Bagikan melalui

Instal dan menjalankan kontainer

  • Artikel

Konten ini berlaku untuk:checkmarkv3.0 (GA)checkmarkv3.1 (GA)checkmarkv4.0 (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 tata letak didukung oleh kontainer Document Intelligence v3.1.

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

  • Baca, Tata Letak, Dokumen Umum, Kartu Nama, dan Kustom didukung oleh container 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, v3.1 2023-07-31 (GA) untuk model Baca, Tata Letak, Dokumen ID, Tanda Terima, dan Faktur, dan v4.0 2024-11-30 (GA) untuk model Tata Letak.

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 dockerterminologi dan perintah dasar.
Docker Engine sudah 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 Sebuah sumber daya layanan tunggal Azure AI Document Intelligence 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:

Catatan

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.

Wadah 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

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 inti, 24-GB memori
Business Card 8 core, memori 16 GB 8 core, memori 24 GB
General Document 8 core, memori 12 GB 8 inti, 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 inti-inti, memori 11 GB 8 core, memori 24 GB
Custom Template 8 inti, 16 GB memori 8 inti, 24 GB memori
  • 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.

Petunjuk

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.

    Cuplikan layar kunci portal Azure dan halaman titik akhir.

  • Pastikan bahwa nilai EULA diatur ke 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. Kami juga merekomendasikan untuk 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.

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-4.0
    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

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.

    Cuplikan layar kunci portal Azure dan halaman titik akhir.

  • Pastikan bahwa EULA nilai diatur menjadi 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. Kami juga merekomendasikan untuk memperbarui 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.

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

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 Templat Kustom secara bersamaan 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
    depends_on:
      - layout
      - custom-template
    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: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - 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: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - 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)

Membuat berkas docker compose

  1. Beri nama file ini docker-compose.yml

  2. Sampel kode berikut adalah contoh yang berdiri sendiri docker compose untuk menjalankan kontainer Tata Letak, Studio, dan Templat Kustom Kecerdasan Dokumen bersama-sama. 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
    depends_on:
      - layout
      - custom-template
    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-3.1:latest
    environment:
      eula: accept
      apikey: ${FORM_RECOGNIZER_KEY}
      billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
      Logging:Console:LogLevel:Default: Information
      SharedRootFolder: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - 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-3.1: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: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - 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:3.1
    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 template kustom dan kontainer Tata Letak dapat menggunakan antrean dari Azure Storage atau antrean dalam memori. Variabel lingkungan Storage:ObjectStore:AzureBlob:ConnectionString dan queue:azure:connectionstring hanya perlu diatur jika Anda menggunakan antrean pesan 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
Penagihan Ya URI titik akhir penagihan untuk sumber daya FR
ApiKey Ya Kunci titik akhir sumber daya FR
Antrean:Azure:ConnectionString Tidak String koneksi Antrean Azure
Storage:ObjectStore:AzureBlob:ConnectionString Tidak Azure Blob string koneksi
HealthCheck:MemoryUpperboundInMB Tidak Ambang batas memori untuk melaporkan kondisi tidak sehat pada keberlangsungan hidup. Default: Sama seperti memori yang direkomendasikan
WaktuPenyimpananHidupDalamMenit Tidak TTL durasi untuk menghapus semua file perantara dan akhir. Default: Dua hari, TTL dapat diatur antara lima menit hingga tujuh hari
Task:MaxRunningTimeSpanInMinutes Tidak Waktu berjalan maksimum untuk memperlakukan permintaan sebagai waktu habis. Default: 60 menit
HTTP_PROXY_BYPASS_URLS Tidak Tentukan URL untuk melewati proksi Contoh: HTTP_PROXY_BYPASS_URLS = abc.com, xyz.com
AzureCognitiveServiceReadHost (Tanda Terima, Hanya Kontainer IdDocument) Ya Tentukan uri kontainer Read. Contoh:AzureCognitiveServiceReadHost=http://onprem-frread:5000
AzureCognitiveServiceLayoutHost (Dokumen, Kontainer Faktur Saja) Ya Tentukan uri kontainer Tata Letak dengan contoh: AzureCognitiveServiceLayoutHost=http://onprem-frlayout:5000

Menggunakan Studio Kecerdasan Dokumen untuk melatih model

  • Kumpulkan satu set yang terdiri dari minimal lima bentuk yang jenisnya 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 implementasi ini adalah komputer lokal Anda, endpoint-nya adalah [http://localhost:5001](http://localhost:5001).

  • Pilih petak peta model ekstraksi kustom.

  • Pilih opsi Create project.

  • 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 sudah memiliki proyek, siap untuk pelabelan. Unggah data pelatihan Anda dan mulai pelabelan. Jika Anda baru menggunakan pelabelan, pelajari cara 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 menyediakan halaman beranda di \ sebagai validasi visual bahwa kontainer sedang berjalan.

  • Anda dapat membuka browser web favorit Anda dan mengetikkan alamat IP eksternal serta port yang diekspos dari kontainer yang dimaksud. 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 sedang menavigasi ke Alamat IP eksternal dan port terekspos kontainer Anda.

    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 melalui metode GET, permintaan ini memverifikasi jika kunci API yang digunakan untuk memulai kontainer valid tanpa menyebabkan kueri ke 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.

Cuplikan layar halaman selamat datang kontainer Azure.

Menghentikan kontainer

Untuk menghentikan kontainer, gunakan perintah berikut:

docker-compose down

Penagihan

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 beroperasi. 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.

Perdebatan terkait 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 seperti 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 menginisiasi wadah.

Penting

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

Langkah berikutnya