- Introdução
- Componentes do framework
- Pacotes de ML
- Pipelines
- Gerenciador de Dados
- Serviços de OCR
- Document Understanding implantado no Automation Suite
- Document Understanding implantado no AI Center autônomo
- Aprendizagem profunda
- Licenciamento
- Referências
- UiPath.Abbyy.Activities
- UiPath.AbbyyEmbedded.Activities
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.IntelligentOCR.Activities
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.DocumentProcessing.Contracts
- UiPath.OmniPage.Activities
- UiPath.PDF.Activities
Sobre pipelines
Pacotes de ML do Document Understanding podem executar todos os três tipos de pipelines:
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
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.