Statut du jeu de données

Chaque fois que vous appliquez des libellés ou des champs généraux dans votre ensemble de données, votre modèle s’entraînera et une nouvelle version de modèle sera créée. Pour comprendre plus sur l'utilisation des différentes versions de modèle, consultez Épingler et baliser une version de modèle.

Lorsque le modèle se réentraîne, il prend les dernières informations qui lui ont été fournies et recalcule toutes ses prédictions sur l'ensemble de données. Ce processus commence lorsque vous commencez l’entraînement et, souvent, lorsque Communications Mining™ termine l’application des prédictions pour une version de modèle, il recalcule déjà les prédictions pour une version de modèle plus récente. Lorsque vous arrêtez l'entraînement après une période de temps, Communications Mining vous avance et appliquera les prédictions qui reflètent l'entraînement le plus récent terminé dans l'ensemble de données.

Ce processus peut prendre un certain temps, en fonction de la quantité d'entraînement terminée, de la taille de l'ensemble de données et du nombre de libellés dans la taxonomie. Communications Mining dispose d'une fonctionnalité de statut utile pour aider les utilisateurs à comprendre quand leur modèle est à jour ou s'il est en cours de réentraînement et combien de temps cela devrait prendre.

Lorsque vous êtes dans un ensemble de données, l'une des icônes suivantes indique son statut actuel :

	L'ensemble de données est à jour et les prédictions de la dernière version du modèle ont été appliquées.
	Le modèle est en cours de réentraînement et les prédictions peuvent ne pas être à jour.

Pour afficher plus de détails sur le statut de l'ensemble de données, pointez sur l'icône avec votre souris :

Remarque : parfois, vous remarquerez peut-être que Communications Mining™ est en cours de réentraînement, même si vous n’avez appliqué aucun libellé ou que vous n’avez examiné aucun champ général. Cela peut être dû au déploiement d’améliorations par UiPath® sur la plate-forme et à des modèles qui peuvent nécessiter un réentraînement des modèles. Toutes les automatisations dépendant d'un numéro de version de modèle spécifique ne seront pas affectées.

Résolution des problèmes d'entraînement de modèle lent

Entraînement de modèle lent

Assurez-vous de différencier les processus distincts suivants qui sont souvent trompeurs :

1. Entraînement de modèle : ce processus consiste à réentraîner la version actuelle du modèle afin d’en créer une nouvelle, en intégrant les modifications récentes telles que les mises à jour de la taxonomie ou les annotations de données. L’entraînement des modèles est généralement rapide, bien que sa durée puisse varier en fonction de plusieurs facteurs.
2. Application des prédictions : ce processus se produit après l’entraînement du modèle, où la plateforme récupère et applique les prédictions de la version du modèle entraîné à chaque message. L’application des prédictions est généralement plus lente et la durée est principalement influencée par la taille et la complexité de l’ensemble de données.

Plusieurs facteurs peuvent contribuer à une version de modèle particulière pour un ensemble de données prenant plus de temps que prévu pour s’entraîner ou appliquer des prédictions :

• Complexité de la taxonomie des libellés et des champs

  Impact : plus vous avez de libellés et de champs dans votre ensemble de données, plus le temps nécessaire pour entraîner le modèle et appliquer des prédictions à travers les messages.

• Utilisation de l’extraction générative

  Impact : l'extraction générative nécessite de comprendre les relations complexes entre les libellés et les champs, ce qui nécessite un modèle plus volumineux et plus puissant, ce qui peut ralentir l'entraînement.

• Taille de votre jeu de données (données annotées et non annotées)

  Impact : des volumes élevés de messages annotés augmentent les points de données que le modèle doit prendre en compte lors de l’entraînement, élargissant ainsi le processus. De même, des volumes élevés de messages non annotés peuvent prolonger le temps nécessaire à l’application des prédictions.

  Remarque : les prédictions sont réaffichées dès qu'elles sont disponibles, vous n'avez donc pas besoin d'attendre qu'elles soient terminées lors de l'annotation. La plate-forme passera à l'application des prédictions de la dernière version du modèle entraîné si elle s'entraîne avant que les prédictions de la version précédente ne soient terminées.
• Nombre d'ensembles de données entraînés simultanément

  Impact : si plusieurs modèles s’entraînent simultanément dans votre environnement Communications Mining™, cela peut entraîner des ralentissements temporaires, car la charge de la plate-forme équilibre les services requis.

• Quand contacter le support
  • Entraînement : si aucune des raisons précédentes n’attribue un entraînement lent et qu’il s’étend sur plus de 4 heures, contactez l’équipe d’assistance produit UiPath®.
  • Application de prédictions : pour les ensembles de données volumineux et complexes, l'application de prédictions prendra beaucoup de temps. Contactez l’équipe de support produit uniquement si ce processus est en cours depuis plus de 24 heures pour une version de modèle unique.
  Remarque : cela ne doit pas bloquer l'annotation des données, car vous bénéficierez toujours des nouvelles prédictions lorsque celles-ci seront disponibles.

Le modèle semble ne pas s’entraîner du tout

Si votre modèle ne commence pas l’entraînement dans l’heure qui suit, après avoir terminé une action qui devrait déclencher l’entraînement, telle que l’annotation des messages avec des libellés ou des champs, contactez l’équipe d’assistance produit UiPath®.

Vous pouvez vérifier si votre modèle est en cours d'entraînement en vérifiant le statut de l'ensemble de données sur n'importe quelle page d'un ensemble de données.