- Información general
- Proceso de Document Understanding
- Tutoriales de inicio rápido
- Componentes de marco
- Resumen de la clasificación de documentos
- Asistente para Configurar clasificadores de Clasificar ámbito de documento
- Clasificador basado en palabras clave
- Clasificador inteligente de palabra clave
- Clasificador de CapturaFlexible
- Clasificador de aprendizaje automático
- Actividades relacionadas con la clasificación de documentos
- Consumo de datos
- Paquetes ML
- Acerca de los paquetes ML
- Configuración de OCR
- Requisitos de hardware
- Procesos
- Administrador de documentos
- Servicios de OCR
- Document Understanding implementado en Automation Suite
- Instalar y utilizar
- Primera experiencia de ejecución
- Implementar UiPathDocumentOCR
- Implementar un paquete ML listo para usar
- Paquetes sin conexión 2022.10.0
- Paquetes sin conexión 2022.10.2
- Paquetes sin conexión 2022.10.4
- Paquetes sin conexión 2022.10.6
- Paquetes sin conexión 2022.10.9
- Paquetes sin conexión 2022.10.10
- Paquetes sin conexión 2022.10.11
- Paquetes sin conexión 2022.10.12
- Paquetes sin conexión 2022.10.13
- Paquetes sin conexión 2022.10.14
- Utiliza Document Manager
- Utilizar el marco
- Document Understanding implementado en AI Center independiente
- Aprendizaje profundo
- Licencia
- Referencias
- Actividades.DeUipath
- UiPath.AbbyyEmbedded.Activities
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.IntelligentOCR.Activities
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.DocumentProcessing.Contracts
- UiPath.OmniPage.Activities
- UiPath.PDF.Activities
Requisitos de hardware
La ejecución de los paquetes ML de Document Understanding en una GPU incluye una optimización destinada a acelerar el proceso de entrenamiento.
Como resultado, el entrenamiento en la GPU es cinco veces más rápido que en la CPU (antes era entre 10 y 20 veces más rápido). Esto también permite entrenar modelos en CPU con hasta 5000 páginas (anteriormente el máximo eran 500).
Ten en cuenta que entrenar modelos Document Understanding en la GPU requiere una GPU con al menos 11 GB de RAM de vídeo para funcionar correctamente.
Utiliza la siguiente tabla para comprobar la compatibilidad entre los paquetes ML, la versión de CUDA y la versión del controlador de la GPU.
versión de paquetes ML |
Versión de CUDA |
Controlador de NVIDIA (versión inferior compatible) |
Generación de hardware |
---|---|---|---|
2022.10 | CIDA 11.3 | R450.80.03 | Ampere, Turing, Volta, Pascal, Maxwell, Kepler |
2022.4 | CUDA 11.3 | R450.36.06 | Ampere, Turing, Volta, Pascal, Maxwell, Kepler |
CUDA es compatible con versiones anteriores, lo que significa que las aplicaciones CUDA existentes pueden seguir utilizándose con versiones CUDA más recientes.
Aquí puedes encontrar más información sobre compatibilidad.
Puedes utilizar el marco de Document Understanding para leer texto utilizando un motor OCR, clasificar los documentos y extraer información de los mismos. Mientras que las tareas de clasificación y extracción se ejecutan en la CPU, se recomienda ejecutar OCR en la GPU (aunque también se proporciona una versión para CPU en caso de que no se disponga de GPU).
La implementación local se realiza mediante Automation Suite y sus requisitos de hardware.
Puedes usar el mismo tipo de máquina virtual para extractores y clasificadores, la única diferencia es el tamaño de la infraestructura. Recomendamos utilizar el motor OCR con una GPU VM. La compatibilidad entre los paquetes ML, la versión de CUDA y la versión del controlador de GPU se describe en la sección Matriz de compatibilidad .
Tomemos un ejemplo real para comprender mejor los requisitos de hardware.
Servicio |
Requisitos de hardware |
Capacidad |
---|---|---|
Extractor |
Utilizar una máquina virtual con un mínimo de 2 núcleos de CPU y 8 GB de RAM |
Se pueden procesar 25 000 páginas al día o 5 millones de páginas al año, siempre que el tráfico sea constante (sin subidas repentinas). |
Clasificador |
Utilizar una máquina virtual con un mínimo de 2 núcleos de CPU y 8 GB de RAM |
Pueden procesar 40 000 documentos/día u 8 millones de documentos/año, suponiendo que el tráfico sea perfectamente constante (sin picos). |
OCR |
Se recomienda su uso con una máquina virtual con GPU. |
Se pueden procesar 50 000 páginas/día. |
Ejemplo: si procesas 10 millones de páginas/año, necesitas una máquina virtual con 4 núcleos de CPU, 16 GB de RAM para el extractor, otra para el clasificador y una tercera máquina virtual con un núcleo de GPU NVidia para el motor OCR.
También puedes optar por utilizar una sola máquina virtual para el extractor y el clasificador, lo que significa que necesitarás una sola máquina virtual con 8 núcleos de CPU y 32 GB de RAM.