Containers installeren en uitvoeren

Deze inhoud is van toepassing op: v3.0 (GA) v3.1 (GA)

Azure AI Document Intelligence is een Azure AI-service waarmee u geautomatiseerde gegevensverwerkingssoftware kunt bouwen met behulp van machine learning-technologie. Met Document Intelligence kunt u tekst, sleutel-waardeparen, selectiemarkeringen, tabelgegevens en meer uit uw documenten identificeren en extraheren. De resultaten worden geleverd als gestructureerde gegevens die .. /bevat de relaties in het oorspronkelijke bestand. Containers verwerken alleen de gegevens die aan hen worden verstrekt en maken uitsluitend gebruik van de resources die ze mogen openen. Containers kunnen geen gegevens uit andere regio's verwerken.

In dit artikel leert u hoe u Document Intelligence-containers downloadt, installeert en uitvoert. Met containers kunt u de Document Intelligence-service uitvoeren in uw eigen omgeving. Containers zijn ideaal voor specifieke vereisten voor beveiliging en gegevensbeheer.

• Lees-, indelings-, id-document-, ontvangst- en factuurmodellen worden ondersteund door Document Intelligence v3.1-containers.

• Lees-, indelings-, algemeen document-, visitekaartje- en aangepaste modellen worden ondersteund door Document Intelligence v3.0-containers.

Versieondersteuning

Ondersteuning voor containers is momenteel beschikbaar met documentinformatieversie v3.0: 2022-08-31 (GA) voor alle modellen en v3.1 2023-07-31 (GA) voor modellen lezen, indeling, id-document, ontvangstbewijs en factuur:

• REST APIv3.0: 2022-08-31 (GA)
• REST APIv3.1: 2023-07-31 (GA)
• Clientbibliotheken gericht REST API v3.0: 2022-08-31 (GA)
• Clientbibliotheken gericht REST API v3.1: 2023-07-31 (GA)

Vereisten

U hebt een actief Azure-account nodig om aan de slag te gaan. Als u nog geen account hebt, kunt u een gratis account aanmaken.

U hebt ook het volgende nodig om Document Intelligence-containers te gebruiken:

Vereist	Doel
Bekendheid met Docker	U moet basiskennis hebben van Docker-concepten, zoals registers, opslagplaatsen, containers en containerinstallatiekopieën, evenals kennis van basisterminologie docker en opdrachten.
Docker Engine geïnstalleerd	U moet de Docker Engine installeren op een hostcomputer. Docker biedt pakketten waarmee de Docker-omgeving op MacOS, Windows en Linux kan worden geconfigureerd. Zie het Docker-overzicht voor een inleiding tot de basisprincipes van Docker en containers. Docker moet zo worden geconfigureerd dat de containers verbinding kunnen maken met en factureringsgegevens naar Azure kunnen verzenden. In Windows moet Docker ook worden geconfigureerd ter ondersteuning van Linux-containers.
Document Intelligence-resource	Een Azure AI Document Intelligence-resource met één service of een resource voor meerdere services in Azure Portal. Als u de containers wilt gebruiken, moet u de bijbehorende sleutel en eindpunt-URI hebben. Beide waarden zijn beschikbaar op de pagina Documentinformatiesleutels en Eindpunt in Azure Portal: {FORM_RECOGNIZER_KEY}: een van de twee beschikbare resourcesleutels. {FORM_RECOGNIZER_ENDPOINT_URI}: het eindpunt voor de resource die wordt gebruikt om factureringsgegevens bij te houden.

Optioneel	Doel
Azure CLI (opdrachtregelinterface)	Met de Azure CLI kunt u een set onlineopdrachten gebruiken om Azure-resources te maken en te beheren. Het is beschikbaar om te installeren in Windows-, macOS- en Linux-omgevingen en kan worden uitgevoerd in een Docker-container en Azure Cloud Shell.

Vereisten voor hostcomputers

De host is een x64-computer waarop de Docker-container wordt uitgevoerd. Het kan een computer op uw locatie of een Docker-hostingservice in Azure zijn, zoals:

• Azure Kubernetes Service.
• Azure Container Instances.
• Een Kubernetes-cluster dat is geïmplementeerd in Azure Stack. Zie Kubernetes implementeren in Azure Stack voor meer informatie.

Notitie

Houd er rekening mee dat de Studio-container niet kan worden geïmplementeerd en uitgevoerd in Azure Kubernetes Service. Studio-container wordt alleen ondersteund voor uitvoering op lokale computer.

Containervereisten en aanbevelingen

Vereiste ondersteunende containers

De volgende tabel bevat een of meer ondersteunende containers voor elke Document Intelligence-container die u downloadt. Zie de sectie Facturering voor meer informatie.

Functiecontainer	Ondersteunende containers
Lezen	Niet vereist
Indeling	Niet vereist
Visitekaartje	Lezen
Algemeen document	Indeling
Factuur	Indeling
Kwitantie	Lezen of indeling
Id-document	Lezen
Aangepaste sjabloon	Indeling

Aanbevolen CPU-kernen en geheugen

Notitie

De minimum- en aanbevolen waarden zijn gebaseerd op Docker-limieten en niet op de hostcomputerresources.

Document Intelligence-containers

Container	Minimaal	Aanbevolen
Read	8 kernen, 10 GB geheugen	8 kerngeheugens, 24 GB geheugen
Layout	8 kerngeheugens, 16 GB geheugen	8 kerngeheugens, 24 GB geheugen
Business Card	8 kerngeheugens, 16 GB geheugen	8 kerngeheugens, 24 GB geheugen
General Document	8 kernen, 12 GB geheugen	8 kerngeheugens, 24 GB geheugen
ID Document	8 kernen, 8 GB geheugen	8 kerngeheugens, 24 GB geheugen
Invoice	8 kerngeheugens, 16 GB geheugen	8 kerngeheugens, 24 GB geheugen
Receipt	8 kerngeheugens, 11 GB geheugen	8 kerngeheugens, 24 GB geheugen
Custom Template	8 kerngeheugens, 16 GB geheugen	8 kerngeheugens, 24 GB geheugen

• Elke kern moet ten minste 2,6 gigahertz (GHz) of sneller zijn.
• Kern en geheugen komen overeen met de --cpus en --memory instellingen, die worden gebruikt als onderdeel van de docker compose of docker run opdracht.

Tip

U kunt de opdracht docker-installatiekopieën gebruiken om uw gedownloade containerinstallatiekopieën weer te geven. De volgende opdracht bevat bijvoorbeeld de id, opslagplaats en tag van elke gedownloade containerinstallatiekopieën, opgemaakt als een tabel:

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

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

Voer de container uit met de opdracht docker-compose up

• Vervang de waarden {ENDPOINT_URI} en {API_KEY} door de URI van uw resource-eindpunt en de sleutel van de Azure-resourcepagina.

  

• Zorg ervoor dat de EULA waarde is ingesteld op accepteren.

• De EULA, Billingen ApiKey waarden moeten worden opgegeven. Anders kan de container niet worden gestart.

Belangrijk

De sleutels worden gebruikt voor toegang tot uw Document Intelligence-resource. Deel uw sleutels niet. Sla ze veilig op, bijvoorbeeld met behulp van Azure Key Vault. We raden u ook aan om deze sleutels regelmatig opnieuw te genereren. Er is slechts één sleutel nodig om een API-aanroep te maken. Wanneer u de eerste sleutel opnieuw genereert, kunt u de tweede sleutel gebruiken voor verdere toegang tot de service.

Lezen

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld om de container Document Intelligence Layout uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met de docker-compose up opdracht alle services vanuit uw configuratie. Voer {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} waarden in voor de containerinstantie Indeling.

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

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Algemeen document

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld om de Document Intelligence General Document-container uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie. Voer {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} waarden in voor de containerinstanties Algemeen document en Indeling.

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}

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Gezien de resources op de computer kan het enige tijd duren voordat de container Algemeen document is opgestart.

Indeling

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld om de container Document Intelligence Layout uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie. Voer {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} waarden in voor de containerinstantie Indeling.

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

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Factuur

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld voor het uitvoeren van de Document Intelligence-factuurcontainer. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie. Voer {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} waarden in voor uw containerinstanties voor facturen en indelingen.

U moet 3.1 GA-indelingsafbeelding gebruiken als een upstream voor zowel 3.0 GA- als 3.1 GA-factuurmodellen.

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}

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Kwitantie

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld om de Document Intelligence General Document-container uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie. Voer de waarden {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} in voor de containerinstanties Ontvangstbevestiging en Lezen.

U kunt een 3.1 GA-indelingsafbeelding gebruiken als een upstream in plaats van een leesafbeelding.

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}

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Id-document

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld om de Document Intelligence General Document-container uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie. Voer {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} waarden in voor uw id en leescontainerinstanties.

U kunt een 3.1 GA-indelingsafbeelding gebruiken als een upstream in plaats van een leesafbeelding.

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}

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Visitekaartje

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}

Aangepast

Naast de vereisten moet u het volgende doen om een aangepast document te verwerken:

Een map maken en de volgende bestanden opslaan

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

Een map maken en uw invoergegevens opslaan

• Geef deze mapbestanden een naam.
• We verwijzen naar het bestandspad voor deze map als {FILE_MOUNT_PATH}.
• Kopieer het bestandspad op een handige locatie. U moet het toevoegen aan uw .env-bestand . Als voorbeeld als de map bestanden wordt genoemd, zich in dezelfde map als het docker-compose bestand bevindt, is de .env-bestandsvermelding FILE_MOUNT_PATH="./files"

Een map maken om de logboeken op te slaan die zijn geschreven door de Document Intelligence-service op uw lokale computer

• Geef deze map een naam.
• We verwijzen naar het bestandspad voor deze map als {OUTPUT_MOUNT_PATH}.
• Kopieer het bestandspad op een handige locatie. U moet het toevoegen aan uw .env-bestand . Als voorbeeld als de map uitvoer wordt genoemd, zich in dezelfde map als het docker-compose bestand bevindt, is de .env-bestandsvermelding OUTPUT_MOUNT_PATH="./output"

Een map maken voor het opslaan van interne verwerking die wordt gedeeld tussen de containers

• Geef deze map een naam die is gedeeld.
• We verwijzen naar het bestandspad voor deze map als {SHARED_MOUNT_PATH}.
• Kopieer het bestandspad op een handige locatie. U moet het toevoegen aan uw .env-bestand . Als voorbeeld als de map wordt gedeeld genoemd, zich in dezelfde map als het docker-compose bestand bevindt, is de .env-bestandsvermelding SHARED_MOUNT_PATH="./shared"

Een map maken voor de Studio om projectgerelateerde informatie op te slaan

• Geef deze map een naam.
• We verwijzen naar het bestandspad voor deze map als {DB_MOUNT_PATH}.
• Kopieer het bestandspad op een handige locatie. U moet het toevoegen aan uw .env-bestand . Als voorbeeld als de map db wordt genoemd, zich in dezelfde map als het docker-compose bestand bevindt, is de .env-bestandsvermelding DB_MOUNT_PATH="./db"

Een omgevingsbestand maken

1. Geef dit bestand de naam .env.

2. Declareer de volgende omgevingsvariabelen:

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"

Een nginx-bestand maken

1. Geef dit bestand de naam nginx.conf.

2. Voer de volgende configuratie in:

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;
        }
    }
}

Een Docker Compose-bestand maken

1. Geef dit bestand een naam docker-compose.yml

2. Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld voor het uitvoeren van documentinformatie-indeling, Studio en aangepaste sjablooncontainers. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie.

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)

De aangepaste sjablooncontainer en indelingscontainer kunnen Azure Storage-wachtrijen of in geheugenwachtrijen gebruiken. De Storage:ObjectStore:AzureBlob:ConnectionString en queue:azure:connectionstring omgevingsvariabelen hoeven alleen te worden ingesteld als u Azure Storage-wachtrijen gebruikt. Wanneer u lokaal werkt, verwijdert u deze variabelen.

Controleren of de service wordt uitgevoerd

Om ervoor te zorgen dat de service actief is. Voer deze opdrachten uit in een Ubuntu-shell.

$cd <folder containing the docker-compose file>

$source .env

$docker-compose up

Aangepaste sjablooncontainers vereisen enkele verschillende configuraties en ondersteunen andere optionele configuraties.

Instelling	Vereist	Omschrijving
EULA	Ja	Voorbeeld van acceptatie van licentie: Eula=accept
Billing	Ja	Factureringseindpunt-URI van de FR-resource
ApiKey	Ja	De eindpuntsleutel van de FR-resource
Wachtrij:Azure:ConnectionString	Nee	Azure Queue verbindingsreeks
Opslag:ObjectStore:AzureBlob:ConnectionString	Nee	Azure Blob-verbindingsreeks
HealthCheck:MemoryUpperboundInMB	Nee	Geheugendrempel voor het rapporteren van een slechte status aan liveness. Standaard: Hetzelfde als aanbevolen geheugen
StorageTimeToLiveInMinutes	Nee	TTL duur om alle tussenliggende en uiteindelijke bestanden te verwijderen. Standaard: twee dagen, TTL kan tussen vijf minuten tot zeven dagen worden ingesteld
Taak:MaxRunningTimeSpanInMinutes	Nee	Maximale uitvoeringstijd voor het behandelen van de aanvraag als time-out. Standaard: 60 minuten
HTTP_PROXY_BYPASS_URLS	Nee	Geef URL's op voor het omzeilen van proxyvoorbeeld: HTTP_PROXY_BYPASS_URLS = abc.com, xyz.com
AzureCognitiveServiceReadHost (ontvangstbewijs, alleen IdDocument-containers)	Ja	Geef URI-voorbeeld van leescontainer op: AzureCognitiveServiceReadHost=http://onprem-frread:5000
AzureCognitiveServiceLayoutHost (document, alleen factuurcontainers)	Ja	Geef een indelingscontainer-URI-voorbeeld op: AzureCognitiveServiceLayoutHost=http://onprem-frlayout:5000

Document Intelligence Studio gebruiken om een model te trainen

• Verzamel een set van ten minste vijf formulieren van hetzelfde type. U gebruikt deze gegevens om het model te trainen en een formulier te testen. U kunt een voorbeeldgegevensset gebruiken (sample_data.zip downloaden en extraheren).

• Zodra u kunt bevestigen dat de containers worden uitgevoerd, opent u een browser en gaat u naar het eindpunt waar u de containers hebt geïmplementeerd. Als deze implementatie uw lokale computer is, is [http://localhost:5001](http://localhost:5001)het eindpunt.

• Selecteer de tegel van het aangepaste extractiemodel.

• Selecteer de Create project optie.

• Geef een projectnaam en desgewenst een beschrijving op

• Geef in de stap 'Uw resource configureren' het eindpunt op voor uw aangepaste sjabloonmodel. Als u de containers op uw lokale computer hebt geïmplementeerd, gebruikt u deze URL [http://localhost:5000](http://localhost:5000).

• Geef een submap op waarin uw trainingsgegevens zich in de map met bestanden bevinden.

• Maak ten slotte het project

U moet nu een project hebben gemaakt dat klaar is voor labelen. Upload uw trainingsgegevens en ga aan de slag met labelen. Zie een aangepast model bouwen en trainen als u geen labelen hebt.

De API gebruiken om te trainen

Als u van plan bent om de API's rechtstreeks aan te roepen om een model te trainen, vereist de aangepaste sjabloonmodel train-API een base64 gecodeerd zip-bestand dat de inhoud van uw labelproject is. U kunt de PDF- of afbeeldingsbestanden weglaten en alleen de JSON-bestanden verzenden.

Zodra uw gegevensset is gelabeld en *.ocr.json, *.labels.json en fields.json bestanden aan een zip-bestand zijn toegevoegd, gebruikt u de PowerShell-opdrachten om de met Base64 gecodeerde tekenreeks te genereren.

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

Gebruik de api voor het buildmodel om de aanvraag te posten.

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"
     }
}

Controleer of de service wordt uitgevoerd

Er zijn verschillende manieren om te controleren of de container wordt uitgevoerd:

• De container biedt een startpagina op \ als een visuele validatie die door de container wordt uitgevoerd.

• U kunt uw favoriete webbrowser openen en naar het externe IP-adres en de weergegeven poort van de betreffende container navigeren. Gebruik de vermelde aanvraag-URL's om te controleren of de container wordt uitgevoerd. De vermelde voorbeeldaanvraag-URL's zijn http://localhost:5000, maar uw specifieke container kan variëren. Houd er rekening mee dat u naar het externe IP-adres en de weergegeven poort van uw container navigeert.

  Aanvraag-URL	Doel
  http:// localhost:5000/	De container bevat een startpagina.
  http:// localhost:5000/ready	Aangevraagd met GET biedt deze aanvraag een verificatie dat de container gereed is voor het accepteren van een query voor het model. Deze aanvraag kan worden gebruikt voor Kubernetes-liveness- en gereedheidstests.
  http:// localhost:5000/status	Aangevraagd met GET, wordt met deze aanvraag gecontroleerd of de API-sleutel die wordt gebruikt om de container te starten geldig is zonder een eindpuntquery te veroorzaken. Deze aanvraag kan worden gebruikt voor Kubernetes-liveness- en gereedheidstests.
  http:// localhost:5000/swagger	De container bevat een volledige set met documentatie voor de eindpunten en een functie Uitproberen. Met deze functie kunt u uw instellingen invoeren in een HTML-webformulier en de query maken zonder dat u code hoeft te schrijven. Nadat de query is geretourneerd, wordt een voorbeeld van een CURL-opdracht gegeven om de vereiste HTTP-headers en hoofdtekstindeling te demonstreren.

De containers stoppen

Gebruik de volgende opdracht om de containers te stoppen:

docker-compose down

Billing

De Document Intelligence-containers verzenden factureringsgegevens naar Azure met behulp van een Document Intelligence-resource in uw Azure-account.

Query's naar de container worden gefactureerd in de prijscategorie van de Azure-resource die wordt gebruikt voor de API Key. Facturering wordt berekend voor elke containerinstantie die wordt gebruikt voor het verwerken van uw documenten en afbeeldingen.

Als u de volgende fout krijgt: Container heeft geen geldige status. De abonnementsvalidatie is mislukt met de status OutOfQuota API-sleutel is buiten het quotum. Het is een indicator dat uw containers niet communiceren met het factureringseindpunt.

Verbinding maken met Azure

De container moet de waarden voor factureringsargumenten uitvoeren. Met deze waarden kan de container verbinding maken met het factureringseindpunt. De container rapporteert ongeveer om de 10 tot 15 minuten het gebruik. Als de container niet binnen het toegestane tijdvenster verbinding maakt met Azure, blijft de container actief, maar voert deze geen query's uit totdat het factureringseindpunt is hersteld. De verbinding wordt 10 keer geprobeerd met hetzelfde tijdsinterval van 10 tot 15 minuten. Als er geen verbinding kan worden gemaakt met het factureringseindpunt binnen de 10 pogingen, stopt de container met het verwerken van aanvragen. Zie de veelgestelde vragen over de Azure AI-container voor een voorbeeld van de informatie die naar Microsoft is verzonden voor facturering.

Factureringsargumenten

Met de opdracht docker compose up wordt de container gestart wanneer alle drie de volgende opties geldige waarden bevatten:

Optie	Omschrijving
ApiKey	De sleutel van de Azure AI-servicesresource die wordt gebruikt om factureringsgegevens bij te houden. De waarde van deze optie moet worden ingesteld op een sleutel voor de ingerichte resource die is opgegeven in Billing.
Billing	Het eindpunt van de Azure AI-servicesresource die wordt gebruikt om factureringsgegevens bij te houden. De waarde van deze optie moet worden ingesteld op de eindpunt-URI van een ingerichte Azure-resource.
Eula	Geeft aan dat u de licentie voor de container hebt geaccepteerd. De waarde van deze optie moet worden ingesteld op accepteren.

Zie Containers configureren voor meer informatie over deze opties.

Samenvatting

Dat is het! In dit artikel hebt u concepten en werkstromen geleerd voor het downloaden, installeren en uitvoeren van Document Intelligence-containers. Samengevat:

• Document Intelligence biedt zeven Linux-containers voor Docker.
• Containerinstallatiekopieën worden gedownload van mcr.
• Containerinstallatiekopieën worden uitgevoerd in Docker.
• De factureringsgegevens moeten worden opgegeven wanneer u een container instantieert.

Belangrijk

Azure AI-containers worden niet gelicentieerd om te worden uitgevoerd zonder dat ze zijn verbonden met Azure voor meting. Klanten moeten ervoor zorgen dat de containers altijd factureringsgegevens kunnen communiceren met de meterservice. Azure AI-containers verzenden geen klantgegevens (bijvoorbeeld de afbeelding of tekst die wordt geanalyseerd) naar Microsoft.

Volgende stappen

• Configuratie-instellingen voor Document Intelligence-containers

• Azure Container Instance-recept