Document Understanding
Más reciente
False
- Información general
- Primeros pasos
- Actividades
- Paneles de Insights
- Proceso de Document Understanding
- Tutoriales de inicio rápido
- Componentes de marco
- Paquetes ML
- Información general
- Document Understanding - Paquete ML
- DocumentClassifier: paquete ML
- Paquetes ML con capacidades OCR
- 1040: paquete ML
- 1040 Anexo C - Paquete ML
- 1040 Anexo D - Paquete ML
- 1040 Anexo E - Paquete ML
- 4506T: paquete ML
- 990 - Paquete ML: vista previa
- ACORD125: paquete ML
- ACORD126 - Paquete ML
- ACORD131 - Paquete ML
- ACORD140 - Paquete ML
- ACORD25 - Paquete ML
- Extractos bancarios: paquete ML
- Conocimientos de embarque: paquete ML
- Certificado de incorporación - Paquete ML
- Certificado de origen - Paquete ML
- Cheques: paquete ML
- Certificado de producto secundario - Paquete ML
- CMS 1500: paquete ML
- Declaración de conformidad UE - Paquete ML
- Estados financieros: paquete ML
- FM1003: paquete ML
- I9 - Paquete ML
- Documentos de identidad: paquete ML
- Facturas: paquete ML
- Invoices Australia - ML package
- Invoices China - ML package
- Invoices India - ML package
- Invoices Japan - ML package
- Envío de facturas - Paquete ML
- Listas de embalaje: paquete ML
- Recibos de pago: paquete ML
- Pasaportes: paquete ML
- Órdenes de compra: paquete ML
- Recibos: paquete ML
- ConsejosDeRemesas: paquete ML
- UB04 - Paquete ML
- Facturas de servicios públicos: paquete ML
- Títulos de vehículos: paquete ML
- W2 - Paquete ML
- W9 - Paquete ML
- Otros paquetes ML listos para usar
- Puntos finales públicos
- Limitaciones de tráfico
- Configuración de OCR
- Procesos
- Procesos de entrenamiento
- Entrenar y evaluar un modelo al mismo tiempo
- Artefactos
- Ajuste preciso
- Bucle de ajuste preciso automático (vista previa pública)
- Servicios de OCR
- Aprendizaje profundo
- Licencia
Entrenar y evaluar un modelo al mismo tiempo
Guía del usuario de Document Understanding
Última actualización 30 de abr. de 2024
Entrenar y evaluar un modelo al mismo tiempo
Configura el proceso de entrenamiento como sigue:
- En el campo Tipo de proceso, selecciona Ejecución de proceso completo.
- En el campo Elegir paquete, selecciona el paquete que deseas entrenar y evaluar.
- En el campo Elegir la versión principal del paquete, selecciona una versión principal para tu paquete.
- En el campo Elegir la versión secundaria del paquete, selecciona una versión secundaria para tu paquete. Se recomienda encarecidamente usar siempre la versión menor 0 (cero).
- En el campo Elegir conjunto de datos de entrada, selecciona un conjunto de datos de entrenamiento representativo.
- En el campo Elegir conjunto de datos de evaluación, selecciona un conjunto de datos de evaluación representativo.
- En la sección Introducir parámetros, escribe cualquier variable de entorno definida y utilizada por tu proceso, si la hubiera. Para la mayoría de los casos de uso, no es necesario especificar ningún parámetro; el modelo usa técnicas avanzadas para encontrar una configuración eficaz. Sin embargo, aquí hay algunas variables de entorno que podrías usar:
auto_retraining
, que te permite completar el Bucle de reentrenamiento automático; si la variable se establece como Verdadero, el conjunto de datos de entrada debe ser la carpeta de exportación asociada a la sesión de etiquetado en la que se etiquetan los datos; si la variable permanece como Falso, el conjunto de datos de entrada debe corresponder al siguiente formato del conjunto de datos.model.epochs
que personaliza el número de epochs para el proceso de entrenamiento (el valor predeterminado es 100).- Selecciona si quieres entrenar el proceso en la GPU o en la CPU. El control deslizante Habilitar GPU está deshabilitado de forma predeterminada, en cuyo caso el proceso se entrena en la CPU. Usar una GPU para el entrenamiento es al menos 10 veces más rápido que usar una CPU. Además, el entrenamiento en la CPU solo es posible para conjuntos de datos de hasta 1000 imágenes. Para conjuntos de datos más grandes, es necesario entrenar con la GPU.
-
Selecciona una de las opciones sobre cuándo debe ejecutarse el proceso: Ejecutar ahora, Basado en el tiempo o Recurrente. Si estás usando la variable
auto_retraining
, selecciona Recurrente. - Tras configurar todos los campos, haz clic en Crear. El proceso se creará.