导出文档

“导出文件”对话框用于轻松导出数据以训练 ML 模型。

Select the Export button from the management bar.

该对话框包含三个选项卡：

• 立即导出
• 日志

立即导出

“立即导出”选项卡使您能够：

• Download to Excel - Download the data locally in an Excel format.
• Download - Download the data locally.
• Export to AI Center - Export the data to AI Center. The exported folders can be found in AI Center under the export folder (Datasets > dataset_name > export).

备注：

The Download to Excel function cannot be used if Schema or Backwards-compatible export options are selected.

如果未定义架构，则禁用所有导出选项。

如果定义了架构，则必须输入导出名称，否则将禁用“下载”和“导出”按钮。有效名称最多可包含 24 个字符，并且不得包含特殊字符。

即使架构包含多值字段，您也可以导出或下载该架构。

您可以选择以下导出选项：

• 当前搜索结果 - 按预定义关键字/指定批次或文本查询筛选的带标签文档。如果未应用任何筛选器，则导出当前视图中的所有带标签文档。
• “全部已添加标签”- 所有至少包含一个已标记字段（任意类型）的文档；更准确地说，是来自“带标签”筛选器的文档。
• 架构 - 包含字段及其配置的 zip 文件，可将其导入到不同的 Document Manager 会话中。
• All - exports all documents, no matter if labels are applied or not.

“向后兼容导出”复选框使您能够应用旧版导出行为，即将每个页面导出为单独的文档。如果使用默认方式导出的已训练模型未达到预期效果，请尝试以下方法。取消选中此项以原始多页形式导出文档。

导出验证

要导出数据集，需要在至少 10 个不同的页面中为所有字段加上标签。否则，导出将失败，并显示以下消息：

对于分类字段，还存在另一个要求：需要在至少一个文档中为每个选项加上标签。否则，导出将失败，并显示以下消息：

仅导出评估集数据时，将禁用所有验证。

数据集格式

包含来自 Document Manager 的导出数据集的文件夹。这包括：

• schema.json：此文件包含要提取的字段及其类型

• split.csv：此文件夹包含每个文档的拆分，这些文档将在训练管道中用于训练或验证

• images：此文件夹包含所有已标记页面的图像；

• latest：此文件夹包含 .json 文件，以及每个页面中的已标记数据；

  

日志

“日志”选项卡显示最新的导出日志。

如果导出成功，日志将显示已处理的文档数量和导出持续时间。

如果架构导出成功，日志将显示导出持续时间。

在文件导出过程中，您可以查看导出状态。这对于大型导出尤其有用。

日志还会显示错误消息，例如：

In case of a successful auto-retraining, the import logs from the fine-tune folder of the dataset are displayed as well: