Sobre pipelines

Pacotes de ML do Document Understanding podem executar todos os três tipos de pipelines:

• Pipelines de treinamento
• Pipelines de avaliação
• Pipelines completos

Depois de concluída, uma execução de pipeline tem saídas e logs associados. Para ver essas informações, na guia Pipelines da barra lateral esquerda, clique em um pipeline para abrir a Visualização de Pipeline, que consiste em:

• os detalhes do Pipeline, como tipo, nome e versão do pacote de ML, conjunto de dados, uso da GPU, parâmetros e tempo de execução
• o painel Saídas; o qual sempre inclui um arquivo _results.json contendo um resumo dos detalhes do Pipeline
• a página Logs; os logs também podem ser obtidos na guia Logs de ML na barra lateral esquerda

Os pipelines de treinamento ou os pipelines completos também podem ser usados para:

• Ajustar os modelos de ML com dados da Estação de Validação
• Auto-ajuste de um modelo de ML

Termos e definições

Treinamento: treinar um modelo do zero, ou seja, usando o pacote DocumentUnderstanding ML no AI Center.

Retreinamento: treinamento usando um modelo básico pré-treinado, ou seja, usando um dos outros pacotes de ML de extração de documentos no AI Center, como faturas, recibos, ordens de compra, etc.

Retreinamento automático: este é o nome de uma variável de ambiente que pode ser definida ao criar um pipeline no AI Center que permite que o pipeline use automaticamente o conjunto de dados exportado mais recente para treinamento. Essa variável não depende do conjunto de dados incluir dados da Estação de Validação ou não.

Ajuste fino: treinar ou retreinar um modelo usando um conjunto de dados que inclui dados provenientes da Estação de Validação.

Ajuste fino automático: usando o recurso de variável de ambiente de retreinamento automático para treinar automaticamente um modelo usando dados alimentados da estação de validação usando o recurso de exportação agendada do Data Manager.