket
- W2 – ML-Paket
- W9 – ML-Paket
- Andere out-of-the-box ML-Pakete
- Öffentliche Endpunkte
- Einschränkungen für den Datenverkehr
- OCR-Konfiguration
- Pipelines
- Trainingspipelines
- Gleichzeitiges Trainieren und Auswerten von Modellen
- Artefakte
- Feinabstimmung
- Die Schleife für die automatische Feinabstimmung (öffentliche Vorschau)
- OCR-Dienste
- Deep Learning
- Lizenzierung
Document Understanding-Benutzerhandbuch.
Letzte Aktualisierung 26. Apr. 2024
Gleichzeitiges Trainieren und Auswerten von Modellen
Konfigurieren Sie die Trainingspipeline wie folgt:
- Wählen Sie im Feld „Pipelinetyp“ die Option „Vollständige Pipelineausführung“ aus.
- Wählen Sie im Feld „Paket wählen“ das Paket aus, das Sie trainieren und auswerten möchten.
- Wählen Sie im Feld „Hauptversion des Pakets wählen“ eine Hauptversion für Ihr Paket aus.
- Wählen Sie im Feld „Nebenversion des Pakets wählen“ eine Nebenversion für Ihr Paket aus. Es wird dringend empfohlen, immer Nebenversion 0 (Null) zu verwenden.
- Wählen Sie im Feld „Eingabe-Dataset wählen“ ein repräsentatives Trainings-Dataset aus.
- Wählen Sie im Feld „Auswertungs-Dataset wählen“ ein repräsentatives Auswertungs-Dataset aus.
- Geben Sie im Abschnitt „Parameter eingeben“ von Ihrer Pipeline definierte und verwendete Umgebungsvariablen ein, falls vorhanden. Für die meisten Anwendungsfälle muss kein Parameter angegeben werden. Das Modell verwendet erweiterte Techniken, um eine performante Konfiguration zu finden. Hier sind jedoch einige Umgebungsvariablen, die Sie verwenden können:
- Mit
auto_retrainingkönnen Sie die Schleife für automatisches erneutes Training abschließen. Wenn die Variable auf „True“ festgelegt ist, muss das Eingabe-Dataset der Ordner „export“ sein, der der Beschriftungssitzung zugeordnet ist, in der die Daten mit Tags versehen werden. Wenn die Variable auf „False“ festgelegt bleibt, muss das Eingabe-Dataset dem Dataset-Format entsprechen. model.epochs, die die Anzahl der Epochen für die Trainingspipeline anpasst (Standardwert: 100).- Wählen Sie aus, ob die Pipeline mit der GPU oder CPU trainiert werden soll. Der Schieberegler „GPU aktivieren“ ist standardmäßig deaktiviert. In diesem Fall wird die Pipeline mit der CPU trainiert. Die Verwendung einer GPU für das Training ist mindestens 10-mal schneller als die Verwendung einer CPU. Darüber hinaus wird das Training mit der CPU nur für Datasets mit bis zu 1000 Bildern unterstützt. Bei größeren Datasets müssen Sie die GPU für das Training verwenden.
-
Wählen Sie eine der Optionen aus, wann die Pipeline ausgeführt werden soll: „Jetzt ausführen“, „Zeitbasiert“ oder „Wiederkehrend“. Falls Sie die Variable
auto_retrainingverwenden, wählen Sie „Wiederkehrend“ aus. - Nachdem Sie alle Felder konfiguriert haben, klicken Sie auf „Erstellen“. Die Pipeline wird erstellt.
