Déployer UiPathDocumentOCR

Créez un paquet ML UiPathDocumentOCR dans AI Center.

Pour une installation en ligne, le modèle UiPathDocumentOCR est déjà inclus dans la section Packages prêts à l'emploi (Out of the box packages). Accédez à Paquets ML (ML Packages) > Packages prêts à l'emploi (Out of the box packages) > UiPath Document Understanding > UiPathDocumentOCR, puis cliquez sur Soumettre (Submit).

Pour une installation hors ligne, accédez à l'onglet Paquets ML (ML Packages) dans la barre latérale gauche d'AI Center et créez un nouveau package. Nommez le package et téléchargez le package que vous avez téléchargé à partir de cette page. Choisissez le type d'entrée JSON et le langage Python correspondant. Créez un paquet.

Remarque : lors de la création d'un paquet ML UiPathDocumentOCR dans AI Center, il ne peut pas être nommé ocr ou OCR. Assurez-vous de choisir un autre nom.

Accédez à Compétences ML (ML Skills) et créez une nouvelle compétence ML pour le package UiPathDocumentOCR que vous avez créé.

Veuillez utiliser Paramètres d’infrastructure avancés (Advanced Infra Settings) pour mettre à jour le déploiement afin de mettre à jour la réplique (idéalement, le nombre de répliques doit être égal au nombre de nœuds) et maximiser les requêtes CPU (au moins 4) et RAM si vous n'utilisez pas de machines GPU, ou le traitement UiPathDocumentOCR sera lent et pourra échouer.

Le moteur OCR a besoin d'un GPU pour des performances optimales, et il est recommandé pour les charges de travail de production. Cependant, si le GPU n'est pas disponible, il peut toujours fonctionner sur le CPU, mais il nécessite des ressources plus élevées que la valeur par défaut. Les paramètres d'infrastructure avancés doivent être ajustés comme tels :

Réplicas (Replicas) : augmentez s'il y a une utilisation simultanée de UiPathDocumentOCR. Si vous utilisez UiPathDocumentOCR pour effectuer des importations sur une seule session de labellisation de données à la fois et que UiPathDocumentOCR n'est pas utilisé dans d'autres workflows UiPath, 1 réplique suffit. Sinon, le nombre de répliques doit être augmenté. Il n'y a pas de nombre « magique » ici, vous avez besoin de faire des essais et de commettre des erreurs. N'utilisez pas plus de 2 répliques sur une installation à nœud unique. Idéalement, le nombre de répliques doit être égal au nombre de nœuds dans le cluster (1 réplique/nœud). Si plus de parallélisme est nécessaire, vous pouvez augmenter le CPU
CPU : il doit être au moins de 4 (pour chaque réplica). Assurez-vous d'avoir les ressources appropriées. Il n'y a pas de nombre « magique », mais un CPU élevé signifie un temps de traitement plus rapide. Vous devez faire des tests dans vos scénarios spécifiques pour déterminer le nombre suffisant.

Cela peut prendre jusqu'à 30 minutes pour que la compétence ML soit prête. Vous devrez peut-être actualiser la page AI Center pour voir le changement de statut. Une fois la compétence ML disponible, double-cliquez sur la compétence ML et accédez à Modifier le déploiement actuel (Modify current deployment).