Migrieren klassischer Projekte

Verwenden Sie die Anweisungen auf dieser Seite, um ein klassisches Projekt oder ein Projekt basierend auf dem AI Center zu migrieren. Es gibt zwei Hauptschritte bei der Migration eines Projekts:

1. Exportieren Sie das Dataset aus dem klassischen Projekt oder dem Projekt basierend auf dem AI Center.
2. Importieren Sie das Dataset in das moderne Projekt.

Aktuelle Einschränkungen

• Derzeit wird das Importieren von Datasets, die größer als 3000 Seiten sind, nicht unterstützt. Nur die ersten 3000 Seiten werden erfolgreich importiert, alle zusätzlichen Seiten nicht. Wenn Ihr Dataset beispielsweise aus 2999 Seiten besteht und Sie versuchen, ein Dokument mit 4 Seiten zu importieren, ist der Prozess nicht erfolgreich.
• Batchnamen und entsprechende Batchergebnisse sind derzeit nicht verfügbar. Wenn Ihre Daten in Batches organisiert sind, wird diese Information noch nicht angezeigt, aber sie wird gespeichert.

Exportieren eines Datasets aus einem klassischen Projekt

1. Navigieren Sie zu dem klassischen Projekt, das Sie migrieren möchten, und öffnen Sie es.
2. Wechseln Sie zum Dokumenttyp, den Sie exportieren möchten, und wählen Sie Dokumenttyp öffnen aus.
   Abbildung 1. Dokumenttyp öffnen
   

   

   
   
3. Wählen Sie in der Dropdownliste Dokumente filtern die Option Trainings- und Validierungssatz aus.
   Abbildung 2. Trainings- und Validierungssatz
   

   

   
   
4. Wählen Sie Exportieren aus.
5. Lassen Sie Aktuelle Suchergebnisse ausgewählt und geben Sie einen Namen für Ihren Exportauftrag ein.
6. Wählen Sie Herunterladen aus.
   Abbildung 3. Export herunterladen
   

   

   
   

Exportieren eines Datasets aus einem Projekt basierend auf AI Center

1. Öffnen Sie das AI Center und wechseln Sie zur Seite Datenbeschriftung.
2. Wählen Sie die Datenbeschriftungssitzung aus, die Sie migrieren möchten.
   
   

   

   
   
3. Sobald Document Manager geöffnet ist, wählen Sie in der Dropdownliste Dokumente filtern die Option Trainings- und Validierungssatz aus.
   Abbildung 4. Trainings- und Validierungssatz
   

   

   
   
4. Wählen Sie Exportieren aus.
5. Lassen Sie Aktuelle Suchergebnisse ausgewählt und geben Sie einen Namen für Ihren Exportauftrag ein.
6. Wählen Sie Herunterladen aus.
   Abbildung 5. Export herunterladen
   

   

   
   

Importieren eines Datasets

1. Navigieren Sie zu dem Projekt, in das Sie Daten importieren möchten, und öffnen Sie es.
2. Wählen Sie Dokumenttyp hinzufügen aus und erstellen Sie einen neuen benutzerdefinierten Dokumenttyp.
   Abbildung 6. Dokumenttyp hinzufügen
   

   

   
   
3. Wählen Sie im neuen benutzerdefinierten Dokumenttyp die Option Hochladen aus und wählen Sie die ZIP-Datei des klassischen Projekts aus, das Sie exportiert haben. Warten Sie, bis der Upload abgeschlossen ist.
   Abbildung 7. Upload-Verarbeitung
   

   

   
   

Sobald der Upload abgeschlossen ist, sind die Dokumente für das Training verfügbar.

Modelltraining

Sobald das Dataset importiert wurde, beginnt das Modelltraining. Nach Abschluss des Trainings wird die Modellbewertung angezeigt. Um detaillierte Modellbewertungen zu überprüfen, wählen Sie die Bewertung und dann Detaillierte Modellbewertungen aus.

Mit dieser Aktion werden Sie zur Seite Measure weitergeleitet, auf der Sie auf detaillierte Modellmetriken zugreifen können.

Wenn zwei Mal dasselbe Dataset für ein ML-Training verwendet wird, können Sie leicht unterschiedliche Modellmetriken beobachten. Dafür kann es verschiedene Gründe geben:

• Initialisierung: Machine Learning verwendet Optimierungsmethoden, die anfängliche Schätzungen benötigen, um die Optimierungsalgorithmen auszulösen. Unterschiedliche anfängliche Schätzungen während jedes Trainings können aufgrund der Unvorhersehbarkeit dieser Algorithmen zu unterschiedlichen Ergebnissen führen.
• Zufälliger Status: Einige Algorithmen verwenden Zufälligkeit in ihren Operationen. Beim Training eines neuronalen Netzwerks führen beispielsweise Verfahren wie der stochastische Gradientenabstieg und der Mini-Batch-Gradientenabstieg Zufälligkeiten ein. Daher kann die Leistung von Modellen auch bei identischen anfänglichen Modellparametern und Datasets in verschiedenen Ausführungen variieren.
• Regularisierung: Bestimmte Algorithmen enthalten einen Strafausdruck, durch den das Modell kleinere Gewichtungen anwendet. Aufgrund der Zufälligkeit kann das Modell jedes Mal mit einem anderen Satz an Gewichtungen arbeiten.

Diese geringfügigen Unterschiede bedeuten jedoch nicht unbedingt, dass ein Modell einem anderen überlegen oder unterlegen ist. Selbst bei leicht unterschiedlichen Metriken bleibt die Fähigkeit der Modelle, Daten zu verstehen, im Wesentlichen gleich, sofern die Unterschiede nicht sehr groß sind. Zudem sollten die mehrfache Wiederholung dieses Prozesses und die Ermittlung eines Durchschnitts zu ähnlichen Leistungsmetriken führen.

Ändern des Basismodells im Dokumenttypmanager

Wenn es einen signifikanten Unterschied zwischen den Modellergebnissen Ihres klassischen Projekts und dem modernen Projekt gibt, könnte dies durch ein anderes Basismodell verursacht werden. Führen Sie die folgenden Schritte aus, um das Basismodell zu ändern.

1. Wählen Sie das Drei-Punkte-Menü aus Ihrem benutzerdefinierten Dokumenttyp und dann Dokumenttypmanager aus.
   
   

   

   
   
2. Navigieren Sie zur Registerkarte Einstellungen.
3. Wählen Sie das gewünschte Modell aus der Dropdownliste Basismodell aus.
   
   

   

   
   
4. Nachdem Sie Ihre Auswahl getroffen haben, wählen Sie Speichern. Wählen Sie zum Beenden Zurück aus.

Exporttypen

Bei klassischen Projekten gibt es verschiedene Methoden zum Exportieren von Daten. Nicht alle Typen exportierter Daten sind mit dem Import in moderne Projekte kompatibel. Wenn Sie die Modellergebnisse für beide Projekttypen vergleichen möchten, sollten Sie die Dokumente nach Trainings- und Validierungssatzug filtern und die Option Suchergebnisse auswählen auswählen, um das Dataset zu exportieren. Weitere Informationen zu den jeweiligen Optionen finden Sie auf den folgenden Seiten:

Tabelle 1. Exporttypen

Exporttyp	Exportierte Daten	Was mit importierten Daten passiert
Aktuelle Suchergebnisse	Exportiert das aktuell gefilterte Dataset. Verwenden Sie es zusammen mit dem Filter für Trainings- und Validierungssätze.	Zum Trainieren des Modells werden Dokumente verwendet, die als Training gekennzeichnet sind. Dokumente, die als Validierung gekennzeichnet sind, werden zur Messung der Modellleistung verwendet. Tipp: Um Modellergebnisse zwischen zwei Projekttypen zu vergleichen, exportieren und importieren Sie das Dataset immer als Trainieren und Validieren.
Alle beschrifteten	Exportiert alle mit Anmerkungen versehenen Dokumente aus dem Dataset: Trainingssatz Validierungssatz (Validation set) Auswertungssatz (Evaluation set)	Zum Trainieren des Modells werden Dokumente verwendet, die als Training gekennzeichnet sind. Dokumente, die als Validierung gekennzeichnet sind, werden zur Messung der Modellleistung verwendet. Dokumente, die als Auswertung gekennzeichnet sind, werden ignoriert.
Schema	Exportiert die Liste der Felder und ihre jeweiligen Einstellungen.	Ein Schema wird importiert, wenn keines vorhanden ist. Wenn bereits ein Schema definiert ist, schlägt der Import fehl.
Alle	Exportiert alle Dokumente mit und ohne Anmerkungen	Zum Trainieren des Modells werden Dokumente verwendet, die als Training gekennzeichnet sind. Dokumente, die als Validierung gekennzeichnet sind, werden zur Messung der Modellleistung verwendet. Dokumente, die als Auswertung gekennzeichnet sind, werden ignoriert. Dokumente ohne Anmerkungen werden mit Voranmerkungen versehen und als nicht bestätigt behandelt.

Importieren von Schemas

Sie können Schemas zusammen mit Datasets in moderne Projekte importieren. Führen Sie die folgenden Schritte aus, um ein Schema zu importieren:

1. Erstellen Sie einen benutzerdefinierten Dokumenttyp im Abschnitt Erstellen.
2. Importieren Sie die ZIP-Datei, die das Schema enthält.

Hinweis:

• Schema-Importe sind auf benutzerdefinierte Dokumenttypen ohne bereits vorhandene Schemas beschränkt.
• Wenn Sie ein Schema in einen Dokumenttyp importieren, der bereits ein Schema enthält, schlägt der Import fehl.