- Información general
- Proceso de Document Understanding
- Tutoriales de inicio rápido
- Componentes de marco
- Información general
- Actividades de Document Understanding
- Resumen de la clasificación de documentos
- Asistente para Configurar clasificadores de Clasificar ámbito de documento
- Clasificador inteligente de palabra clave
- Clasificador basado en palabras clave
- Clasificador de aprendizaje automático
- Clasificador generativo
- Actividades relacionadas con la clasificación de documentos
- Consumo de datos
- Llamadas a API
- 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
- 1040x: paquete ML
- 3949a: paquete ML
- 4506T: paquete ML
- 709: paquete ML
- 941x: paquete ML
- 9465: 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
- CMS1500 - Paquete ML
- Declaración de conformidad de la UE: Paquete ML
- Estados financieros: paquete ML
- FM1003: paquete ML
- I9 - Paquete ML
- Documentos de identidad: paquete ML
- Facturas: paquete ML
- FacturasChina - Paquete ML
- Facturas en hebreo: paquete ML
- FacturasIndia - Paquete ML
- FacturasJapón - Paquete ML
- Envío de facturas: paquete ML
- Listas de embalaje: paquete ML
- Pasaportes: paquete ML
- Nóminas - - 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
- Requisitos de hardware
- Procesos
- Administrador de documentos
- Servicios de OCR
- Aprendizaje profundo
- Paneles de insights
- Document Understanding implementado en Automation Suite
- Document Understanding implementado en AI Center independiente
- Licencia
- Actividades
- Actividades.DeUipath
- UiPath.AbbyyEmbedded.Activities
- UiPath.DocumentProcessing.Contracts
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.IntelligentOCR.Activities
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.OmniPage.Activities
- UiPath.PDF.Activities
Implementar UiPathDocumentOCR
Crea un paquete ML UiPathDocumentOCR en AI Center.
Para la instalación en línea, el modelo UiPathDocumentOCR ya está incluido en la sección Paquetes listos para usar. Ve a Paquetes ML > Paquetes listos para usar > UiPath Document Understanding > UiPathDocumentOCR, y haz clic en Enviar.
Para instalaciones sin conexión, ve a la pestaña Paquetes ML en la barra lateral izquierda de AI Center y crea un nuevo paquete. Nombra el paquete y carga el paquete que has descargado desde esta página. Escoge el tipo de entrada JSON y el lenguaje Python correspondiente. Crea el paquete.
Ve a Habilidades ML y crea una nueva Habilidad ML para el paquete UiPathDocumentOCR que hayas creado.
Utiliza Configuración avanzada de la infraestructura para actualizar la implementación a fin de actualizar la réplica (lo ideal es que el número de réplicas sea igual al número de nodos) y maximizar las solicitudes de CPU (al menos 4) y RAM si no utilizas máquinas GPU, o el procesamiento de UiPathDocumentOCR será lento y puede fallar.
El motor OCR necesita la GPU para un rendimiento óptimo, y se recomienda para cargas de trabajo de producción. Sin embargo, si la GPU no está disponible, puede seguir ejecutándose en la CPU, aunque requiere recursos superiores a los predeterminados. La configuración avanzada de infraestructura debe ajustarse como tal:
Replicas: increase if there is concurrent usage of UiPathDocumentOCR. If you are using UiPathDocumentOCR to do imports on a single Data Labeling session at a time and the UiPathDocumentOCR is not used in other UiPath® workflows then 1 replica suffices. Otherwise, the number of replicas needs to be increased. There is no "magic" number here, you need some trial and error. Do not use more than 2 replicas on a single node installation. Ideally, replica count should equal the number of nodes in the cluster (1 replica/node). If more parallelism is needed, increasing the CPU helps
CPU: debería ser al menos 4 (para cada réplica). Asegúrate de disponer de los recursos adecuados. No existe una cifra "mágica", pero más CPU significa un tiempo de procesamiento más rápido. Necesitas experimentar qué es suficiente en tus escenarios específicos.
La habilidad ML puede tardar hasta 30 minutos en estar lista. Es posible que tengas que actualizar la página de AI Center para ver el cambio de estado. Cuando la Habilidad ML esté disponible, haz doble clic en la Habilidad ML y ve a Modificar la implementación actual.
Activa el selector para hacer pública la habilidad ML. Es posible que tengas que esperar unos minutos y actualizar la página.
Haz doble clic en la habilidad ML y copia la URL, que es el punto final de UiPathDocumentOCR para su uso posterior.
¡Enhorabuena! Has implementado correctamente UiPathDocumentOCR en AI Center.
