Gunakan tindakan ramalan dalam Power Automate

Anda boleh menggunakan tindakan khusus untuk setiap AI Builder model dalam Power Automate. Walau bagaimanapun, tindakan ramalkan membolehkan anda menggunakan banyak AI Builder jenis model.

Gunakan model tersuai atau prabina

1. Log masuk ke Power Automate.

2. Pada anak tetingkap navigasi di sebelah kiri, pilih Aliran saya dan kemudian pilih Aliran baharu>aliran awan segera.

3. Namakan aliran anda.

4. Di bawah Pilih cara mencetuskan aliran ini, pilih Cetuskan aliran secara manual dan kemudian pilih Cipta .

5. Pilih + Langkah baru, dan kemudian masukkan ramalan dalam bar carian.

6. Pilih Ramalkan daripada AI Builder atau Ramalkan menggunakan AI Builder model daripada Microsoft Dataverse. Kedua-dua tindakan menawarkan ciri yang sama.

   

7. Dalam input Model , pilih model tersuai yang anda cipta atau pilih model prabina.

Nota

Ketahui lebih lanjut tentang parameter input dan output setiap model dalam bahagian berikut dalam AI Builder gambaran Power Automate keseluruhan:

• Model AI tersuai yang anda bina dan latih
• Model AI prabina yang boleh anda gunakan serta-merta Power Automate

Gunakan ID model dinamik (lanjutan)

Untuk sesetengah kes penggunaan yang kompleks, anda mungkin perlu menghantar ID model secara dinamik kepada tindakan ramalan. Contohnya, jika anda mahu memproses jenis invois yang berbeza menggunakan model yang berbeza, anda mungkin mahu memilih model secara automatik bergantung pada jenis invois.

Dalam bahagian ini, anda belajar cara mengkonfigurasi AI Builder tindakan ramalan untuk tujuan khusus ini bergantung pada jenis model.

1. Log masuk ke Power Automate.

2. Pilih Aliran saya dalam anak tetingkap kiri dan kemudian pilih Aliran baharu aliran awan segera>.

3. Namakan aliran anda, pilih Cetuskan aliran secara manual di bawah Pilih cara untuk mencetuskan aliran ini dan kemudian pilih Cipta .

4. Pilih + Langkah Baharu.

5. Masukkan Mulakan pemboleh ubah dalam bar carian, dan kemudian pilihnya dalam tab Tindakan .

6. Masukkan id model dalam input Nama , Rentetan dalam input Jenis dan ID model sebenar dalam input Nilai .

   Anda boleh mendapatkan ID model dalam URL halaman butiran model dalam Power Apps: make.powerapps.com/environment/[id persekitaran]/aibuilder/models/[id model]

7. Pilih + Langkah baharu, cari ramalkan dan kemudian pilih Ramalkan daripada AI Builder.

8. Pilih input >Masukkan nilai tersuai, dan kemudian masukkan id model daripada langkah 6.

   Nilai lajur permintaan Infer bergantung pada jenis model.

Model pemprosesan dokumen

1. Dalam langkah mencetuskan aliran secara manual, tambah input Fail dan tetapkan namanya kepada Kandungan Fail.

2. Dalam langkahMencetuskan aliran secara manual, tambah input Teks dan tetapkan namanya kepada Jenis Mime.

3. Dalam pemboleh ubah langkahInitialize, masukkan ID model pemprosesan dokumen.

4. Dalam langkah Ramakan , masukkan nilai berikut dalam lajur permintaan Infer:

   {
       "version": "2.0",
       "requestv2": {
       "@@odata.type": "Microsoft.Dynamics.CRM.expando",
       "mimeType": "@{triggerBody()['text']}",
       "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}",
       "pages": "@{base64('1-2')}"
       }
   }
   

   pages adalah pilihan, dan boleh dalam bentuk '2' atau sebagai julat seperti '1-10'.

   

5. Pilih Simpan di penjuru kanan sebelah atas dan kemudian pilih Uji untuk mencuba aliran anda:

   

6. Dalam butiran larian aliran, dapatkan output JSON model dalam bahagian OUTPUTS tindakan ramal. Output ini berguna untuk membina tindakan hiliran menggunakan nilai model.

   

7. Kembali ke aliran anda dalam mod edit.

8. Pilih + Langkah baharu dan pilih tindakan Karang (atau sebarang tindakan lain untuk memproses output model anda). Katakan output model anda mempunyai lajur Jumlah . Anda boleh mendapatkannya dengan formula berikut:

   @{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
   

   

Model pengesanan objek

Proses ini serupa dengan permintaan kesimpulan dalam langkah 4 dalam bahagian model pemprosesan dokumen:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
    }
}

Model pengelasan kategori

Proses ini serupa dengan permintaan kesimpulan dalam langkah 4 dalam bahagian model pemprosesan dokumen:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "language": "Detect automatically",
        "text": "The text to categorize"
    }
}