Der Status des Datasets

Jedes Mal, wenn Sie Beschriftungen anwenden oder allgemeine Felder in Ihrem Dataset überprüfen, wird Ihr Modell erneut trainiert und eine neue Modellversion erstellt. Weitere Informationen zur Verwendung verschiedener Modellversionen finden Sie unter Anheften und Taggen einer Modellversion.

Wenn das Modell erneut trainiert wird, verwendet es die neuesten Informationen, die ihm bereitgestellt wurden, und berechnet alle seine Vorhersagen im gesamten Dataset neu. Dieser Prozess beginnt, wenn Sie mit dem Training beginnen. Wenn Communications Mining™ die Anwendung der Vorhersagen für eine Modellversion abgeschlossen hat, berechnet es bereits die Vorhersagen für eine neuere Modellversion neu. Wenn Sie das Training nach einem bestimmten Zeitraum beenden, wird Communications Mining in Kürze aufholen und die Vorhersagen anwenden, die das allerneueste Training widerspiegeln, das im Dataset abgeschlossen wurde.

Dieser Prozess kann je nach Umfang des abgeschlossenen Trainings, der Größe des Datasets und der Anzahl der Beschriftungen in der Taxonomie einige Zeit in Anspruch nehmen. Communications Mining verfügt über eine hilfreiche Statusfunktion, die Benutzern hilft zu verstehen, wann ihr Modell auf dem neuesten Stand ist oder ob es ein erneutes Training ist und wie lange das voraussichtlich dauern wird.

Wenn Sie sich in einem Dataset befinden, zeigt eines der folgenden Symbole den aktuellen Status an:

	Das Dataset ist auf dem neuesten Stand und die Vorhersagen aus der aktuellen Modellversion wurden angewendet.
	Das Modell wird erneut trainiert und die Vorhersagen sind möglicherweise nicht auf dem neuesten Stand.

Um weitere Details zum Dataset-Status anzuzeigen, zeigen Sie mit der Maus auf das Symbol:

Hinweis: Manchmal stellen Sie fest, dass Communications Mining™ gerade trainiert wird, obwohl Sie keine Beschriftungen angewendet oder allgemeine Felder überprüft haben. Dies kann darauf zurückzuführen sein, dass UiPath® Verbesserungen an der Plattform und an den Modellen bereitstellt, die ein erneutes Training der Modelle erfordern können. Automatisierungen, die auf einer bestimmten Modellversionsnummer basieren, sind davon nicht betroffen.

Fehlerbehebung für langsames Modelltraining

Langsames Modelltraining

Stellen Sie sicher, dass Sie zwischen den folgenden verschiedenen Prozessen unterscheiden, die oft verwechselt werden:

1. Modelltraining – Dieser Prozess beinhaltet das erneute Training der aktuellen Modellversion, um eine neue zu erstellen, wobei alle aktuellen Änderungen wie Taxonomieaktualisierungen oder Datenanmerkungen berücksichtigt werden. Das Modelltraining ist im Allgemeinen schnell, obwohl die Dauer aufgrund mehrerer Faktoren variieren kann.
2. Anwenden von Vorhersagen – Dieser Prozess erfolgt nach dem Modelltraining, bei dem die Plattform Vorhersagen von der trainierten Modellversion abruft und auf jede Nachricht anwendet. Das Anwenden von Vorhersagen ist in der Regel langsamer und die Dauer wird hauptsächlich von der Größe und Komplexität des Datasets beeinflusst.

Mehrere Faktoren können dazu beitragen, dass eine bestimmte Modellversion für ein Dataset länger als erwartet dauert, um Vorhersagen zu trainieren oder anzuwenden:

• Komplexität der Taxonomie von Beschriftungen und Feldern

  Auswirkungen: Je mehr Beschriftungen und Felder in Ihrem Dataset sind, desto länger dauert es, das Modell zu trainieren und Vorhersagen auf Nachrichten anzuwenden.

• Verwendung der generativen Extraktion

  Auswirkungen: Die generative Extraktion erfordert das Verständnis der komplexen Beziehungen zwischen Beschriftungen und Feldern, was ein größeres und leistungsstärkeres Modell erfordert, was das Training verlangsamen kann.

• Größe Ihres Datasets (Daten mit und ohne Anmerkungen)

  Auswirkungen: Hohe Mengen an Nachrichten mit Anmerkungen erhöhen die Datenpunkte, die das Modell während des Trainings berücksichtigen muss, wodurch der Prozess verlängert wird. Ebenso können große Mengen an Nachrichten ohne Anmerkungen die Zeit verlängern, die für das Anwenden von Vorhersagen erforderlich ist.

  Hinweis: Vorhersagen werden angezeigt, sobald sie verfügbar sind, sodass Sie nicht warten müssen, bis die Anwendung mit Anmerkungen abgeschlossen ist. Die Plattform wechselt zum Anwenden von Vorhersagen aus der neuesten trainierten Modellversion, wenn sie trainiert wird, bevor die Vorhersagen der vorherigen Version vollständig sind.
• Anzahl der Datasets, die gleichzeitig trainiert werden

  Auswirkungen: Wenn mehrere Modelle gleichzeitig in Ihrer Communications Mining™-Umgebung trainiert werden, kann dies zu vorübergehenden Verlangsamungen führen, da die Plattformlast die erforderlichen Dienste ausbalanciert.

• Wann Sie sich an den Support wenden können
  • Training – Wenn keiner der vorherigen Gründe das langsame Training erklärt und es länger als 4 Stunden läuft, wenden Sie sich an das UiPath®-Produktsupport-Team.
  • Anwenden von Vorhersagen – Bei großen und komplexen Datasets ist damit zu rechnen, dass das Anwenden von Vorhersagen viel Zeit in Anspruch nimmt. Wenden Sie sich nur an das Produktsupport-Team, wenn dieser Prozess für eine einzelne Modellversion länger als 24 Stunden läuft.
  Hinweis: Dies sollte die Datenannotation nicht blockieren, da Sie immer von neuen Vorhersagen profitieren werden, sobald sie verfügbar sind.

Das Modell scheint überhaupt nicht zu trainieren

Wenn Ihr Modell nicht innerhalb einer Stunde nach Abschluss einer Aktion, die das Training auslösen soll, mit dem Training beginnt, z. B. das Versehen von Nachrichten mit Beschriftungen oder Feldern, wenden Sie sich an das UiPath®-Produktsupportteam.

Sie können überprüfen, ob Ihr Modell trainiert wird, indem Sie den Dataset-Status auf einer beliebigen Seite innerhalb eines Datasets überprüfen.