流量限制

提取和分类 ML 包需要大量计算资源，这意味着随着文档大小和/或每分钟文档数量的吞吐量的增长，会受到一些限制。

大于 100 页的文档预计会遇到计算或延迟限制，从而导致 ML 技能不稳定或返回 HTTP 错误。很难定义确切的上限，因为文档的文本密度和图像分辨率具有很大的动态范围，而文本密度（每页的字数）会影响所需的计算和 RAM 资源以及延迟。此外，ML 技能的容量取决于用于部署该技能的硬件的大小，这由 AI Center 控制。例如，可以将 ML 技能部署在 GPU 或 CPU 上，这对 ML 技能的容量和速度有很大影响。

关于吞吐量，ML 技能一次只能处理一个文档，这意味着您需要等待一个文档完成才能发送下一个文档。文档越大，单位时间内可处理的文档就越少。

为了缓解这些问题，如果您需要处理非常大的文档，请记住，在许多情况下，相关数据可能位于较小的页面子集上，并且可以使用智能关键字分类器拆分出这个子集。这可能是一个很好的策略，因为它可以消除 ML 技能错误/失败/超时，提高吞吐量和响应能力，通过减少误报来提高提取准确性，并通过消除不必要的 AI Unit 消耗来降低成本。