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。

单击管理栏中的“导出”按钮 。

该对话框包含三个选项卡：

• 立即导出
• 计划
• 日志
  
  

  

  
  

立即导出

“立即导出”选项卡使您能够：

• 使用“下载”按钮将数据下载到本地。
• 使用“导出”按钮将数据导出到 AI Center。可以在 AI Center 中的 export 文件夹（“Datasets”>“database_name”>“export”）下找到已导出的文件夹。

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。

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。

“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。

重要提示：

Document Manager 2021.10 版支持标记多页文档。与以前的版本相比（每个页面都需要单独标记），这是一个重大变化。标记和导出多页文档时，假设每个文档代表一个逻辑文档。例如，一个六页的文档可能包含单张六页的发票，但不应包含三张不同的发票（每张发票两页）。这对于评估集尤其重要。

此要求与向后兼容的导出无关。

导出验证

要导出数据集，需要在至少 10 个不同的文档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；
  
  

  

  
  

计划公开预览版

此处介绍计划导出功能。

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：

如果自动重新训练成功，则还会显示数据集的 fine-tune 文件夹中的导入日志：