- Notas de Versão
- Requisitos
- Requisitos de hardware e software
- Arquitetura do AI Fabric
- Instalação
- Introdução
- Projetos
- Conjuntos de dados
- Pacotes de ML
- Pipelines
- Habilidades de ML
- Logs de ML
- Document Understanding no AI Fabric
- Guia básico de solução de problemas
Requisitos de hardware e software
A tabela abaixo faz algumas recomendações com dividias de forma mais ou menos igual entre modelos genéricos (pequenos e grandes).
| CPU | RAM (GB) | Disco do SO/de inicialização (GB) | Disco de dados externo (GB) | Modelos servidos | Modelos simultâneos treinados |
|---|---|---|---|---|---|
| 8 | 52 | 200 | 500 | 3 | 1-2 |
| 12 | 64 | 200 | 1000 | 3-4 | 2 |
Não há um valor universal para quantos recursos um trabalho de ML Skill/Pipeline consumirá, pois isso depende do modelo. No entanto, aqui estão recursos mínimos usados por um trabalho de ML Skill/Pipeline, juntamente com recursos usados por um modelo do UiPath Document Understanding como linha de base.
| Usar | CPU | RAM (GB) |
|---|---|---|
| Serviços básicos | 4 | 10 |
| Mínimo para servir (ML SKill) | 0.5 | 2 |
| Mínimo para treinamento (pipeline) | 1 | 4 |
| Modelo do DU servindo | 1 | 4 |
| Treinamento do modelo do DU (500 imagens) | 2 | 24 |
disk, não partition. Veja a etapa 1. Provisione uma máquina.
Apenas as GPUs da NVIDIA são compatíveis atualmente. A maioria de cenários não exigirá treinamento em uma GPU, pois a maioria das arquiteturas de modelos pode ser executada com a GPU e a CPU. Se você tiver restrições em relação ao tempo de treinamento do modelo, é recomendável adicionar uma GPU com pelo menos 8 GB de RAM de vídeo. Você é responsável por instalar os drivers da GPU antes de poder usá-la no AI Fabric. Para obter mais informações sobre isso, consulte a seção Pré-requisito.
Os pacotes de ML do Document Understanding treináveis fornecidos pela UiPath funcionarão tanto na CPU quanto na GPU para conjuntos de dados com tamanho de até 500 imagens. É altamente recomendável que a GPU atinja tempos de treinamento mais rápidos e um melhor desempenho do modelo. O loop de retreinamento do Validation Station não é compatível com implantações sem uma GPU, devido ao fato de que os tamanhos dos conjuntos de dados aumentam muito rápido e podem atingir um muro de computação com a CPU muito rapidamente. Se você executar o UiPath OCR (versão não de borda) no AI Center para processar mais de dois milhões de páginas de documentos por ano, uma GPU é altamente recomendável para uma melhor experiência do produto.
A tabela a seguir lista o(s) sistema(s) operacional(is) oficialmente compatível(is) com a instalação do AI Fabric On-Premises.
| SO | Versão |
|---|---|
| Ubuntu | 18.04 LTS |
| RHEL | 7.4, 7.5, 7.6, 7.7, 7.8, 7.9 |
| CentOS | 7.4, 7.5, 7.6, 7.7, 7.8, 7.9 |
- A máquina deve ter o lvm2 instalado.
- Os drivers de armazenamento do OverlayFS para docker devem ser usados; é possível verificar pré-requisitos na documentação do docker. Não é necessário instalar nada, basta cumprir os pré-requisitos.
Antes de iniciar a instalação, os seguintes pré-requisitos são necessários:
- Orchestrator 20.4.3 (ou superior)
Consulte o guia aqui para várias maneiras de instalar o Orchestrator.
- SQL Server 2014 (ou superior)
É altamente recomendável que você use o mesmo SQL Server que foi usado ao instalar o Orchestrator, conforme detalhado aqui. Para a instalação, serão necessários o nome do host, nome de usuário do administrador e senha desse SQL Server.
Importante: certifique-se de que o modo de autenticação do SQL Server esteja habilitado.Observação: o AI Fabric usa o SQL apenas para armazenamento de metadados. Isso significa que a quantidade de armazenamento de dados é muito pequena. Não há necessidade de provisionar uma grande capacidade de armazenamento para essas tabelas. - Prequirements da GPU
Para a instalação do AI Fabric, é um pré-requisito que o nó tenha o driver do NVIDIA versão 450.51.06 instalado, bem como o nvidia-container-runtime.
