document-understanding
2022.4
true
- 概述
- Document Understanding 流程
- 快速入门教程
- 框架组件
- ML 包
- 管道
- Document Manager
- OCR 服务
- 部署在 Automation Suite 中的 Document Understanding
- 在 AI Center 独立版中部署的 Document Understanding
- 深度学习
- 许可
- 参考
- UiPath.Abbyy.Activities
- UiPath.AbbyyEmbedded.Activities
- UiPath.DocumentUnderstanding.ML.Activities
- UiPath.DocumentUnderstanding.OCR.LocalServer.Activities
- UiPath.Intelligent OCR.Activities
- UiPath.OCR.Activities
- UiPath.OCR.Contracts
- UiPath.DocumentProcessing.Contracts
- UiPath.OmniPage.Activities
- UiPath.PDF.Activities
Document Understanding 用户指南
Last updated 2024年10月24日
训练管道
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。此外,使用 GPU(AI 机器人 Pro)进行训练至少比使用 CPU(AI 机器人)进行训练快 10 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 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。
有两种方法可以训练 ML 模型:
- 从头开始训练模型
- 重新训练开箱即用模型
可以使用 DocumentUnderstanding ML 包从头开始训练模型,该包在作为输入提供的数据集上执行此操作。
可以使用开箱即用的 ML 包(例如发票、收据、采购订单、水电费账单、印度发票、澳大利亚发票等)重新训练模型,基本上可以使用除 Document Understanding 以外的任何其他数据提取 ML 包。使用其中一个包进行训练时会产生另外一个输入:基本模型。我们将此称为重新训练,因为您不是从头开始,而是从基本模型开始。这种方法使用了一种称为“迁移学习”的技术,模型会利用另一个预先存在的模型中编码的信息。该模型保留了一些开箱即用的知识,但也会从新数据中学习。但是,随着训练数据集大小的增加,预训练的基本模型会越来越不重要。它主要与中小型训练数据集(最多 500-800 页)相关。
按如下方式配置训练管道:
- 在“管道类型”字段中,选择“训练运行”。
- 在“选择包”字段中,选择基于 Document Understanding ML 包创建的包。
- 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)。
- 在“选择输入数据集”字段中,选择一个具有代表性的训练数据集。
- 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
,您可借此完成自动重新训练循环;如果将该变量设置为 True,则输入数据集必须是与数据所标记的标签会话相关联的“导出”文件夹;如果仍将该变量设置为 False,则输入数据集需要对应于以下数据集格式。model.epochs
,用于自定义训练管道的时期数(默认值为 100)。注意:对于包含超过 5000 页的较大数据集,您最初可以使用默认的时期数来执行完整管道运行。这使您可以评估模型的准确性。之后,您可以将时期数减少到约 30-40。此方法可用于比较结果的准确性,并确定减少历元是否会产生相当的精度。使用较小的数据集时,尤其是少于 5000 页的数据集,您可以维持默认的时期数。
- 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。
-
请选择管道应何时运行:“立即运行”、“基于时间”或“循环”。如果您使用的是
auto_retraining
变量,请选择“循环”。 - 配置所有字段后,单击“创建”。已创建管道。