完整管道

完整管道同时运行训练管道和评估管道。

重要提示：

最小数据集大小

为了成功运行训练管道，我们强烈建议数据集中的每个已标记字段至少具有 25 个文档和 10 个样本。否则，管道将引发以下错误：Dataset Creation Failed。

在 GPU 与 CPU 上进行训练

• 对于较大的数据集，您需要使用 GPU 进行训练。但是，使用 GPU（AI 机器人 Pro）进行训练至少比使用 CPU（AI 机器人）进行训练慢 5 倍。
• 对于 v21.10.x ML 包，在 CPU 上训练仅支持大小不超过 5000 页的数据集，而对于其他版本的 ML 包，在 CPU 上训练的限制为最多 1000 页。在 CPU 而非 GPU 上进行训练也可能导致模型准确性降低（介于 0-5% 之间）。
• 在 2021.10 版本之前，在 CPU 上训练的限制为 500 页，对于 2021.10 版本，其增加到 5000 页，对于 2022.4 版本，其将减少到最多 1000 页。

同时训练和评估模型

按如下方式配置训练管道：

• 在“管道类型”字段中，选择“完整管道运行”。

• 在“选择包”字段中，选择要训练和评估的包。

• 在“选择包主要版本”字段中，选择包的主要版本。

• 在“选择包次要版本”字段中，选择包的次要版本。强烈建议始终使用次要版本 0（零）。

• In the Choose input dataset field, select a representative training dataset.

• In the Choose evaluation dataset field, select a representative evaluation dataset.

• 在“输入参数”部分中，输入管道定义和使用的任何环境变量（如果有）。对于大多数用例，不需要指定任何参数，模型将使用高级技术来查找高性能配置。但是，您可以使用以下一些环境变量：

• auto_retraining which allows you to complete the Auto-retraining Loop; if the variable is set to True, then the input dataset needs to be the export folder associated with the labeling session where the data is tagged; if the variable remains set to False, then the input dataset needs to correspond to the following dataset format.

• model.epochs，用于自定义训练管道的时期数（默认值为 100）。

• 选择是在 GPU 还是 CPU 上训练管道。默认情况下， “启用 GPU”滑块处于禁用状态，在这种情况下，管道将在 CPU 上进行训练。

• Select one of the options when the pipeline should run: Run now,Time based or Recurring. In case you are using the auto_retraining variable, select Recurring.

  

After you configure all the fields, click Create. The pipeline is created.

工件

对于评估管道，“输出”窗格还包括“artifacts”/“eval_metrics”文件夹，其中包含两个文件：

• evaluation_default.xlsx 是一个 Excel 电子表格，其中包含模型预测的每个字段的真实值与预测值的比较，以及文档准确性指标（按准确性升序排序）。因此，最不准确的文档会显示在顶部，以便于诊断和故障排除。

• evaluation_metrics_default.txt 包含预测的字段的 F1 分数。

  对于行项目，将获取所有列的全局分数。