Über Pipelines

Document Understanding-ML-Pakete können alle drei Pipelinetypen ausführen:

• Trainingspipelines
• Auswertungspipelines
• Vollständige Pipelines

Nach Abschluss hat eine Pipelineausführung zugehörige Ausgaben und Protokolle. Um diese Informationen auf der Registerkarte Pipelines in der linken Seitenleiste anzuzeigen, klicken Sie auf eine Pipeline. Es öffnet sich die Pipelineansicht, die aus Folgendem besteht:

• Pipelinedetails wie Typ, Name und Version des ML-Pakets, Dataset, GPU-Nutzung, Parameter und Ausführungszeit
• Der Bereich Ausgaben ; dies beinhaltet immer eine _results.json -Datei mit einer Zusammenfassung der Pipelinedetails
• Seite Protokolle; die Protokolle können auch auf der Registerkarte ML-Protokolle in der linken Seitenleiste abgerufen werden

Trainingspipelines oder vollständige Pipelines können auch verwendet werden für:

• Fine-tune ML models with data from Validation Station
• Auto-Fine-tuning an ML model

Begriffe und Definitionen

Training: Training a model from scratch, i.e. using the DocumentUnderstanding ML Package in AI Center.

Retraining: Training using a pre-trained base-model, i.e. using one of the other document extraction ML packages in AI Center such as Invoices,Receipts,Purchase Orders, etc.

Auto-retraining: This is the name of an environment variable which can be set when creating a Pipeline in AI Center which enables the pipeline to automatically use the most recent exported dataset for training. This variable is independent of whether that dataset includes data from Validation Station or not.

Fine-tuning: Training or retraining a model using a dataset which includes data coming from Validation Station.

Auto-Fine-tuning: Using the Auto-retraining environment variable feature to automatically train a model using data fed in from Validation Station using the Scheduled Export feature of Data Manager.