Instal dan menjalankan kontainer

Konten ini berlaku untuk: v3.0 (GA) v3.1 (GA)

Azure AI Document Intelligence adalah layanan Azure AI yang memungkinkan Anda membangun perangkat lunak pemrosesan data otomatis menggunakan teknologi pembelajaran mesin. Kecerdasan Dokumen memungkinkan Anda mengidentifikasi dan mengekstrak teks, pasangan kunci/nilai, tanda pilihan, data tabel, dan lainnya dari dokumen Anda. Hasilnya dikirimkan sebagai data terstruktur yang .. /menyertakan hubungan dalam file asli. Kontainer hanya memproses data yang diberikan kepada mereka dan hanya menggunakan sumber daya yang diizinkan untuk diakses. Kontainer tidak dapat memproses data dari wilayah lain.

Dalam artikel ini Anda dapat mempelajari cara mengunduh, menginstal, dan menjalankan kontainer Kecerdasan Dokumen. Kontainer memungkinkan Anda menjalankan layanan Kecerdasan Dokumen di lingkungan Anda sendiri. Kontainer sangat bagus untuk persyaratan keamanan dan tata kelola data tertentu.

• Model Baca, Tata Letak, Dokumen ID, Tanda Terima, dan Faktur didukung oleh kontainer Kecerdasan Dokumen v3.1.

• Model Baca, Tata Letak, Dokumen Umum, Kartu Nama, dan Kustom didukung oleh kontainer Kecerdasan Dokumen v3.0.

Dukungan versi

Dukungan untuk kontainer saat ini tersedia dengan versi v3.0: 2022-08-31 (GA) Kecerdasan Dokumen untuk semua model dan v3.1 2023-07-31 (GA) untuk model Baca, Tata Letak, Dokumen ID, Tanda Terima, dan Faktur:

• REST API v3.0: 2022-08-31 (GA)
• REST API v3.1: 2023-07-31 (GA)
• Penargetan pustaka klien REST API v3.0: 2022-08-31 (GA)
• Penargetan pustaka klien REST API v3.1: 2023-07-31 (GA)

Prasyarat

Untuk memulai, Anda memerlukan akun Azure aktif. Jika Anda tidak memilikinya, Anda dapat membuat akun gratis.

Anda juga memerlukan hal berikut untuk menggunakan kontainer Kecerdasan Dokumen:

Wajib	Tujuan
Keakraban dengan Docker	Anda harus memiliki pemahaman dasar tentang konsep Docker, seperti registri, repositori, kontainer, dan gambar kontainer, serta pengetahuan tentang docker terminologi dan perintah dasar.
Docker Engine terinstal	Anda memerlukan Docker Engine yang diinstal pada komputer host. Docker menyediakan paket yang mengonfigurasi lingkungan Docker di macOS, Windows, dan Linux. Untuk primer tentang Docker dan dasar kontainer, lihat Gambaran umum Docker. Docker harus dikonfigurasi agar kontainer dapat terhubung dengan dan mengirim data tagihan ke Azure. Di Windows, Docker juga harus dikonfigurasi agar mendukung kontainer Linux.
Sumber daya Kecerdasan Dokumen	Kecerdasan Dokumen Azure AI layanan tunggal atau sumber daya multi-layanan di portal Azure. Untuk menggunakan kontainer, Anda harus memiliki kunci terkait dan URI titik akhir. Kedua nilai tersedia di halaman portal Azure Kunci Kecerdasan Dokumen dan Titik Akhir: {FORM_RECOGNIZER_KEY}: salah satu dari dua kunci sumber daya yang tersedia. FORM_RECOGNIZER_ENDPOINT_URI: titik akhir untuk sumber daya yang digunakan untuk melacak informasi penagihan.

Opsional	Tujuan
Azure CLI (antarmuka baris perintah)	Azure CLI memungkinkan Anda menggunakan serangkaian perintah online untuk membuat dan mengelola sumber daya Azure. Ini tersedia untuk dipasang di lingkungan Windows, macOS, dan Linux dan dapat dijalankan dalam kontainer Docker dan Azure Cloud Shell.

Persyaratan komputer host

Host adalah komputer berbasis x64 yang menjalankan kontainer Docker. Ini bisa menjadi komputer lokal Anda atau layanan hosting Docker di Azure, seperti:

• Azure Kubernetes Service.
• Azure Container Instances.
• Kluster Kubernetes yang disebarkan ke Azure Stack. Untuk mengetahui informasi selengkapnya, lihat Menyebarkan Kube ke Azure Stack.

Catatan

Perhatikan bahwa kontainer Studio tidak dapat disebarkan dan dijalankan di Azure Kubernetes Service. Kontainer studio hanya didukung untuk dijalankan pada komputer lokal.

Persyaratan dan rekomendasi kontainer

Kontainer pendukung yang diperlukan

Tabel berikut ini mencantumkan satu atau beberapa kontainer pendukung untuk setiap kontainer Kecerdasan Dokumen yang Anda unduh. Untuk informasi selengkapnya, lihat bagian Penagihan.

Kontainer fitur	Kontainer pendukung
Baca	Tidak diperlukan
Tata letak	Tidak diperlukan
Kartu Nama	Baca
Dokumen Umum	Tata letak
Faktur	Tata letak
Kwitansi	Baca atau Tata Letak
ID Dokumen	Baca
Templat Kustom	Tata letak

Core dan memori CPU yang direkomendasikan

Catatan

Nilai minimum dan yang direkomendasikan didasarkan pada batas Docker dan bukan sumber daya komputer host.

Kontainer Kecerdasan Dokumen

Kontainer	Minimum	Direkomendasikan
Read	8 core, memori 10 GB	8 core, memori 24 GB
Layout	8 core, memori 16 GB	8 core, memori 24 GB
Business Card	8 core, memori 16 GB	8 core, memori 24 GB
General Document	8 core, memori 12 GB	8 core, memori 24 GB
ID Document	8 core, memori 8 GB	8 core, memori 24 GB
Invoice	8 core, memori 16 GB	8 core, memori 24 GB
Receipt	8 core, memori 11 GB	8 core, memori 24 GB
Custom Template	8 core, memori 16 GB	8 core, memori 24 GB

• Setiap core harus setidaknya 2,6 gigahertz (GHz) atau lebih cepat.
• Inti dan memori sesuai dengan pengaturan --cpus dan --memory, yang digunakan sebagai bagian dari perintah docker compose atau docker run.

Tip

Anda dapat menggunakan perintah gambar docker untuk mencantumkan gambar kontainer yang diunduh. Misalnya, perintah berikut mencantumkan ID, repositori, dan tag dari setiap gambar kontainer yang diunduh, yang diformat sebagai tabel:

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

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

Jalankan kontainer dengan perintah docker-compose up

• Ganti nilai {ENDPOINT URL} dan {API KEY} dengan URI Titik Akhir sumber daya Anda dan kunci dari halaman sumber daya Azure.

  

• Pastikan bahwa EULA nilai diatur untuk menerima.

• Nilai EULA, Billing, dan ApiKey harus ditentukan; jika tidak, kontainer tidak dapat dimulai.

Penting

Kunci digunakan untuk mengakses sumber daya Kecerdasan Dokumen Anda. Jangan bagikan kunci Anda. Simpan dengan aman, misalnya menggunakan Azure Key Vault. Sebaiknya Anda meregenerasi kunci ini secara rutin. Hanya satu kunci yang diperlukan untuk melakukan panggilan API. Saat membuat ulang kunci pertama, Anda dapat menggunakan kunci kedua untuk akses berkelanjutan ke layanan.

Baca

Sampel kode berikut adalah contoh mandiri docker compose untuk menjalankan kontainer Tata Letak Kecerdasan Dokumen. Dengan docker compose, Anda menggunakan file YAML untuk mengonfigurasi layanan aplikasi. Kemudian, dengan docker-compose up perintah , Anda membuat dan memulai semua layanan dari konfigurasi Anda. Masukkan nilai {FORM_RECOGNIZER_ENDPOINT_URI} dan {FORM_RECOGNIZER_KEY} untuk instans kontainer Tata Letak Anda.

version: "3.9"
services:
  azure-form-recognizer-read:
    container_name: azure-form-recognizer-read
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/read-3.1
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - apiKey={FORM_RECOGNIZER_KEY}
    ports:
      - "5000:5000"
    networks:
      - ocrvnet
networks:
  ocrvnet:
    driver: bridge

Sekarang, Anda dapat memulai layanan dengan perintah docker compose:

docker-compose up

Dokumen Umum

Sampel kode berikut adalah contoh mandiri docker compose untuk menjalankan kontainer Dokumen Umum Kecerdasan Dokumen. Dengan docker compose, Anda menggunakan file YAML untuk mengonfigurasi layanan aplikasi. Kemudian, dengan perintah docker-compose up, Anda membuat dan memulai semua layanan dari konfigurasi Anda. Masukkan nilai {FORM_RECOGNIZER_ENDPOINT_URI} dan {FORM_RECOGNIZER_KEY} untuk instans kontainer Dokumen dan Tata Letak Umum Anda.

version: "3.9"
services:
  azure-cognitive-service-document:
    container_name: azure-cognitive-service-document
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/document-3.0
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceLayoutHost=http://azure-cognitive-service-layout:5000
    ports:
      - "5000:5050"
  azure-cognitive-service-layout:
     container_name: azure-cognitive-service-layout
     image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0
     environment:
         - EULA=accept
         - billing={FORM_RECOGNIZER_ENDPOINT_URI}
         - apiKey={FORM_RECOGNIZER_KEY}

Sekarang, Anda dapat memulai layanan dengan perintah docker compose:

docker-compose up

Mengingat sumber daya pada komputer, kontainer Dokumen Umum mungkin membutuhkan waktu untuk memulai.

Tata letak

Sampel kode berikut adalah contoh mandiri docker compose untuk menjalankan kontainer Tata Letak Kecerdasan Dokumen. Dengan docker compose, Anda menggunakan file YAML untuk mengonfigurasi layanan aplikasi. Kemudian, dengan perintah docker-compose up, Anda membuat dan memulai semua layanan dari konfigurasi Anda. Masukkan nilai {FORM_RECOGNIZER_ENDPOINT_URI} dan {FORM_RECOGNIZER_KEY} untuk instans kontainer Tata Letak Anda.

version: "3.9"
services:
  azure-form-recognizer-layout:
    container_name: azure-form-recognizer-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.1
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - apiKey={FORM_RECOGNIZER_KEY}
    ports:
      - "5000:5000"
    networks:
      - ocrvnet
networks:
  ocrvnet:
    driver: bridge

Sekarang, Anda dapat memulai layanan dengan perintah docker compose:

docker-compose up

Faktur

Sampel kode berikut adalah contoh mandiri docker compose untuk menjalankan kontainer Faktur Kecerdasan Dokumen. Dengan docker compose, Anda menggunakan file YAML untuk mengonfigurasi layanan aplikasi. Kemudian, dengan perintah docker-compose up, Anda membuat dan memulai semua layanan dari konfigurasi Anda. Masukkan nilai {FORM_RECOGNIZER_ENDPOINT_URI} dan {FORM_RECOGNIZER_KEY} untuk instans kontainer Faktur dan Tata Letak Anda.

Anda harus menggunakan gambar Tata Letak GA 3.1 sebagai upstream untuk model Faktur GA 3.0 dan 3.1 GA.

version: "3.9"
services:
  azure-cognitive-service-invoice:
    container_name: azure-cognitive-service-invoice
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice-3.1
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceLayoutHost=http://azure-cognitive-service-layout:5000
    ports:
      - "5000:5050"
  azure-cognitive-service-layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.1
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}

Sekarang, Anda dapat memulai layanan dengan perintah docker compose:

docker-compose up

Kwitansi

Sampel kode berikut adalah contoh mandiri docker compose untuk menjalankan kontainer Dokumen Umum Kecerdasan Dokumen. Dengan docker compose, Anda menggunakan file YAML untuk mengonfigurasi layanan aplikasi. Kemudian, dengan perintah docker-compose up, Anda membuat dan memulai semua layanan dari konfigurasi Anda. Masukkan nilai {FORM_RECOGNIZER_ENDPOINT_URI} dan {FORM_RECOGNIZER_KEY} untuk instans kontainer Tanda Terima dan Baca Anda.

Anda dapat menggunakan gambar Tata Letak GA 3.1 sebagai upstram, bukan gambar Baca.

version: "3.9"
services:
  azure-cognitive-service-receipt:
    container_name: azure-cognitive-service-receipt
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/receipt-3.1
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceReadHost=http://azure-cognitive-service-read:5000
    ports:
          - "5000:5050"
    azure-cognitive-service-read:
      container_name: azure-cognitive-service-read
      image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/read-3.1
      environment:
          - EULA=accept
          - billing={FORM_RECOGNIZER_ENDPOINT_URI}
          - apiKey={FORM_RECOGNIZER_KEY}

Sekarang, Anda dapat memulai layanan dengan perintah docker compose:

docker-compose up

ID Dokumen

Sampel kode berikut adalah contoh mandiri docker compose untuk menjalankan kontainer Dokumen Umum Kecerdasan Dokumen. Dengan docker compose, Anda menggunakan file YAML untuk mengonfigurasi layanan aplikasi. Kemudian, dengan perintah docker-compose up, Anda membuat dan memulai semua layanan dari konfigurasi Anda. Masukkan nilai {FORM_RECOGNIZER_ENDPOINT_URI} dan {FORM_RECOGNIZER_KEY} untuk instans kontainer ID dan Baca Anda.

Anda dapat menggunakan gambar Tata Letak GA 3.1 sebagai upstram, bukan gambar Baca.

version: "3.9"
services:
  azure-cognitive-service-id-document:
      container_name: azure-cognitive-service-id-document
      image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/id-document-3.1
      environment:
          - EULA=accept
          - billing={FORM_RECOGNIZER_ENDPOINT_URI}
          - apiKey={FORM_RECOGNIZER_KEY}
          - AzureCognitiveServiceReadHost=http://azure-cognitive-service-read:5000
      ports:
          - "5000:5050"
  azure-cognitive-service-read:
      container_name: azure-cognitive-service-read
      image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/read-3.1
      environment:
          - EULA=accept
          - billing={FORM_RECOGNIZER_ENDPOINT_URI}
          - apiKey={FORM_RECOGNIZER_KEY}

Sekarang, Anda dapat memulai layanan dengan perintah docker compose:

docker-compose up

Kartu Nama

version: "3.9"
services:
  azure-cognitive-service-invoice:
    container_name: azure-cognitive-service-businesscard
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/businesscard-3.0
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceLayoutHost=http://azure-cognitive-service-layout:5000
    ports:
      - "5000:5050"
  azure-cognitive-service-layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}

Adat

Selain prasyarat, Anda perlu melakukan hal berikut untuk memproses dokumen kustom:

Buat folder dan simpan file berikut

• .env
• nginx.conf
• docker-compose.yml

Membuat folder dan menyimpan data input Anda

• Beri nama file folder ini.
• Kami mereferensikan jalur file untuk folder ini sebagai {FILE_MOUNT_PATH}.
• Salin jalur file di lokasi yang nyaman, Anda perlu menambahkannya ke file .env Anda. Sebagai contoh jika folder disebut file, terletak di folder docker-compose yang sama dengan file, entri file .env adalah FILE_MOUNT_PATH="./files"

Membuat folder untuk menyimpan log yang ditulis oleh layanan Kecerdasan Dokumen di komputer lokal Anda

• Beri nama folder ini output.
• Kami mereferensikan jalur file untuk folder ini sebagai {OUTPUT_MOUNT_PATH}.
• Salin jalur file di lokasi yang nyaman, Anda perlu menambahkannya ke file .env Anda. Sebagai contoh jika folder disebut output, terletak di folder yang sama dengan docker-compose file, entri file .env adalah OUTPUT_MOUNT_PATH="./output"

Membuat folder untuk menyimpan pemrosesan internal yang dibagikan di antara kontainer

• Beri nama folder ini berbagi.
• Kami mereferensikan jalur file untuk folder ini sebagai {SHARED_MOUNT_PATH}.
• Salin jalur file di lokasi yang nyaman, Anda perlu menambahkannya ke file .env Anda. Sebagai contoh jika folder disebut bersama, terletak di folder docker-compose yang sama dengan file, entri file .env adalah SHARED_MOUNT_PATH="./shared"

Membuat folder untuk Studio untuk menyimpan informasi terkait proyek

• Beri nama folder ini db.
• Kami mereferensikan jalur file untuk folder ini sebagai {DB_MOUNT_PATH}.
• Salin jalur file di lokasi yang nyaman, Anda perlu menambahkannya ke file .env Anda. Sebagai contoh jika folder disebut db, terletak di folder docker-compose yang sama dengan file, entri file .env adalah DB_MOUNT_PATH="./db"

Membuat file lingkungan

1. Beri nama file ini .env.

2. Tetapkan variabel lingkungan berikut:

SHARED_MOUNT_PATH="./shared"
OUTPUT_MOUNT_PATH="./output"
FILE_MOUNT_PATH="./files"
DB_MOUNT_PATH="./db"
FORM_RECOGNIZER_ENDPOINT_URI="YourFormRecognizerEndpoint"
FORM_RECOGNIZER_KEY="YourFormRecognizerKey"
NGINX_CONF_FILE="./nginx.conf"

Membuat file nginx

1. Beri nama file ini nginx.conf.

2. Masukkan konfigurasi berikut:

worker_processes 1;

events { worker_connections 1024; }

http {

    sendfile on;
    client_max_body_size 90M;
    upstream docker-custom {
        server azure-cognitive-service-custom-template:5000;
    }

    upstream docker-layout {
        server  azure-cognitive-service-layout:5000;
    }

    server {
        listen 5000;

        location = / {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;
            proxy_pass http://docker-custom/;
        }

        location /status {
            proxy_pass http://docker-custom/status;
        }

        location /test {
            return 200 $scheme://$host:$server_port;
        }

        location /ready {
            proxy_pass http://docker-custom/ready;
        }

        location /swagger {
            proxy_pass http://docker-custom/swagger;
        }

        location /formrecognizer/documentModels/prebuilt-layout {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;

            add_header 'Access-Control-Allow-Origin' '*' always;
            add_header 'Access-Control-Allow-Headers' 'cache-control,content-type,ocp-apim-subscription-key,x-ms-useragent' always;
            add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS' always;
            add_header 'Access-Control-Expose-Headers' '*' always;

            if ($request_method = 'OPTIONS') {
                return 200;
            }

            proxy_pass http://docker-layout/formrecognizer/documentModels/prebuilt-layout;
        }

        location /formrecognizer/documentModels {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;

            add_header 'Access-Control-Allow-Origin' '*' always;
            add_header 'Access-Control-Allow-Headers' 'cache-control,content-type,ocp-apim-subscription-key,x-ms-useragent' always;
            add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS, DELETE' always;
            add_header 'Access-Control-Expose-Headers' '*' always;

            if ($request_method = 'OPTIONS') {
                return 200;
            }

            proxy_pass http://docker-custom/formrecognizer/documentModels;
        }

        location /formrecognizer/operations {
            add_header 'Access-Control-Allow-Origin' '*' always;
            add_header 'Access-Control-Allow-Headers' 'cache-control,content-type,ocp-apim-subscription-key,x-ms-useragent' always;
            add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS, PUT, DELETE, PATCH' always;
            add_header 'Access-Control-Expose-Headers' '*' always;

            if ($request_method = OPTIONS ) {
                return 200;
            }

            proxy_pass http://docker-custom/formrecognizer/operations;
        }
    }
}

Membuat file docker compose

1. Beri nama file ini docker-compose.yml

2. Sampel kode berikut adalah contoh mandiri untuk menjalankan kontainer Templat Tata Letak Kecerdasan Dokumen, Studio, dan Kustom bersama-sama docker compose . Dengan docker compose, Anda menggunakan file YAML untuk mengonfigurasi layanan aplikasi. Kemudian, dengan perintah docker-compose up, Anda membuat dan memulai semua layanan dari konfigurasi Anda.

version: '3.3'
services:
  nginx:
    image: nginx:alpine
    container_name: reverseproxy
    volumes:
      - ${NGINX_CONF_FILE}:/etc/nginx/nginx.conf
    ports:
      - "5000:5000"
  layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0:latest
    environment:
      eula: accept
      apikey: ${FORM_RECOGNIZER_KEY}
      billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
      Logging:Console:LogLevel:Default: Information
      SharedRootFolder: /shared
      Mounts:Shared: /shared
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /shared
      - type: bind
        source: ${OUTPUT_MOUNT_PATH}
        target: /logs
    expose:
      - "5000"

  custom-template:
    container_name: azure-cognitive-service-custom-template
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/custom-template-3.0:latest
    restart: always
    depends_on:
      - layout
    environment:
      AzureCognitiveServiceLayoutHost: http://azure-cognitive-service-layout:5000
      eula: accept
      apikey: ${FORM_RECOGNIZER_KEY}
      billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
      Logging:Console:LogLevel:Default: Information
      SharedRootFolder: /shared
      Mounts:Shared: /shared
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /shared
      - type: bind
        source: ${OUTPUT_MOUNT_PATH}
        target: /logs
    expose:
      - "5000"

  studio:
    container_name: form-recognizer-studio
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/studio:3.0
    environment:
      ONPREM_LOCALFILE_BASEPATH: /onprem_folder
      STORAGE_DATABASE_CONNECTION_STRING: /onprem_db/Application.db
    volumes:
      - type: bind
        source: ${FILE_MOUNT_PATH} # path to your local folder
        target: /onprem_folder
      - type: bind
        source: ${DB_MOUNT_PATH} # path to your local folder
        target: /onprem_db
    ports:
      - "5001:5001"
    user: "1000:1000" # echo $(id -u):$(id -g)

Kontainer templat kustom dan kontainer Tata Letak dapat menggunakan antrean Azure Storage atau dalam antrean memori. Variabel Storage:ObjectStore:AzureBlob:ConnectionString lingkungan dan queue:azure:connectionstring hanya perlu diatur jika Anda menggunakan antrean Azure Storage. Saat berjalan secara lokal, hapus variabel ini.

Memastikan layanan berjalan

Untuk memastikan bahwa layanan ini berjalan. Jalankan perintah ini dalam shell Ubuntu.

$cd <folder containing the docker-compose file>

$source .env

$docker-compose up

Kontainer templat kustom memerlukan beberapa konfigurasi yang berbeda dan mendukung konfigurasi opsional lainnya.

Pengaturan	Wajib	Deskripsi
EULA	Ya	Contoh penerimaan lisensi: Eula=accept
Billing	Ya	URI titik akhir penagihan sumber daya FR
ApiKey	Ya	Kunci titik akhir sumber daya FR
Antrean:Azure:ConnectionString	No	String koneksi Antrean Azure
Storage:ObjectStore:AzureBlob:ConnectionString	No	Azure Blob string koneksi
HealthCheck:MemoryUpperboundInMB	No	Ambang memori untuk melaporkan ketidaksembuhan terhadap keaktivan. Default: Sama seperti memori yang direkomendasikan
StorageTimeToLiveInMinutes	No	TTL durasi untuk menghapus semua file perantara dan akhir. Default: Dua hari, TTL dapat diatur antara lima menit hingga tujuh hari
Task:MaxRunningTimeSpanInMinutes	No	Waktu berjalan maksimum untuk memperlakukan permintaan sebagai waktu habis. Default: 60 menit
HTTP_PROXY_BYPASS_URLS	No	Tentukan URL untuk melewati Contoh proksi: HTTP_PROXY_BYPASS_URLS = abc.com, xyz.com
AzureCognitiveServiceReadHost (Tanda Terima, Hanya Kontainer IdDocument)	Ya	Tentukan Contoh uri kontainer Baca:AzureCognitiveServiceReadHost=http://onprem-frread:5000
AzureCognitiveServiceLayoutHost (Dokumen, Kontainer Faktur Saja)	Ya	Tentukan Contoh uri kontainer Tata Letak:AzureCognitiveServiceLayoutHost=http://onprem-frlayout:5000

Menggunakan Studio Kecerdasan Dokumen untuk melatih model

• Kumpulkan satu set setidaknya lima bentuk dengan jenis yang sama. Anda menggunakan data ini untuk melatih model dan menguji formulir. Anda dapat menggunakan himpunan data sampel (unduh dan ekstrak sample_data.zip).

• Setelah Anda dapat mengonfirmasi bahwa kontainer berjalan, buka browser dan navigasikan ke titik akhir tempat Anda menyebarkan kontainer. Jika penyebaran ini adalah komputer lokal Anda, titik akhirnya adalah [http://localhost:5001](http://localhost:5001).

• Pilih petak peta model ekstraksi kustom.

• Create project Pilih opsi .

• Berikan nama proyek dan deskripsi secara opsional

• Pada langkah "konfigurasikan sumber daya Anda", berikan titik akhir ke model templat kustom Anda. Jika Anda menyebarkan kontainer di komputer lokal Anda, gunakan URL [http://localhost:5000](http://localhost:5000)ini .

• Berikan subfolder tempat data pelatihan Anda berada di dalam folder file.

• Terakhir, buat proyek

Anda sekarang harus membuat proyek, siap untuk pelabelan. Unggah data pelatihan Anda dan mulai pelabelan. Jika Anda baru menggunakan pelabelan, lihat membuat dan melatih model kustom.

Menggunakan API untuk melatih

Jika Anda berencana untuk memanggil API secara langsung untuk melatih model, API latih model templat kustom memerlukan file zip yang dikodekan base64 yang merupakan konten proyek pelabelan Anda. Anda dapat menghilangkan FILE PDF atau gambar dan hanya mengirimkan file JSON.

Setelah himpunan data Anda diberi label dan *.ocr.json, *.labels.json dan file fields.json ditambahkan ke zip, gunakan perintah PowerShell untuk menghasilkan string yang dikodekan base64.

$bytes = [System.IO.File]::ReadAllBytes("<your_zip_file>.zip")
$b64String = [System.Convert]::ToBase64String($bytes, [System.Base64FormattingOptions]::None)

Gunakan API model build untuk memposting permintaan.

POST http://localhost:5000/formrecognizer/documentModels:build?api-version=2023-07-31

{
    "modelId": "mymodel",
    "description": "test model",
    "buildMode": "template",

    "base64Source": "<Your base64 encoded string>",
    "tags": {
       "additionalProp1": "string",
       "additionalProp2": "string",
       "additionalProp3": "string"
     }
}

Memvalidasi bahwa layanan sedang berjalan

Ada beberapa cara untuk memvalidasi bahwa kontainer dapat dijalankan:

• Kontainer memiliki halaman beranda di \ validasi visual bahwa kontainer dapat dijalankan.

• Anda dapat membuka browser web favorit dan membuka alamat IP eksternal dan port kontainer terbuka yang diinginkan. Gunakan URL permintaan yang tercantum untuk memvalidasi kontainer yang sedang berjalan. CONTOH URL permintaan yang tercantum adalah http://localhost:5000, tetapi kontainer spesifik Anda dapat bervariasi. Perlu diingat bahwa Anda membuka Alamat IP eksternal dan port terbuka kontainer.

  URL Permintaan	Tujuan
  http://localhost:5000/	Kontainer menyediakan halaman beranda.
  http://localhost:5000/ready	Diminta dengan GET, permintaan ini memberikan verifikasi bahwa kontainer siap untuk menerima kueri terhadap model. Permintaan ini dapat digunakan untuk penyelidikan keaktifan dan kesiapan Kubernetes.
  http://localhost:5000/status	Diminta dengan GET, permintaan ini memverifikasi jika kunci API yang digunakan untuk memulai kontainer valid tanpa menyebabkan kueri titik akhir. Permintaan ini dapat digunakan untuk penyelidikan keaktifan dan kesiapan Kubernetes.
  http://localhost:5000/swagger	Kontainer menyediakan serangkaian dokumentasi lengkap untuk titik akhir dan fitur Coba. Dengan fitur ini, Anda dapat memasukkan pengaturan Anda ke dalam formulir HTML berbasis web dan membuat kueri tanpa harus menulis kode apa pun. Setelah kueri kembali, contoh perintah CURL disediakan untuk menunjukkan header HTTP dan format isi yang diperlukan.

Menghentikan kontainer

Untuk menghentikan kontainer, gunakan perintah berikut:

docker-compose down

Billing

Kontainer Kecerdasan Dokumen mengirim informasi tagihan ke Azure dengan menggunakan sumber daya Kecerdasan Dokumen di akun Azure Anda.

Kueri ke kontainer ditagih pada tingkat harga sumber daya Azure yang digunakan untuk API Key. Penagihan dihitung untuk setiap instans kontainer yang digunakan untuk memproses dokumen dan gambar Anda.

Jika Anda menerima kesalahan berikut: Kontainer tidak dalam status valid. Validasi langganan gagal dengan status kunci API 'OutOfQuota' kehabisan kuota. Ini adalah indikator bahwa kontainer Anda tidak berkomunikasi dengan titik akhir penagihan.

Hubungkan ke Azure

Kontainer memerlukan nilai argumen penagihan untuk berjalan. Nilai-nilai ini memungkinkan kontainer tersambung ke titik akhir penagihan. Kontainer melaporkan penggunaan sekitar setiap 10 hingga 15 menit. Jika tidak tersambung ke Azure dalam periode waktu yang diizinkan, kontainer akan terus berjalan tetapi tidak melayani kueri hingga titik akhir penagihan dipulihkan. Koneksi dicoba 10 kali pada interval waktu yang sama, 10 hingga 15 menit. Jika tidak dapat tersambung ke titik akhir penagihan dalam 10 percobaan, kontainer berhenti melayani permintaan. Lihat FAQ kontainer Azure AI untuk contoh informasi yang dikirim ke Microsoft untuk penagihan.

Argumen penagihan

Perintah docker-compose up memulai kontainer ketika ketiga opsi berikut disediakan dengan nilai yang valid:

Opsi	Deskripsi
ApiKey	Kunci sumber daya layanan Azure AI yang digunakan untuk melacak informasi penagihan. Nilai opsi ini harus diatur ke kunci untuk sumber daya yang disediakan yang ditentukan dalam Billing.
Billing	Titik akhir sumber daya layanan Azure AI yang digunakan untuk melacak informasi penagihan. Nilai opsi ini harus diatur ke URI titik akhir dari sumber daya Azure yang disediakan.
Eula	Menunjukkan bahwa Anda menerima lisensi untuk kontainer. Nilai opsi ini harus diatur untuk menerima.

Untuk informasi selengkapnya tentang opsi ini, lihat Konfigurasikan kontainer.

Ringkasan

Itu saja! Dalam artikel ini, Anda mempelajari konsep dan alur kerja untuk mengunduh, menginstal, dan menjalankan kontainer Kecerdasan Dokumen. Singkatnya:

• Kecerdasan Dokumen menyediakan tujuh kontainer Linux untuk Docker.
• Gambar kontainer diunduh dari mcr.
• Gambar kontainer dijalankan di Docker.
• Informasi penagihan harus ditentukan saat Anda menggunakan kontainer.

Penting

Kontainer Azure AI tidak dilisensikan untuk dijalankan tanpa tersambung ke Azure untuk pengukuran. Pelanggan harus mengaktifkan kontainer untuk mengomunikasikan informasi tagihan dengan layanan pengukuran setiap saat. Kontainer Azure AI tidak mengirim data pelanggan (misalnya, gambar atau teks yang sedang dianalisis) ke Microsoft.

Langkah berikutnya

• Pengaturan konfigurasi kontainer Kecerdasan Dokumen

• Resep instans kontainer Azure