Az Azure AI Vision 3.2 GA read OCR-tároló telepítése

  • Cikk

A tárolók lehetővé teszik az Azure AI Vision API-k futtatását a saját környezetében. A tárolók kiválóan alkalmasak adott biztonsági és adatszabályozási követelményekhez. Ebből a cikkből megtudhatja, hogyan töltheti le, telepítheti és futtathatja az Olvasás (OCR) tárolót.

Az Olvasás tárolóval nyomtatott és kézzel írt szöveget nyerhet ki képekből és dokumentumokból JPEG, PNG, BMP, PDF és TIFF fájlformátumok támogatásával. További információkért tekintse meg az API olvasása útmutatót.

Újdonságok

Az 3.2-model-2022-04-30 olvasási tároló GA-verziója 164 nyelv és egyéb fejlesztés támogatásával érhető el. Ha Ön már meglévő ügyfél, az első lépésekhez kövesse a letöltési utasításokat .

A Read 3.2 OCR tároló a legújabb ga modell, és a következő lehetőségeket nyújtja:

  • Új modellek a nagyobb pontosság érdekében.
  • Több nyelv támogatása ugyanazon a dokumentumon belül.
  • Összesen 164 nyelv támogatása. Tekintse meg az OCR által támogatott nyelvek teljes listáját.
  • Dokumentumok és képek egyetlen művelete.
  • Nagyobb dokumentumok és képek támogatása.
  • Megbízhatósági pontszámok.
  • Nyomtatással és kézzel írt szöveggel ellátott dokumentumok támogatása.
  • Szöveg kinyerésének lehetősége csak a kijelölt lap(ok)ból egy dokumentumban.
  • A szövegsor kimeneti sorrendjét az alapértelmezetttől a természetesebb olvasási sorrendig csak a latin nyelvek esetében válassza.
  • A szövegsorok kézírásos stílusként való besorolása, vagy csak latin nyelvek esetén nem.

Ha ma Read 2.0-tárolókat használ, az áttelepítési útmutatóból megismerheti az új verziók változásait.

Előfeltételek

A tárolók használata előtt meg kell felelnie a következő előfeltételeknek:

Kötelező Cél
A Docker-motor A gazdaszámítógépen telepítve kell lennie a Docker Engine-nek. A Docker csomagokat biztosít a Docker-környezet konfigurálásához macOS, Windows és Linux rendszereken. A Docker és a tárolók alapszintű ismertetéséért lásd a Docker felhasználói útmutatóját.

A Dockert úgy kell konfigurálni, hogy a tárolók kapcsolódhassanak az Azure-hoz, és elküldjék a számlázási adatokat.

Windows rendszeren a Dockert is úgy kell konfigurálni, hogy támogassa a Linux-tárolókat.
A Docker ismerete Alapvető ismeretekkel kell rendelkeznie a Docker-fogalmakról, például a regisztrációs adatbázisokról, az adattárakról, a tárolókról és a tárolórendszerképekről, valamint az alapszintű docker parancsokról.
Computer Vision erőforrás A tároló használatához a következőket kell tennie:

Egy Computer Vision erőforrás és a végpont URI-jának társított API-kulcsa. Mindkét érték elérhető az erőforrás Áttekintés és Kulcsok lapján, és a tároló elindításához szükséges.

{API_KEY}: A Kulcsok lap két elérhető erőforráskulcsának egyike

{ENDPOINT_URI}: Az Áttekintés lapon megadott végpont

Ha még nincs Azure-előfizetése, kezdés előtt hozzon létre egy ingyenes fiókot.

A szükséges paraméterek összegyűjtése

Az összes Azure AI-tárolóhoz három elsődleges paraméter szükséges. A Microsoft szoftverlicenc-feltételeinek elfogadási értékkel kell rendelkeznie. Végponti URI- és API-kulcsra is szükség van.

Végpont URI-ja

Az {ENDPOINT_URI} érték a megfelelő Azure AI-szolgáltatások erőforrásának Azure Portal Áttekintés lapján érhető el. Lépjen az Áttekintés lapra, mutasson a végpont fölé, és megjelenik a Másolás vágólapra ikon. Másolja ki és használja a végpontot, ha szükséges.

Képernyőkép a végpont URI-jának későbbi használatra való gyűjtéséről.

Kulcsok

Az {API_KEY} érték a tároló elindítására szolgál, és a megfelelő Azure AI-szolgáltatási erőforrás Azure Portal Kulcsok lapján érhető el. Lépjen a Kulcsok lapra, és válassza a Másolás vágólapra ikont.

Képernyőkép a két kulcs egyikének későbbi használatra való beszerzéséről.

Fontos

Ezek az előfizetési kulcsok az Azure AI-szolgáltatások API-ját használják. Ne ossza meg a kulcsokat. Biztonságosan tárolhatja őket. Használja például az Azure Key Vault. Azt is javasoljuk, hogy ezeket a kulcsokat rendszeresen hozza létre. API-híváshoz csak egy kulcs szükséges. Az első kulcs újragenerálása után a második kulcsot használhatja a szolgáltatáshoz való folyamatos hozzáféréshez.

Gazdagépre vonatkozó követelmények

A gazdagép egy x64-alapú számítógép, amely a Docker-tárolót futtatja. Ez lehet egy számítógép a helyszínen vagy egy Docker üzemeltetési szolgáltatás az Azure-ban, például:

Speciális vektorbővítmény támogatása

A gazdaszámítógép a docker-tárolót futtató számítógép. A gazdagépnek támogatnia kell az Advanced Vector Extensions (AVX2) bővítményeket. A linuxos gazdagépeken az alábbi paranccsal ellenőrizheti az AVX2 támogatását:

grep -q avx2 /proc/cpuinfo && echo AVX2 supported || echo No AVX2 support detected

Figyelmeztetés

Az AVX2 támogatásához a gazdaszámítógép szükséges . A tároló nem fog megfelelően működni az AVX2 támogatása nélkül.

Tárolókövetelmények és javaslatok

Megjegyzés

A követelmények és javaslatok másodpercenként egyetlen kérelemmel rendelkező teljesítményteszteken alapulnak, amelyek egy 523 KB-os képet használnak egy beolvasott üzleti levélről, amely 29 sort és összesen 803 karaktert tartalmaz. Az ajánlott konfiguráció körülbelül 2x gyorsabb választ eredményezett a minimális konfigurációhoz képest.

Az alábbi táblázat az egyes olvasási OCR-tárolók erőforrásainak minimális és ajánlott lefoglalását ismerteti.

Tároló Minimális Ajánlott
Read 3.2 2022-04-30 4 mag, 8 GB memória 8 mag, 16 GB memória
Read 3.2 2021-04-12 4 mag, 16 GB memória 8 mag, 24 GB memória
  • Minden magnak legalább 2,6 gigahertzesnek (GHz) vagy gyorsabbnak kell lennie.

A mag és a memória a és --memory a --cpus beállításoknak felel meg, amelyeket a docker run parancs részeként használnak.

A tároló lemezképének lekérése

Az Azure AI Vision Read OCR tárolórendszerképe megtalálható a mcr.microsoft.com tárolóregisztrációs adatbázis szindikátumán. Az adattárban azure-cognitive-services található, és a neve read. A teljes tárolórendszerkép neve: mcr.microsoft.com/azure-cognitive-services/vision/read.

A tároló legújabb verziójának használatához használhatja a címkét latest . A címkék teljes listáját az MCR-en is megtalálhatja.

Az olvasáshoz a következő tárolórendszerképek érhetők el.

Tároló Tárolóregisztrációs adatbázis / Adattár / Rendszerkép neve Címkék
Read 3.2 GA mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30 legújabb, 3.2, 3.2-model-2022-04-30

docker pull A parancs használatával töltse le a tárolórendszerképet.

docker pull mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30

Tipp

A docker images paranccsal listázhatja a letöltött tárolólemezképeket. A következő parancs például felsorolja az egyes letöltött tárolólemezképek azonosítóját, adattárát és címkéjét, táblázatként formázva:

docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"

IMAGE ID         REPOSITORY                TAG
<image-id>       <repository-path/name>    <tag-name>

A tároló használata

Miután a tároló a gazdaszámítógépen van, az alábbi eljárással dolgozhat a tárolóval.

  1. Futtassa a tárolót a szükséges számlázási beállításokkal. További példák a docker run parancsra.
  2. A tároló előrejelzési végpontjának lekérdezése.

A tároló futtatása

A tároló futtatásához használja a docker-futtatási parancsot. A és {API_KEY} az értékek lekérésének részleteiért tekintse meg a {ENDPOINT_URI}szükséges paraméterek összegyűjtését.

Példák a docker run parancsra.

docker run --rm -it -p 5000:5000 --memory 16g --cpus 8 \
mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30 \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

A fenti parancs:

  • Az OCR legújabb GA-tárolójának olvasása a tároló lemezképéből fut.
  • 8 processzormagot és 16 gigabájt (GB) memóriát foglal le.
  • Elérhetővé teszi az 5000-s TCP-portot, és egy pszeudo-TTY-t foglal le a tárolóhoz.
  • Automatikusan eltávolítja a tárolót a kilépés után. A tárolórendszerkép továbbra is elérhető a gazdagépen.

A tárolót környezeti változókkal is futtathatja:

docker run --rm -it -p 5000:5000 --memory 16g --cpus 8 \
--env Eula=accept \
--env Billing={ENDPOINT_URI} \
--env ApiKey={API_KEY} \
mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30

További példák a docker run parancsra.

Fontos

A Eula, Billing, és ApiKey beállításokat meg kell adni a tároló futtatásához; ellenkező esetben a tároló nem indul el. További információ: Számlázás.

Ha nagyobb átviteli sebességre van szüksége (például többoldalas fájlok feldolgozásakor), fontolja meg több tároló üzembe helyezését egy Kubernetes-fürtön az Azure Storage és az Azure Queue használatával.

Ha az Azure Storage-t használja a lemezképek feldolgozásához, létrehozhat egy kapcsolati sztring, amelyet a tároló meghívásakor használhat.

A kapcsolati sztring megkeresése:

  1. Keresse meg a tárfiókokat a Azure Portal, és keresse meg a fiókját.
  2. A bal oldali navigációs listában válassza az Access-kulcsok lehetőséget.
  3. A kapcsolati sztring a Kapcsolati sztring alatt található

Több tároló futtatása ugyanazon a gazdagépen

Ha több tárolót szeretne futtatni a közzétett portokkal, mindenképpen futtassa az egyes tárolókat egy másik közzétett porttal. Futtassa például az első tárolót az 5000-s porton, a másodikat pedig az 5001-s porton.

Ezt a tárolót és egy másik Azure AI-szolgáltatási tárolót együtt futtathatja a GAZDAGÉPen. Több tároló is futtatható ugyanabból az Azure AI-szolgáltatástárolóból.

Annak ellenőrzése, hogy egy tároló fut-e

A tároló futásának ellenőrzésére többféleképpen is lehetőség van. Keresse meg a szóban forgó tároló külső IP-címét és közzétett portját, és nyissa meg a kedvenc webböngészőt. A tároló futásának ellenőrzéséhez használja az alábbi kérési URL-címeket. Az itt felsorolt példakérési URL-címek a következők, http://localhost:5000de az adott tároló eltérő lehet. Ügyeljen arra, hogy a tároló külső IP-címére és közzétett portjára támaszkodjon.

Kérelem URL-címe Cél
http://localhost:5000/ A tároló egy kezdőlappal rendelkezik.
http://localhost:5000/ready A GET használatával kért URL-cím ellenőrzi, hogy a tároló készen áll-e a modell lekérdezésének elfogadására. Ez a kérés használható a Kubernetes-beli élettartam- és készültségi mintavételekhez.
http://localhost:5000/status A GET használatával is kért URL-cím ellenőrzi, hogy a tároló elindításához használt API-kulcs érvényes-e végpontlekérdezés nélkül. Ez a kérés használható a Kubernetes-beli élettartam- és készültségi mintavételekhez.
http://localhost:5000/swagger A tároló átfogó dokumentációval is rendelkezik a végpontokhoz, valamint egy kipróbálás funkcióval is. Ezzel a funkcióval beírhatja a beállításokat egy webes HTML-űrlapba, és anélkül végezheti el a lekérdezést, hogy kódot kellene írnia. A lekérdezés visszaadása után megjelenik egy példa CURL-parancs, amely bemutatja a szükséges HTTP-fejléceket és törzsformátumot.

A tároló kezdőlapja

A tároló előrejelzési végpontjának lekérdezése

A tároló REST-alapú lekérdezés-előrejelzési végpont API-kat nyújt.

A tároló API-khoz használja a gazdagépet (http://localhost:5000). A Swagger elérési útját itt tekintheti meg: http://localhost:5000/swagger/.

Aszinkron olvasás

A és GET /vision/v3.2/read/operations/{operationId} a POST /vision/v3.2/read/analyze műveletek együttes használatával aszinkron módon olvashat egy lemezképet, hasonlóan ahhoz, ahogyan az Azure AI Vision szolgáltatás használja ezeket a REST-műveleteket. Az aszinkron POST metódus egy operationId azonosítóként használt értéket ad vissza a HTTP GET-kérelemhez.

A Swagger felhasználói felületén válassza a Analyze lehetőséget a böngészőben való kibontásához. Ezután válassza a Kipróbálás fájl>kiválasztása lehetőséget. Ebben a példában a következő képet fogjuk használni:

tabulátorok és szóközök

Ha az aszinkron POST sikeresen lefutott, egy HTTP 202-állapotkódot ad vissza. A válasz részeként van egy operation-location fejléc, amely a kérelem eredményvégpontját tartalmazza.

 content-length: 0
 date: Fri, 04 Sep 2020 16:23:01 GMT
 operation-location: http://localhost:5000/vision/v3.2/read/operations/a527d445-8a74-4482-8cb3-c98a65ec7ef9
 server: Kestrel

A operation-location a teljes url-cím, és egy HTTP GET-en keresztül érhető el. Íme a JSON-válasz az ELŐZŐ kép URL-címének operation-location végrehajtásából:

{
  "status": "succeeded",
  "createdDateTime": "2021-02-04T06:32:08.2752706+00:00",
  "lastUpdatedDateTime": "2021-02-04T06:32:08.7706172+00:00",
  "analyzeResult": {
    "version": "3.2.0",
    "readResults": [
      {
        "page": 1,
        "angle": 2.1243,
        "width": 502,
        "height": 252,
        "unit": "pixel",
        "lines": [
          {
            "boundingBox": [
              58,
              42,
              314,
              59,
              311,
              123,
              56,
              121
            ],
            "text": "Tabs vs",
            "appearance": {
              "style": {
                "name": "handwriting",
                "confidence": 0.96
              }
            },
            "words": [
              {
                "boundingBox": [
                  68,
                  44,
                  225,
                  59,
                  224,
                  122,
                  66,
                  123
                ],
                "text": "Tabs",
                "confidence": 0.933
              },
              {
                "boundingBox": [
                  241,
                  61,
                  314,
                  72,
                  314,
                  123,
                  239,
                  122
                ],
                "text": "vs",
                "confidence": 0.977
              }
            ]
          },
          {
            "boundingBox": [
              286,
              171,
              415,
              165,
              417,
              197,
              287,
              201
            ],
            "text": "paces",
            "appearance": {
              "style": {
                "name": "handwriting",
                "confidence": 0.746
              }
            },
            "words": [
              {
                "boundingBox": [
                  286,
                  179,
                  404,
                  166,
                  405,
                  198,
                  290,
                  201
                ],
                "text": "paces",
                "confidence": 0.938
              }
            ]
          }
        ]
      }
    ]
  }
}

Fontos

Ha több olvasási OCR-tárolót helyez üzembe egy terheléselosztó mögött, például a Docker Compose vagy a Kubernetes területen, külső gyorsítótárral kell rendelkeznie. Mivel a feldolgozási tároló és a GET kérelemtároló nem azonos, egy külső gyorsítótár tárolja az eredményeket, és megosztja őket a tárolók között. A gyorsítótár-beállításokkal kapcsolatos részletekért lásd: Azure AI Vision Docker-tárolók konfigurálása.

Szinkron olvasás

Az alábbi művelettel szinkron módon olvashat egy képet.

POST /vision/v3.2/read/syncAnalyze

Ha a rendszer teljes egészében beolvassa a képet, akkor az API csak ezután ad vissza JSON-választ. Ennek a viselkedésnek az egyetlen kivétele, ha hiba történik. Hiba esetén a rendszer a következő JSON-t adja vissza:

{
    "status": "Failed"
}

A JSON-válaszobjektum ugyanazzal az objektumgráfmal rendelkezik, mint az aszinkron verzió. Ha Ön JavaScript-felhasználó, és típusbiztonságot szeretne, fontolja meg a TypeScript használatát a JSON-válasz leadásához.

Példa használati esetként tekintse meg a TypeScript tesztkörnyezetet, és válassza a Futtatás lehetőséget a könnyű használat vizualizációjához.

Az internetről leválasztott tároló futtatása

A tároló internetről leválasztott használatához először egy alkalmazás kitöltésével és egy kötelezettségvállalási csomag megvásárlásával kell hozzáférést kérnie. További információ: Docker-tárolók használata leválasztott környezetekben .

Ha jóváhagyták az internetről leválasztott tároló futtatását, használja az alábbi példában a docker run használni kívánt parancs formázását helyőrző értékekkel. Cserélje le ezeket a helyőrző értékeket a saját értékeire.

A DownloadLicense=True parancs paramétere docker run letölt egy licencfájlt, amely lehetővé teszi a Docker-tároló futtatását, ha nem csatlakozik az internethez. Emellett tartalmaz egy lejárati dátumot is, amely után a licencfájl érvénytelen lesz a tároló futtatásához. Csak a megfelelő tárolóval rendelkező licencfájlt használhatja. Például nem használhat licencfájlt beszédfelismerési szövegtárolóhoz dokumentumintelligencia-tárolóval.

Helyőrző Érték Formátum vagy példa
{IMAGE} A használni kívánt tárolórendszerkép. mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice
{LICENSE_MOUNT} A licenc letöltési és csatlakoztatási útvonala. /host/license:/path/to/license/directory
{ENDPOINT_URI} A szolgáltatáskérés hitelesítésének végpontja. Ezt az erőforrás Kulcs és végpont lapján, a Azure Portal találja. https://<your-custom-subdomain>.cognitiveservices.azure.com
{API_KEY} A Text Analytics erőforrás kulcsa. Ezt az erőforrás Kulcs és végpont lapján, a Azure Portal találja. xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
{CONTAINER_LICENSE_DIRECTORY} A licencmappa helye a tároló helyi fájlrendszerében. /path/to/license/directory 
docker run --rm -it -p 5000:5000 \ 
-v {LICENSE_MOUNT} \
{IMAGE} \
eula=accept \
billing={ENDPOINT_URI} \
apikey={API_KEY} \
DownloadLicense=True \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}

A licencfájl letöltése után a tárolót leválasztott környezetben futtathatja. Az alábbi példa a használni kívánt parancs formázását docker run mutatja be helyőrző értékekkel. Cserélje le ezeket a helyőrző értékeket a saját értékeire.

A tároló futtatásakor a licencfájlt csatlakoztatni kell a tárolóhoz, és a tároló helyi fájlrendszerében meg kell adni a licencmappa helyét a következővel Mounts:License=: . Kimeneti csatlakoztatást is meg kell adni, hogy a számlázási használati rekordok megírhatók legyenek.

Helyőrző Érték Formátum vagy példa
{IMAGE} A használni kívánt tárolólemezkép. mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice
{MEMORY_SIZE} A tároló számára lefoglalandó memória mérete. 4g
{NUMBER_CPUS} A tárolóhoz lefoglalandó processzorok megfelelő száma. 4
{LICENSE_MOUNT} Az elérési út, ahol a licenc található és csatlakoztatva lesz. /host/license:/path/to/license/directory
{OUTPUT_PATH} A használati rekordok naplózásának kimeneti útvonala. /host/output:/path/to/output/directory
{CONTAINER_LICENSE_DIRECTORY} A licencmappa helye a tároló helyi fájlrendszerében. /path/to/license/directory
{CONTAINER_OUTPUT_DIRECTORY} A kimeneti mappa helye a tároló helyi fájlrendszerében. /path/to/output/directory 
docker run --rm -it -p 5000:5000 --memory {MEMORY_SIZE} --cpus {NUMBER_CPUS} \ 
-v {LICENSE_MOUNT} \ 
-v {OUTPUT_PATH} \
{IMAGE} \
eula=accept \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Mounts:Output={CONTAINER_OUTPUT_DIRECTORY}

A tároló leállítása

A tároló leállításához a tárolót futtató parancssori környezetben válassza a Ctrl+C billentyűkombinációt.

Hibaelhárítás

Ha a tárolót kimeneti csatlakoztatással és naplózással futtatja, a tároló olyan naplófájlokat hoz létre, amelyek hasznosak a tároló indításakor vagy futtatásakor felmerülő problémák elhárításához.

Tipp

További hibaelhárítási információkért és útmutatásért tekintse meg az Azure AI-tárolókkal kapcsolatos gyakori kérdéseket (GYIK).

Ha problémába ütközik egy Azure AI-szolgáltatások tárolójának futtatásakor, próbálja meg használni a Microsoft diagnosztikai tárolóját. Ezzel a tárolóval diagnosztizálhatja az üzembehelyezési környezetben előforduló gyakori hibákat, amelyek megakadályozhatják, hogy az Azure AI-tárolók a várt módon működjenek.

A tároló lekéréséhez használja a következő docker pull parancsot:

docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic

Ezután futtassa a tárolót. Cserélje le {ENDPOINT_URI} a elemet a végpontra, és cserélje le a elemet {API_KEY} az erőforrás kulcsára:

docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

A tároló teszteli a számlázási végponthoz való hálózati kapcsolatot.

Számlázás

Az Azure AI-tárolók számlázási adatokat küldenek az Azure-nak az Azure-fiók megfelelő erőforrásának használatával.

A tárolóba irányuló lekérdezések számlázása a paraméterhez használt Azure-erőforrás tarifacsomagjában ApiKey van megadva.

Az Azure AI-szolgáltatások tárolói nem futtathatók anélkül, hogy a mérési vagy számlázási végponthoz csatlakozna. Engedélyeznie kell a tárolóknak, hogy mindig közöljék a számlázási adatokat a számlázási végponttal. Az Azure AI-szolgáltatások tárolói nem küldenek ügyféladatokat, például az elemezni kívánt képet vagy szöveget a Microsoftnak.

Csatlakozás az Azure szolgáltatáshoz

A tárolónak futtatnia kell a számlázási argumentum értékeit. Ezek az értékek lehetővé teszik, hogy a tároló csatlakozzon a számlázási végponthoz. A tároló körülbelül 10–15 percenként jelenti a használatot. Ha a tároló az engedélyezett időkereten belül nem csatlakozik az Azure-hoz, a tároló továbbra is fut, de nem szolgál ki lekérdezéseket a számlázási végpont visszaállításáig. A rendszer 10 alkalommal, 10–15 perces időközönként kísérli meg a kapcsolatot. Ha nem tud csatlakozni a számlázási végponthoz a 10 próbálkozáson belül, a tároló leállítja a kérések kiszolgálását. Tekintse meg az Azure AI-szolgáltatások tárolójának gyakori kérdéseit a Microsoftnak számlázás céljából küldött információkra vonatkozó példáért.

Számlázási argumentumok

A docker run parancs akkor indítja el a tárolót, ha az alábbi lehetőségek közül mind a három érvényes értékkel rendelkezik:

Beállítás Leírás
ApiKey Az Azure AI-szolgáltatások erőforrásának API-kulcsa, amely a számlázási adatok nyomon követésére szolgál.
Ennek a beállításnak az értékét be kell állítani egy API-kulcsra a kiépített erőforráshoz, amely a következőben Billingvan megadva: .
Billing Az Azure AI-szolgáltatások erőforrásának végpontja, amely a számlázási adatok nyomon követésére szolgál.
Ennek a beállításnak az értékét egy kiépített Azure-erőforrás végponti URI-jára kell állítani.
Eula Azt jelzi, hogy elfogadta a tároló licencét.
Ennek a beállításnak az értékét elfogadásra kell állítani.

További információ ezekről a lehetőségekről: Tárolók konfigurálása.

Összefoglalás

Ebben a cikkben megismerhette az Azure AI Vision-tárolók letöltésével, telepítésével és futtatásával kapcsolatos fogalmakat és munkafolyamatokat. Összegezve:

  • Az Azure AI Vision egy Linux-tárolót biztosít a Dockerhez, amely a Readet foglalja magában.
  • Az olvasási tároló lemezképének futtatásához egy alkalmazásra van szükség.
  • A tárolólemezképek a Dockerben futnak.
  • A REST API-t vagy az SDK-t használhatja a műveletek olvasási OCR-tárolókban való meghívásához a tároló gazdagépének URI-jának megadásával.
  • A tárolók példányosításakor meg kell adnia a számlázási adatokat.

Fontos

Az Azure AI-tárolók nem futtathatók anélkül, hogy az Azure-hoz csatlakozna mérés céljából. Az ügyfeleknek lehetővé kell tenni, hogy a tárolók mindig kommunikáljanak a számlázási adatokkal a mérési szolgáltatással. Az Azure AI-tárolók nem küldenek ügyféladatokat (például az elemzett képet vagy szöveget) a Microsoftnak.

Következő lépések