Pipelines completos

Um pipeline completo (Full) executa um pipeline de treinamento (Training) e um pipeline de avaliação (Evaluation) juntos.

Importante:

Tamanho mínimo do conjunto de dados

Para executar com êxito um pipeline de treinamento, recomendamos pelo menos 25 documentos e 10 amostras de cada campo rotulado em seu conjunto de dados. Caso contrário, o pipeline gera o seguinte erro: Dataset Creation Failed.

Treinamento em GPU vs CPU

• Para conjuntos de dados maiores, você precisa treinar usando GPU. No entanto, usar uma GPU (AI Robot Pro) para treinamento é pelo menos 5 vezes mais lento do que usar uma CPU (AI Robot).
• O treinamento na CPU só é compatível com conjuntos de dados de até 5.000 páginas para Pacotes de ML v21.10.x e até 1.000 páginas para outras versões de Pacotes de ML. O treinamento na CPU em vez da GPU também pode levar a um modelo menos preciso (entre 0-5%).
• O treinamento em CPU foi limitado a 500 páginas para versões anteriores a 2021.10, subiu para 5.000 páginas em 2021.10 e, na versão 2022.4, voltará para 1.000 páginas no máximo.

Treinar e avaliar simultaneamente um modelo

Configure o pipeline de treinamento da seguinte maneira:

• No campo Pipeline type, selecione Full Pipeline run.
• No campo Escolha o pacote, selecione o pacote que deseja treinar e avaliar.
• No campo Escolha a versão principal do pacote, selecione uma versão principal para o seu pacote.
• No campo Escolha a versão secundária do pacote, selecione uma versão secundária para seu pacote. É altamente recomendável usar sempre a versão secundária 0 (zero).
• No campo Escolha o conjunto de dados de entrada, selecione um conjunto de dados de treinamento representativo.
• No campo Escolha uma conjunto de dados de avaliação, selecione um conjunto de dados de avaliação representativo.
• Na seção Inserir parâmetros, insira as variáveis de ambiente definidas e usadas por seu pipeline, se houver. Para a maioria dos casos de uso, nenhum parâmetro precisa ser especificado; o modelo está usando técnicas avançadas para encontrar uma configuração de desempenho. No entanto, aqui estão algumas variáveis de ambiente que você pode usar:
• auto_retraining que permite completar o Loop de retreinamento automático; se a variável for definida como True, o conjunto de dados de entrada precisará ser a pasta de exportação associada à sessão de rotulagem na qual os dados são marcados; se a variável permanecer definida como False, o conjunto de dados de entrada precisará corresponder ao seguinte formato de conjunto de dados.
• model.epochs que personaliza o número de épocas para o pipeline de treinamento (o valor padrão é 100).
• Selecione se deseja treinar o pipeline na GPU ou na CPU. O controle deslizante Habilitar GPU está desabilitado por padrão, nesse caso o pipeline é treinado na CPU.
• Selecione uma das opções quando o pipeline deve ser executado: Executar agora, Agendado ou Recorrente. Caso esteja usando a variável auto_retraining, selecione Recorrente.
  
  

  

  
  

Após configurar todos os campos, clique em Criar. O pipeline é criado.

Artefatos

Para um pipeline de avaliação, o painel Saídas também inclui uma pasta artefatos / eval_metrics que contém dois arquivos:

• evaluation_default.xlsx é uma planilha do Excel com uma comparação lado a lado da informação real versus o valor previsto para cada campo previsto pelo modelo, bem como uma métrica de precisão por documento, em ordem crescente de precisão. Assim, os documentos mais imprecisos são apresentados na parte superior para facilitar o diagnóstico e a solução de problemas.
• evaluation_metrics_default.txt contém as pontuações F1 dos campos que foram previstos.

  Para itens de linha, uma pontuação global é obtida para todas as colunas juntas.