Megosztás a következőn keresztül:

Az Azure AI Vision 3.2 GA Read OCR-tároló telepítése

  • Cikk

A tárolók lehetővé teszik az Azure AI Vision API-k saját környezetben való futtatását, és segíthetnek a konkrét biztonsági és adatszabályozási követelmények teljesítésében. Ebből a cikkből megtudhatja, hogyan töltheti le, telepítheti és futtathatja az Azure AI Vision Read (OCR) tárolót.

Az Olvasás tárolóval nyomtatott és kézzel írt szöveget nyerhet ki képekből és dokumentumokból JPEG, PNG, BMP, PDF és TIFF fájlformátumban. Az Olvasási szolgáltatásról további információt a Read API útmutatójában talál.

Újdonságok

Az 3.2-model-2022-04-30 olvasási tároló GA-verziója 164 nyelv és egyéb fejlesztések 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, amely a következőt nyújtja:

  • Új modellek a nagyobb pontosság érdekében.
  • Több nyelv támogatása ugyanabban a dokumentumban.
  • 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 rendelkező dokumentumok támogatása.
  • Szöveg kinyerésének lehetősége csak a kijelölt lap(ok)ból egy dokumentumban.
  • Válassza ki a szövegsor kimeneti sorrendjét az alapértelmezetttől a természetesebb olvasási sorrendig csak a latin nyelvű nyelvek esetében.
  • Szövegsorok kézzel írt stílusként való besorolása, vagy csak latin nyelvek esetén nem.

Ha ma az Olvasás 2.0 tárolót használja, 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-motornak. 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 és számlázási adatokat küldjenek az Azure-ba.

Windows rendszeren a Dockert úgy is konfigurálnia kell, hogy támogassa a Linux-tárolókat.
A Docker ismerete Ismernie kell a Docker-fogalmakat, például a regisztrációs adatbázisokat, az adattárakat, a tárolókat és a tárolórendszerképeket, valamint ismernie kell az alapvető docker parancsokat.
Computer Vision-erőforrás A tároló használatához az alábbiakra van szükség:

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 lapon elérhető két erőforráskulcs egyike

{ENDPOINT_URI}: Az Áttekintés lapon megadott végpont

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

A szükséges paraméterek összegyűjtése

Három elsődleges paraméter szükséges az összes Azure AI-tárolóhoz. 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-szolgáltatási erőforrás Azure Portal áttekintési oldalán érhető el. Lépjen az Áttekintés lapra, mutasson a végpont fölé, és megjelenik egy Másolás vágólapra ikon. Szükség esetén másolja és használja a végpontot.

Képernyőkép a végpont URI-jának későbbi használatra való gyűjtéséről.

Kulcsok

Az {API_KEY} érték a tároló elindítására szolgál, és elérhető a megfelelő Azure AI-szolgáltatási erőforrás Kulcsok lapján. Lépjen a Kulcsok lapra, és válassza a Vágólapra másolás ikont.

Képernyőkép a két kulcs egyikének későbbi használatra való lekéréséről.

Fontos

Ezek az előfizetési kulcsok az Azure AI-szolgáltatások API-ját használják. Ne ossza meg a kulcsait. Biztonságosan tárolja őket. Használja például az Azure Key Vaultot. Azt is javasoljuk, hogy ezeket a kulcsokat rendszeresen újragenerálja. API-hívás létrehozásához 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. Az AVX2-támogatás linuxos gazdagépeken az alábbi paranccsal ellenőrizhető:

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

Figyelmeztetés

Az AVX2 támogatásához a gazdaszámítógépre van szükség . A tároló nem működik megfelelően az AVX2 támogatása nélkül.

Tárolókövetelmények és javaslatok

Feljegyzés

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 Minimum 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 megfelel a --cpus parancs részeként használt beállításoknak és --memory beállításoknak docker run .

A tároló lemezképének lekérése

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

A tároló legújabb verziójának használatához használhatja a címkét latest . Az MCR-en a címkék teljes listája is megtalálható.

Az olvasáshoz az alábbi tárolólemezképek érhetők el.

Tároló Tárolóregisztrációs adatbázis / Adattár / Kép 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 tárolólemezképet.

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. Az alábbi parancs például az egyes letöltött tárolólemezképek azonosítóját, adattárát és címkéjét sorolja fel 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

Ha 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. Az adatok és {API_KEY} értékek lekérésének részleteiért tekintse meg a {ENDPOINT_URI} szükséges paramétereket.

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:

  • A tároló lemezképéből futtatja az OCR legújabb ga-tárolójának olvasását.
  • 8 processzormagot és 16 gigabájt (GB) memóriát foglal le.
  • Az 5000-s TCP-portot teszi elérhetővé, és egy pszeudo-TTY-t foglal le a tárolóhoz.
  • A tárolót a kilépés után automatikusan eltávolítja. A tárolólemezkép továbbra is elérhető a gazdaszámítógépen.

A tárolót a környezeti változók használatával 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 Eulatároló futtatásához meg kell adni a , Billingés ApiKey a beállításokat, ellenkező esetben a tároló nem indul el. További információ: Számlázás.

Ha az Azure Storage használatával tárolja a képeket feldolgozásra, létrehozhat egy kapcsolati sztring, amelyet a tároló meghívásakor használhat.

A kapcsolati sztring megkeresése:

  1. Keresse meg a tárfiókokat az Azure Portalon, és keresse meg a fiókját.
  2. Válassza ki az Access-kulcsokat a bal oldali navigációs listában.
  3. A kapcsolati sztring a Kapcsolati sztring alatt található

Több tároló futtatása ugyanazon a gazdagépen

Ha több tárolót szeretne futtatni 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-szolgáltatási tárolóból.

Ellenőrizze, hogy fut-e egy tároló

A tároló futásának ellenőrzésére többféleképpen is van lehetőség. 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 eltérőek http://localhost:5000lehetnek, de az adott tároló eltérő lehet. Ügyeljen arra, hogy a tároló külső IP-címére és közzétett portjára támaszkodjon.

URL-cím kérése 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 egy lekérdezés elfogadására a modellen. Ez a kérés használható a Kubernetes-beli élő- és készültségi mintavételekhez.
http://localhost:5000/status A GET szolgáltatással is kért, ez az URL-cím ellenőrzi, hogy a tároló elindításához használt API-kulcs érvényes-e végpontlekérdezés nélkül. Ez a kérés használható a Kubernetes-beli élő- 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 kódírás nélkül is elvégezheti a lekérdezést. A lekérdezés visszatérése 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 a következő helyen tekintheti meg: http://localhost:5000/swagger/.

Aszinkron olvasás

Az POST /vision/v3.2/read/analyze együttes műveletek használatával GET /vision/v3.2/read/operations/{operationId} aszinkron módon olvashat egy képet, hasonlóan ahhoz, ahogyan az Azure AI Vision szolgáltatás használja az adott REST-műveleteket. Az aszinkron POST metódus a operationId HTTP GET kérés azonosítójaként használt metódust ad vissza.

A swagger felhasználói felületén válassza ki a Analyze böngészőben való kibontásához. Ezután válassza a Próbálja ki a>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 tartalmazza a kérés eredményvégpontját.

 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

Ez operation-location a teljes körűen minősített URL-cím, amely EGY HTTP GET-en keresztül érhető el. Az alábbi JSON-válasz az előző kép URL-címének operation-location végrehajtásából származik:

{
  "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-beállításokról további információt az Azure AI Vision Docker-tárolók konfigurálása című témakörben talál.

Szinkron olvasás

A következő művelettel szinkronizált módon olvashat egy képet.

POST /vision/v3.2/read/syncAnalyze

Ha a rendszerkép teljes egészében beolvasva van, akkor az API csak ezután ad vissza JSON-választ. Ennek a viselkedésnek az egyetlen kivétele, ha hiba történik. Hiba esetén a következő JSON jelenik meg:

{
    "status": "Failed"
}

A JSON-válaszobjektum objektuma ugyanazzal az objektumdiagrammal rendelkezik, mint az aszinkron verzió. Ha 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 megjelenítéséhez.

Az internetről leválasztott tároló futtatása

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

Ha engedélyezte, hogy az internetről leválasztott tárolót futtassa, az alábbi példában a használni kívánt parancs formázása docker run látható 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 nincs internetkapcsolata. Emellett egy lejárati dátumot is tartalmaz, amely után a licencfájl érvénytelen lesz a tároló futtatásához. Csak a megfelelő tárolóval rendelkező licencfájlt használhatja. Például nem használhat licencfájlt egy beszéd-szöveg tárolóhoz 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. Az erőforrás kulcs- és végpontoldalán , az Azure Portalon található. https://<your-custom-subdomain>.cognitiveservices.azure.com
{API_KEY} A Text Analytics-erőforrás kulcsa. Az erőforrás kulcs- és végpontoldalán , az Azure Portalon található. 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.

Bárhol is fut a tároló, a licencfájlt csatlakoztatni kell a tárolóhoz, és meg kell adni Mounts:License=a tároló helyi fájlrendszerében lévő licencmappa helyét. Kimeneti csatlakoztatást is meg kell adni, hogy meg lehessen írni a számlázási használati rekordokat.

Helyőrző Érték Formátum vagy példa
{IMAGE} A használni kívánt tárolórendszerkép. mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice
{MEMORY_SIZE} A tárolóhoz lefoglalandó memória mérete. 4g
{NUMBER_CPUS} A tárolóhoz lefoglalandó cpu-k 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 elérési útja. /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 fájlrendszerén. /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 segítenek elhárítani a tároló indításakor vagy futtatásakor felmerülő problémákat.

Tipp.

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

Ha problémákat tapasztal egy Azure AI-szolgáltatástároló futtatásával, 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 végpontot, és cserélje le {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 erőforrásával.

A tárolóba irányuló lekérdezések számlázása a paraméterhez használt Azure-erőforrás tarifacsomagján ApiKey lesz.

Az Azure AI-szolgáltatások tárolói nem rendelkeznek licenceléssel anélkül, hogy a mérési vagy számlázási végponthoz csatlakozna. Engedélyeznie kell a tárolók számára, 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, amíg vissza nem állítja a számlázási végpontot. A kapcsolat 10 alkalommal, 10–15 perces időintervallumban történik. Ha a 10 próbálkozáson belül nem tud csatlakozni a számlázási végponthoz, a tároló leállítja a kérések kiszolgálását. Tekintse meg az Azure AI-szolgáltatások tárolójának gyakori kérdéseit a Microsoftnak a számlázáshoz küldött információk példájáért.

Számlázási argumentumok

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

Lehetőség Leírás
ApiKey Az Azure AI-szolgáltatások erőforrásának API-kulcsa, amely a számlázási adatok nyomon követésére szolgál.
Ennek a beállításnak az értékét api-kulcsra kell állítani 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 el kell fogadni.

Ezekről a lehetőségekről további információt a Tárolók konfigurálása című témakörben talál.

Összegzés

Ebben a cikkben megismerkedett az Azure AI Vision-tárolók letöltésével, telepítésével és futtatásával kapcsolatos fogalmakkal és munkafolyamatokkal. Összegezve:

  • Az Azure AI Vision linuxos tárolót biztosít a Dockerhez, amely az Olvasást foglalja magában.
  • Az olvasási tároló lemezképének futtatásához egy alkalmazásra van szükség.
  • A tárolólemezképek a Dockerben futnak.
  • A REST API vagy az SDK használatával meghívhatja az olvasási OCR-tárolók műveleteit a tároló gazdagépének URI-jának megadásával.
  • A tárolók példányosításakor meg kell adnia a számlázási adatokat.

Fontos

Az Azure AI-tárolók nem rendelkeznek licenceléssel anélkül, hogy az Azure-hoz csatlakozna mérési célokra. Az ügyfeleknek engedélyeznie kell a tárolóknak, hogy mindig közöljék a számlázási adatokat a mérési szolgáltatással. Az Azure AI-tárolók nem küldenek ügyféladatokat (például az elemzett képet vagy szöveget) a Microsoftnak.

Következő lépések