À propos des pipelines

Les paquets ML Document Understanding peuvent exécuter les trois types de pipelines :

• Pipelines d'entraînement
• Pipelines d'évaluation
• Pipelines complets

Une fois terminée, l'exécution de pipeline dispose de sorties et des journaux associés. Pour voir ces informations, dans l'onglet Pipelines de la barre latérale gauche, cliquez sur un pipeline pour ouvrir la vue Pipeline (Pipeline view) qui se compose de :

• les détails du pipeline tels que le type, le nom et la version du paquet ML, l'ensemble de données, l'utilisation du GPU, les paramètres et le temps d'exécution
• le volet Sorties ; cela inclut toujours un fichier _results.json contenant un résumé des détails du Pipeline
• la page Journaux (Logs) ; les journaux peuvent également être obtenus dans l'onglet ML Logs de la barre latérale gauche

Les pipelines d'entraînement ou les pipelines complets peuvent également être utilisés pour :

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

Termes et définitions

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.