Trainingspipelines

Wichtig:

Minimale Dataset-Größe

Für die erfolgreiche Ausführung von Trainingspipelines empfehlen wir dringend mindestens 10 Dokumente und mindestens 5 Beispiele für jedes beschriftete Feld in Ihrem Dataset. Andernfalls löst die Pipeline den folgenden Fehler aus: Dataset Creation Failed (Dataset-Erstellung fehlgeschlagen).

Training auf GPU vs. CPU

Für größere Datensätze müssen Sie mithilfe der GPU trainieren. Darüber hinaus ist das Training mithilfe einer GPU mindestens 10-mal schneller als mithilfe einer CPU. Überprüfen Sie die maximale Dataset-Größe nach Version und Infrastruktur mithilfe folgender Tabelle.

Infrastruktur	<2021.10.x	2021.10.x	>2021.10.x
CPU	500 Seiten	5000 Seiten	1000 Seiten
GPU	18.000 Seiten	18.000 Seiten	18.000 Seiten

For more information on dataset structure, check the Dataset format section.

Es gibt zwei Möglichkeiten, ein ML-Modell zu trainieren:

• Training eines Modells von Grund auf
• erneutes Trainieren eines out-of-the-Box Modells

Das Training eines Modells von Grund auf kann mit dem ML-Paket DocumentUnderstanding durchgeführt werden, was auf dem Dataset geschieht, der als Eingabe bereitgestellt wird.

Das erneute Training kann mit out-of-the-box ML-Paketen wie Invoices, Receipts, Purchase Orders, Utility Bills, InvoicesIndia, InvoicesAustralia usw. erfolgen – im Prinzip alle anderen ML-Datenextraktionspakete mit Ausnahme von DocumentUnderstanding. Das Training mit einem dieser Pakete hat ein Basismodell als zusätzliche Eingabe. Wir bezeichnen dies auch als erneutes Trainieren, da Sie nicht von vorne beginnen, sondern von einem Basismodell ausgehen. Dieser Ansatz nutzt eine Technik namens Transfer Learning, bei der das Modell die Informationen verwendet, die in einem anderen, bereits vorhandenen Modell codiert sind. Das Modell verfügt über einige der out-of-the-box Kenntnisse, aber es lernt auch aus den neuen Daten. Mit zunehmender Größe Ihres Trainings-Datasets kommt es jedoch immer weniger auf das vortrainierte Basismodell an. Dies ist hauptsächlich für kleine bis mittelgroße Trainingsdatensätze relevant (bis zu 500–800 Seiten).

Konfigurieren Sie die Trainingspipeline wie folgt:

• Wählen Sie im Feld Pipelinetyp die Option Trainingsausführung aus.

• Wählen Sie im Feld Paket wählen das Paket aus, das Sie basierend auf dem DocumentUnderstanding-ML-Paket erstellt haben.

• 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. Wir empfehlen Ihnen dringend, immer die Nebenversion 0 (Null) zu nehmen. Weitere Informationen dazu finden Sie im Abschnitt Wahl der Nebenversion.

• In the Choose input dataset field, select a dataset. For building high quality training datasets, you can check this tutorial.

• 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:

• model.epochs, die die Anzahl der Epochen für die Trainingspipeline anpasst (Standardwert: 100).

  Hinweis:

  For larger datasets, containing more than 5000 pages, you can initially perform a full pipeline run with the default number of epochs. This allows you to evaluate the model’s accuracy. After that, you can decrease the number of epochs to about 30-40. This approach allows you to compare the accuracy of the results and determine if the reduction of epochs yields comparable precision.

  Bei kleineren Datasets, insbesondere solchen mit weniger als 5000 Seiten, können Sie die Standardanzahl von Epochen beibehalten.

• 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 auf CPU ausgeführt.

• Wählen Sie eine der Optionen aus, wann die Pipeline ausgeführt werden soll: Jetzt ausführen, Zeitbasiert oder Wiederkehrend. Falls Sie die Variable auto_retraining verwenden, wählen Sie Wiederkehrend aus.

  

• Nachdem Sie alle Felder konfiguriert haben, klicken Sie auf Erstellen. Die Pipeline wird erstellt.

Hier ist ein Beispiel für das Erstellen einer neuen Trainingspipeline mit einem Dataset, das zuvor in das AI Center exportiert wurde:

Auswählen der Nebenversion

In den meisten Situationen sollte die Nebenversion 0 gewählt werden. Dies liegt daran, dass die Leistung Ihres Modells umso besser ist, je größer und vielfältiger Ihr Trainings-Dataset ist. Dieses Prinzip entspricht dem Ziel der aktuellen ML-Technologie, große, hochwertige und repräsentative Trainings-Sets zu verwenden. Wenn Sie also mehr Daten für das Training eines Modells sammeln, sollten Sie diese Daten demselben Dataset hinzufügen, um die Leistung des Modells weiter zu verbessern.

Es gibt jedoch Situationen, in denen das Training auf einer anderen Nebenversion als 0 sinnvoll ist. Das ist typischerweise der Fall, wenn ein Partner mehrere Kunden aus derselben Branche bedienen muss, UiPath® aber kein vortrainiertes Modell hat, das für die Branche, die Region oder den Dokumenttyp optimiert ist.

In einem solchen Fall könnte der Partner ein vortrainiertes Modell mithilfe einer Vielzahl von Dokumentenbeispielen aus dieser Branche entwickeln (nicht aus einer einzigen Quelle, sondern aus vielen Quellen, um eine bessere Verallgemeinerung zu ermöglichen). Dieses Modell wird als Basismodell verwendet, um bestimmte Kundenmodelle zu trainieren, die auf Version 0 des ML-Pakets trainiert werden. Die Folgeversionen, wie Version 1, werden verwendet, um entweder das vortrainierte Modell zu verfeinern oder kundenspezifische Modelle zu erstellen.

Um gute Ergebnisse zu erzielen, sollte das vortrainierte Modell jedoch unverzerrt sein und auf einem sehr vielfältigen Trainings-Set basieren. Wenn das Basismodell für einen bestimmten Kunden optimiert ist, funktioniert es möglicherweise nicht gut für andere Kunden. In einem solchen Fall liefert die Verwendung der Nullversion als Basismodell bessere Ergebnisse.