Utiliser le gestionnaire de documents

Cette page décrit comment utiliser Data Manager pour labelliser un nouvel ensemble de données et recycler un modèle ML.

Access and configure Document Manager

Launch the created data labeling session in First Run Experience and go to the settings to configure the OCR.

Choose the OCR you intend to use in the OCR method dropdown menu. For UiPathDocumentOCR, paste the Document Understanding^TM license key (retrieve the Document Understanding API key from the Admin > License page) and then paste the OCR URL you generated when you deployed UiPathDocumentOCR. Check out Deploy UiPathDocumentOCR.

Configure the prelabelling with the models that you have deployed following the instructions describe in Deploy an out-of-the-box ML package. Paste the model public ML Skill endpoint and the Document Understanding license key, and then select Save.

For more details, please check the documentation here: Use a predefined schema.

Importer des documents

1. Select the Import button from a Document Manager Session.
2. Name the dataset and select Browse files to upload.
3. Sélectionnez le document que vous souhaitez télécharger.
4. Select YES.

Créer des champs d'extraction

Select to create fields to be extracted.

Vous pouvez créer jusqu'à 40 champs.

Pour cet exercice de validation, vous pouvez créer des champs de facture courants tels que date, nom, numero-de-facture et total. Veuillez vous assurer de modifier le type de contenu en conséquence : date (date), nom (string), numéro de facture (string) et total (nombre).

Labelliser des documents

Vous pouvez maintenant commencer à labelliser les documents.

Select the Predict button on top to use the base invoice model to predict the labels for the defined fields, and correct it if the prediction is wrong.

Pour modifier l'étiquette, faites glisser la souris sur le champ et appuyez sur le raccourci clavier pour l'étiqueter.

Utilisez la flèche du haut pour passer au document suivant jusqu'à ce que vous ayez terminé la validation des libellés pour toutes les factures téléchargées.

Remarque :

Since the Invoices base model has already performed really well and the sample invoice is simple without too much variation, the prediction accuracy is close to 100% in this case and you may not need to correct any labels.

Exporter des documents

1. Make sure to select the correct dataset in the dataset filtering and select the Export button .
2. Sélectionnez Exporter (Export).
3. Go to Datasets under the same AI Center project, you should observe the exported training dataset.

Former un modèle personnalisé sur AI Center

1. Accédez à Pipelines > Créer un nouveau fichier (Create new). Veuillez sélectionner le type d'exécution d'évaluation, sélectionner le package de modèle et l'ensemble de données d'entrée.
2. Sélectionnez le sous-dossier sous Exporter (Export) comme ensemble de données d’entrée.
3. Select Create to start the pipeline. It may take 1-2 hours for the pipeline to run on CPU machines.

Déployer le modèle ML recyclé en tant que compétence ML

Accédez à Compétences ML (ML Skills) et créez une nouvelle compétence ML.

Choisissez le même package de modèle de facture créé auparavant. Comme nous avons reformé le modèle, il existe maintenant une nouvelle version mineure du package (1 vs 0). Assurez-vous de sélectionner le dernier.

Once the ML Skill is created, please go to Modify current deployment to make the ML skill public. Switch the toggle and select Confirm.

Copiez l'URL de la compétence ML publique pour une utilisation ultérieure.

Félicitations ! Vous avez maintenant recyclé un modèle Facture (Invoice) avec votre propre ensemble de données et créé le point de terminaison pour accéder au modèle.