DocumentModelAdministrationClient Klas
DocumentModelAdministrationClient is de Form Recognizer interface die kan worden gebruikt voor het bouwen en beheren van modellen.
Het biedt methoden voor het bouwen van modellen en classificaties, evenals methoden voor het weergeven en verwijderen van modellen en classificaties, het bekijken van model- en classificatiebewerkingen, het openen van accountgegevens, het kopiëren van modellen naar een andere Form Recognizer resource en het opstellen van een nieuw model uit een verzameling bestaande modellen.
Notitie
DocumentModelAdministrationClient moet worden gebruikt met API-versies
2022-08-31 en hoger. Als u API-versies <=v2.1 wilt gebruiken, maakt u een FormTrainingClient.
Nieuw in versie 2022-08-31: De DocumentModelAdministrationClient en de bijbehorende clientmethoden.
- Overname
-
azure.ai.formrecognizer._form_base_client.FormRecognizerClientBaseDocumentModelAdministrationClient
Constructor
DocumentModelAdministrationClient(endpoint: str, credential: AzureKeyCredential | TokenCredential, **kwargs: Any)
Parameters
- endpoint
- str
Ondersteunde Cognitive Services-eindpunten (protocol en hostnaam, bijvoorbeeld: https://westus2.api.cognitive.microsoft.com).
- credential
- AzureKeyCredential of TokenCredential
Referenties die nodig zijn voor de client om verbinding te maken met Azure. Dit is een exemplaar van AzureKeyCredential als u een API-sleutel of een tokenreferentie van identitygebruikt.
- api_version
- str of DocumentAnalysisApiVersion
De API-versie van de service die moet worden gebruikt voor aanvragen. De standaardinstelling is de nieuwste serviceversie. Instellen op een oudere versie kan leiden tot verminderde compatibiliteit van functies. Als u API-versies <=v2.1 wilt gebruiken, moet u een FormTrainingClient instantiëren.
Voorbeelden
DocumentModelAdministrationClient maken met een eindpunt en API-sleutel.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentModelAdministrationClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint, AzureKeyCredential(key)
)
DocumentModelAdministrationClient maken met een tokenreferentie.
"""DefaultAzureCredential will use the values from these environment
variables: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET
"""
from azure.ai.formrecognizer import DocumentModelAdministrationClient
from azure.identity import DefaultAzureCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
credential = DefaultAzureCredential()
document_model_admin_client = DocumentModelAdministrationClient(
endpoint, credential
)
Methoden
begin_build_document_classifier |
Bouw een documentclassificatie. Zie voor meer informatie over het bouwen en trainen van een aangepast classificatiemodel https://aka.ms/azsdk/formrecognizer/buildclassifiermodel. Nieuw in versie 31-07-2023: De begin_build_document_classifier-clientmethode . |
begin_build_document_model |
Een aangepast documentmodel bouwen. De aanvraag moet een blob_container_url trefwoordparameter bevatten die een extern toegankelijke Azure Storage Blob-container-URI is (bij voorkeur een Shared Access Signature-URI). Houd er rekening mee dat een container-URI (zonder SAS) alleen wordt geaccepteerd wanneer de container openbaar is of een beheerde identiteit heeft geconfigureerd. Zie hier meer informatie over het configureren van beheerde identiteiten voor gebruik met Form Recognizer: https://docs.microsoft.com/azure/applied-ai-services/form-recognizer/managed-identities. Modellen worden gemaakt met documenten van het volgende inhoudstype: 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff', 'image/bmp' of 'image/heif'. Andere typen inhoud in de container worden genegeerd. Nieuw in versie 31-07-2023: het argument file_list trefwoord. |
begin_compose_document_model |
Hiermee maakt u een samengesteld documentmodel op basis van een verzameling bestaande modellen. Met een samengesteld model kunnen meerdere modellen worden aangeroepen met één model-id. Wanneer een document wordt verzonden om te worden geanalyseerd met een samengestelde model-id, wordt eerst een classificatiestap uitgevoerd om het naar het juiste aangepaste model te routeren. |
begin_copy_document_model_to |
Kopieer een documentmodel dat is opgeslagen in deze resource (de bron) naar de door de gebruiker opgegeven doel Form Recognizer resource. Dit moet worden aangeroepen met de bron Form Recognizer resource (met het model dat is bedoeld om te worden gekopieerd). De doelparameter moet worden opgegeven vanuit de uitvoer van de doelresource van het aanroepen van de get_copy_authorization methode. |
close |
Sluit de DocumentModelAdministrationClient sessie. |
delete_document_classifier |
Een documentclassificatie verwijderen. Nieuw in versie 2023-07-31: De delete_document_classifier-clientmethode . |
delete_document_model |
Een aangepast documentmodel verwijderen. |
get_copy_authorization |
Autorisatie genereren voor het kopiëren van een aangepast model naar de doelresource Form Recognizer. Dit moet worden aangeroepen door de doelresource (waarnaar het model wordt gekopieerd) en de uitvoer kan worden doorgegeven als de doelparameter in begin_copy_document_model_to. |
get_document_analysis_client |
Haal een exemplaar van een DocumentAnalysisClient op uit DocumentModelAdministrationClient. |
get_document_classifier |
Een documentclassificatie ophalen op basis van de bijbehorende id. Nieuw in versie 2023-07-31: De clientmethode get_document_classifier . |
get_document_model |
Een documentmodel ophalen op basis van de id. |
get_operation |
Een bewerking ophalen op basis van de id. Haal een bewerking op die is gekoppeld aan de Form Recognizer-resource. Houd er rekening mee dat bewerkingsgegevens slechts 24 uur behouden blijven. Als de documentmodelbewerking is geslaagd, kan het model worden geopend met behulp van de get_document_model API's of list_document_models . |
get_resource_details |
Krijg informatie over de modellen onder de Form Recognizer resource. |
list_document_classifiers |
Geef informatie weer voor elke documentclassificatie, inclusief de classificatie-id, beschrijving en wanneer deze is gemaakt. Nieuw in versie 2023-07-31: De list_document_classifiers-clientmethode . |
list_document_models |
Geef informatie weer voor elk model, inclusief de model-id, beschrijving en wanneer het is gemaakt. |
list_operations |
Geef informatie weer voor elke bewerking. Een lijst met alle bewerkingen die zijn gekoppeld aan de Form Recognizer-resource. Houd er rekening mee dat bewerkingsgegevens slechts 24 uur behouden blijven. Als een documentmodelbewerking is geslaagd, kan het documentmodel worden geopend met behulp van de get_document_model API's of list_document_models . |
send_request |
Hiermee wordt een netwerkaanvraag uitgevoerd met behulp van de bestaande pijplijn van de client. De aanvraag-URL kan relatief zijn ten opzichte van de basis-URL. De service-API-versie die voor de aanvraag wordt gebruikt, is dezelfde als die van de client, tenzij anders opgegeven. Het overschrijven van de geconfigureerde API-versie van de client in relatieve URL wordt ondersteund op de client met API-versie 2022-08-31 en hoger. Overschrijven in absolute URL die wordt ondersteund op client met elke API-versie. Deze methode wordt niet gegenereerd als het antwoord een fout is; als u een uitzondering wilt maken, roept u raise_for_status() aan op het geretourneerde antwoordobject. Zie voor meer informatie over het verzenden van aangepaste aanvragen met deze methode https://aka.ms/azsdk/dpcodegen/python/send_request. |
begin_build_document_classifier
Bouw een documentclassificatie. Zie voor meer informatie over het bouwen en trainen van een aangepast classificatiemodel https://aka.ms/azsdk/formrecognizer/buildclassifiermodel.
Nieuw in versie 31-07-2023: De begin_build_document_classifier-clientmethode .
begin_build_document_classifier(doc_types: Mapping[str, ClassifierDocumentTypeDetails], *, classifier_id: str | None = None, description: str | None = None, **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentClassifierDetails]
Parameters
- doc_types
- Mapping[str, ClassifierDocumentTypeDetails]
Toewijzing van documenttypen voor classificatie.
- classifier_id
- str
Unieke naam voor documentclassificatie. Als u dit niet opgeeft, wordt er een classificatie-id voor u gemaakt.
- description
- str
Beschrijving van documentclassificatie.
Retouren
Een exemplaar van een DocumentModelAdministrationLROPoller. Roep result() aan op het poller-object om een DocumentClassifierDetailste retourneren.
Retourtype
Uitzonderingen
Voorbeelden
Bouw een documentclassificatie.
import os
from azure.ai.formrecognizer import (
DocumentModelAdministrationClient,
ClassifierDocumentTypeDetails,
BlobSource,
BlobFileListSource,
)
from azure.core.credentials import AzureKeyCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
container_sas_url = os.environ["CLASSIFIER_CONTAINER_SAS_URL"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
poller = document_model_admin_client.begin_build_document_classifier(
doc_types={
"IRS-1040-A": ClassifierDocumentTypeDetails(
source=BlobSource(
container_url=container_sas_url, prefix="IRS-1040-A/train"
)
),
"IRS-1040-D": ClassifierDocumentTypeDetails(
source=BlobFileListSource(
container_url=container_sas_url, file_list="IRS-1040-D.jsonl"
)
),
},
description="IRS document classifier",
)
result = poller.result()
print(f"Classifier ID: {result.classifier_id}")
print(f"API version used to build the classifier model: {result.api_version}")
print(f"Classifier description: {result.description}")
print(f"Document classes used for training the model:")
for doc_type, details in result.doc_types.items():
print(f"Document type: {doc_type}")
print(f"Container source: {details.source.container_url}\n")
begin_build_document_model
Een aangepast documentmodel bouwen.
De aanvraag moet een blob_container_url trefwoordparameter bevatten die een extern toegankelijke Azure Storage Blob-container-URI is (bij voorkeur een Shared Access Signature-URI). Houd er rekening mee dat een container-URI (zonder SAS) alleen wordt geaccepteerd wanneer de container openbaar is of een beheerde identiteit heeft geconfigureerd. Zie hier meer informatie over het configureren van beheerde identiteiten voor gebruik met Form Recognizer: https://docs.microsoft.com/azure/applied-ai-services/form-recognizer/managed-identities. Modellen worden gemaakt met documenten van het volgende inhoudstype: 'application/pdf', 'image/jpeg', 'image/png', 'image/tiff', 'image/bmp' of 'image/heif'. Andere typen inhoud in de container worden genegeerd.
Nieuw in versie 31-07-2023: het argument file_list trefwoord.
begin_build_document_model(build_mode: str | ModelBuildMode, *, blob_container_url: str, prefix: str | None = None, model_id: str | None = None, description: str | None = None, tags: Mapping[str, str] | None = None, **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentModelDetails]
Parameters
- build_mode
- ModelBuildMode
De modus voor het bouwen van aangepaste modellen. Mogelijke waarden zijn: 'template', 'neural'. Zie voor meer informatie over buildmodi: https://aka.ms/azsdk/formrecognizer/buildmode.
- blob_container_url
- str
De SAS-URI van een Azure Storage-blobcontainer. Een container-URI (zonder SAS) kan worden gebruikt als de container openbaar is of als er een beheerde identiteit is geconfigureerd. Zie voor meer informatie over het instellen van een set trainingsgegevens: https://aka.ms/azsdk/formrecognizer/buildtrainingset.
- model_id
- str
Een unieke id voor uw model. Als u dit niet opgeeft, wordt er een model-id voor u gemaakt.
- description
- str
Een optionele beschrijving om aan het model toe te voegen.
- prefix
- str
Een hoofdlettergevoelige tekenreeks voorvoegsel voor het filteren van documenten in het URL-pad van de blobcontainer. Als u bijvoorbeeld een Azure Storage Blob-URI gebruikt, gebruikt u het voorvoegsel om submappen te beperken. het voorvoegsel moet eindigen op '/' om te voorkomen dat bestandsnamen hetzelfde voorvoegsel delen.
- file_list
- str
Pad naar een JSONL-bestand in de container waarin een subset van documenten voor training wordt opgegeven.
Lijst met door de gebruiker gedefinieerde sleutel-waardetagkenmerken die zijn gekoppeld aan het model.
Retouren
Een exemplaar van een DocumentModelAdministrationLROPoller. Roep result() aan op het poller-object om een DocumentModelDetailste retourneren.
Retourtype
Uitzonderingen
Voorbeelden
Een model bouwen op basis van trainingsbestanden.
from azure.ai.formrecognizer import (
DocumentModelAdministrationClient,
ModelBuildMode,
)
from azure.core.credentials import AzureKeyCredential
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
container_sas_url = os.environ["CONTAINER_SAS_URL"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint, AzureKeyCredential(key)
)
poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=container_sas_url,
description="my model description",
)
model = poller.result()
print(f"Model ID: {model.model_id}")
print(f"Description: {model.description}")
print(f"Model created on: {model.created_on}")
print(f"Model expires on: {model.expires_on}")
print("Doc types the model can recognize:")
for name, doc_type in model.doc_types.items():
print(
f"Doc Type: '{name}' built with '{doc_type.build_mode}' mode which has the following fields:"
)
for field_name, field in doc_type.field_schema.items():
print(
f"Field: '{field_name}' has type '{field['type']}' and confidence score "
f"{doc_type.field_confidence[field_name]}"
)
begin_compose_document_model
Hiermee maakt u een samengesteld documentmodel op basis van een verzameling bestaande modellen.
Met een samengesteld model kunnen meerdere modellen worden aangeroepen met één model-id. Wanneer een document wordt verzonden om te worden geanalyseerd met een samengestelde model-id, wordt eerst een classificatiestap uitgevoerd om het naar het juiste aangepaste model te routeren.
begin_compose_document_model(component_model_ids: List[str], **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentModelDetails]
Parameters
Lijst met model-id's die moeten worden gebruikt in het samengestelde model.
- model_id
- str
Een unieke id voor uw samengestelde model. Als u dit niet opgeeft, wordt er een model-id voor u gemaakt.
- description
- str
Een optionele beschrijving om aan het model toe te voegen.
Lijst met door de gebruiker gedefinieerde sleutel-waardetagkenmerken die zijn gekoppeld aan het model.
Retouren
Een exemplaar van een DocumentModelAdministrationLROPoller. Roep result() aan op het poller-object om een DocumentModelDetailste retourneren.
Retourtype
Uitzonderingen
Voorbeelden
Een samengesteld model maken met bestaande modellen.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import (
DocumentModelAdministrationClient,
ModelBuildMode,
)
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
po_supplies = os.environ["PURCHASE_ORDER_OFFICE_SUPPLIES_SAS_URL"]
po_equipment = os.environ["PURCHASE_ORDER_OFFICE_EQUIPMENT_SAS_URL"]
po_furniture = os.environ["PURCHASE_ORDER_OFFICE_FURNITURE_SAS_URL"]
po_cleaning_supplies = os.environ["PURCHASE_ORDER_OFFICE_CLEANING_SUPPLIES_SAS_URL"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
supplies_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_supplies,
description="Purchase order-Office supplies",
)
equipment_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_equipment,
description="Purchase order-Office Equipment",
)
furniture_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_furniture,
description="Purchase order-Furniture",
)
cleaning_supplies_poller = document_model_admin_client.begin_build_document_model(
ModelBuildMode.TEMPLATE,
blob_container_url=po_cleaning_supplies,
description="Purchase order-Cleaning Supplies",
)
supplies_model = supplies_poller.result()
equipment_model = equipment_poller.result()
furniture_model = furniture_poller.result()
cleaning_supplies_model = cleaning_supplies_poller.result()
purchase_order_models = [
supplies_model.model_id,
equipment_model.model_id,
furniture_model.model_id,
cleaning_supplies_model.model_id,
]
poller = document_model_admin_client.begin_compose_document_model(
purchase_order_models, description="Office Supplies Composed Model"
)
model = poller.result()
print("Office Supplies Composed Model Info:")
print(f"Model ID: {model.model_id}")
print(f"Description: {model.description}")
print(f"Model created on: {model.created_on}")
print(f"Model expires on: {model.expires_on}")
print("Doc types the model can recognize:")
for name, doc_type in model.doc_types.items():
print(f"Doc Type: '{name}' which has the following fields:")
for field_name, field in doc_type.field_schema.items():
print(
f"Field: '{field_name}' has type '{field['type']}' and confidence score "
f"{doc_type.field_confidence[field_name]}"
)
begin_copy_document_model_to
Kopieer een documentmodel dat is opgeslagen in deze resource (de bron) naar de door de gebruiker opgegeven doel Form Recognizer resource.
Dit moet worden aangeroepen met de bron Form Recognizer resource (met het model dat is bedoeld om te worden gekopieerd). De doelparameter moet worden opgegeven vanuit de uitvoer van de doelresource van het aanroepen van de get_copy_authorization methode.
begin_copy_document_model_to(model_id: str, target: TargetAuthorization, **kwargs: Any) -> DocumentModelAdministrationLROPoller[DocumentModelDetails]
Parameters
- target
- <xref:azure.ai.formrecognizer.TargetAuthorization>
De kopieerautorisatie die is gegenereerd op basis van de aanroep van de doelresource naar get_copy_authorization.
Retouren
Een exemplaar van een DocumentModelAdministrationLROPoller. Roep result() aan op het poller-object om een DocumentModelDetailste retourneren.
Retourtype
Uitzonderingen
Voorbeelden
Een model kopiëren van de bronresource naar de doelresource
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentModelAdministrationClient
source_endpoint = os.environ["AZURE_FORM_RECOGNIZER_SOURCE_ENDPOINT"]
source_key = os.environ["AZURE_FORM_RECOGNIZER_SOURCE_KEY"]
target_endpoint = os.environ["AZURE_FORM_RECOGNIZER_TARGET_ENDPOINT"]
target_key = os.environ["AZURE_FORM_RECOGNIZER_TARGET_KEY"]
source_model_id = os.getenv("AZURE_SOURCE_MODEL_ID", custom_model_id)
target_client = DocumentModelAdministrationClient(
endpoint=target_endpoint, credential=AzureKeyCredential(target_key)
)
target = target_client.get_copy_authorization(
description="model copied from other resource"
)
source_client = DocumentModelAdministrationClient(
endpoint=source_endpoint, credential=AzureKeyCredential(source_key)
)
poller = source_client.begin_copy_document_model_to(
model_id=source_model_id,
target=target, # output from target client's call to get_copy_authorization()
)
copied_over_model = poller.result()
print(f"Model ID: {copied_over_model.model_id}")
print(f"Description: {copied_over_model.description}")
print(f"Model created on: {copied_over_model.created_on}")
print(f"Model expires on: {copied_over_model.expires_on}")
print("Doc types the model can recognize:")
for name, doc_type in copied_over_model.doc_types.items():
print(f"Doc Type: '{name}' which has the following fields:")
for field_name, field in doc_type.field_schema.items():
print(
f"Field: '{field_name}' has type '{field['type']}' and confidence score "
f"{doc_type.field_confidence[field_name]}"
)
close
delete_document_classifier
Een documentclassificatie verwijderen.
Nieuw in versie 2023-07-31: De delete_document_classifier-clientmethode .
delete_document_classifier(classifier_id: str, **kwargs: Any) -> None
Parameters
Retouren
Geen
Retourtype
Uitzonderingen
Voorbeelden
Een classificatie verwijderen.
document_model_admin_client.delete_document_classifier(
classifier_id=my_classifier.classifier_id
)
try:
document_model_admin_client.get_document_classifier(
classifier_id=my_classifier.classifier_id
)
except ResourceNotFoundError:
print(f"Successfully deleted classifier with ID {my_classifier.classifier_id}")
delete_document_model
Een aangepast documentmodel verwijderen.
delete_document_model(model_id: str, **kwargs: Any) -> None
Parameters
Retouren
Geen
Retourtype
Uitzonderingen
Voorbeelden
Een model verwijderen.
document_model_admin_client.delete_document_model(model_id=my_model.model_id)
try:
document_model_admin_client.get_document_model(model_id=my_model.model_id)
except ResourceNotFoundError:
print(f"Successfully deleted model with ID {my_model.model_id}")
get_copy_authorization
Autorisatie genereren voor het kopiëren van een aangepast model naar de doelresource Form Recognizer.
Dit moet worden aangeroepen door de doelresource (waarnaar het model wordt gekopieerd) en de uitvoer kan worden doorgegeven als de doelparameter in begin_copy_document_model_to.
get_copy_authorization(**kwargs: Any) -> TargetAuthorization
Parameters
- model_id
- str
Een unieke id voor uw gekopieerde model. Als u dit niet opgeeft, wordt er een model-id voor u gemaakt.
- description
- str
Een optionele beschrijving om aan het model toe te voegen.
Lijst met door de gebruiker gedefinieerde sleutel-waardetagkenmerken die zijn gekoppeld aan het model.
Retouren
Een woordenlijst met waarden die nodig zijn voor de kopieerautorisatie.
Retourtype
Uitzonderingen
get_document_analysis_client
Haal een exemplaar van een DocumentAnalysisClient op uit DocumentModelAdministrationClient.
get_document_analysis_client(**kwargs: Any) -> DocumentAnalysisClient
Retouren
Een DocumentAnalysisClient
Retourtype
Uitzonderingen
get_document_classifier
Een documentclassificatie ophalen op basis van de bijbehorende id.
Nieuw in versie 2023-07-31: De clientmethode get_document_classifier .
get_document_classifier(classifier_id: str, **kwargs: Any) -> DocumentClassifierDetails
Parameters
Retouren
DocumentClassifierDetails
Retourtype
Uitzonderingen
Voorbeelden
Haal een classificatie op op basis van de id.
my_classifier = document_model_admin_client.get_document_classifier(
classifier_id=classifier_model.classifier_id
)
print(f"\nClassifier ID: {my_classifier.classifier_id}")
print(f"Description: {my_classifier.description}")
print(f"Classifier created on: {my_classifier.created_on}")
get_document_model
Een documentmodel ophalen op basis van de id.
get_document_model(model_id: str, **kwargs: Any) -> DocumentModelDetails
Parameters
Retouren
DocumentModelDetails
Retourtype
Uitzonderingen
Voorbeelden
Een model ophalen op basis van de id.
my_model = document_model_admin_client.get_document_model(model_id=model.model_id)
print(f"\nModel ID: {my_model.model_id}")
print(f"Description: {my_model.description}")
print(f"Model created on: {my_model.created_on}")
print(f"Model expires on: {my_model.expires_on}")
get_operation
Een bewerking ophalen op basis van de id.
Haal een bewerking op die is gekoppeld aan de Form Recognizer-resource. Houd er rekening mee dat bewerkingsgegevens slechts 24 uur behouden blijven. Als de documentmodelbewerking is geslaagd, kan het model worden geopend met behulp van de get_document_model API's of list_document_models .
get_operation(operation_id: str, **kwargs: Any) -> OperationDetails
Parameters
Retouren
OperationDetails
Retourtype
Uitzonderingen
Voorbeelden
Een documentmodelbewerking ophalen op basis van de id.
# Get an operation by ID
if operations:
print(f"\nGetting operation info by ID: {operations[0].operation_id}")
operation_info = document_model_admin_client.get_operation(
operations[0].operation_id
)
if operation_info.status == "succeeded":
print(f"My {operation_info.kind} operation is completed.")
result = operation_info.result
if result is not None:
if operation_info.kind == "documentClassifierBuild":
print(f"Classifier ID: {result.classifier_id}")
else:
print(f"Model ID: {result.model_id}")
elif operation_info.status == "failed":
print(f"My {operation_info.kind} operation failed.")
error = operation_info.error
if error is not None:
print(f"{error.code}: {error.message}")
else:
print(f"My operation status is {operation_info.status}")
else:
print("No operations found.")
get_resource_details
Krijg informatie over de modellen onder de Form Recognizer resource.
get_resource_details(**kwargs: Any) -> ResourceDetails
Retouren
Samenvatting van aangepaste modellen onder de resource : aantal en limieten voor modellen.
Retourtype
Uitzonderingen
Voorbeelden
Haal het aantal en de limieten van het model op onder de Form Recognizer resource.
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
account_details = document_model_admin_client.get_resource_details()
print(
f"Our resource has {account_details.custom_document_models.count} custom models, "
f"and we can have at most {account_details.custom_document_models.limit} custom models"
)
neural_models = account_details.neural_document_model_quota
print(
f"The quota limit for custom neural document models is {neural_models.quota} and the resource has"
f"used {neural_models.used}. The resource quota will reset on {neural_models.quota_resets_on}"
)
list_document_classifiers
Geef informatie weer voor elke documentclassificatie, inclusief de classificatie-id, beschrijving en wanneer deze is gemaakt.
Nieuw in versie 2023-07-31: De list_document_classifiers-clientmethode .
list_document_classifiers(**kwargs: Any) -> ItemPaged[DocumentClassifierDetails]
Retouren
Wisselbaar van DocumentClassifierDetails.
Retourtype
Uitzonderingen
Voorbeelden
Maak een lijst met alle classificaties die zijn gemaakt onder de Form Recognizer resource.
classifiers = document_model_admin_client.list_document_classifiers()
print("We have the following 'ready' models with IDs and descriptions:")
for classifier in classifiers:
print(f"{classifier.classifier_id} | {classifier.description}")
list_document_models
Geef informatie weer voor elk model, inclusief de model-id, beschrijving en wanneer het is gemaakt.
list_document_models(**kwargs: Any) -> ItemPaged[DocumentModelSummary]
Retouren
Pageable van DocumentModelSummary.
Retourtype
Uitzonderingen
Voorbeelden
Maak een lijst met alle modellen die zijn gemaakt onder de Form Recognizer resource.
models = document_model_admin_client.list_document_models()
print("We have the following 'ready' models with IDs and descriptions:")
for model in models:
print(f"{model.model_id} | {model.description}")
list_operations
Geef informatie weer voor elke bewerking.
Een lijst met alle bewerkingen die zijn gekoppeld aan de Form Recognizer-resource. Houd er rekening mee dat bewerkingsgegevens slechts 24 uur behouden blijven. Als een documentmodelbewerking is geslaagd, kan het documentmodel worden geopend met behulp van de get_document_model API's of list_document_models .
list_operations(**kwargs: Any) -> ItemPaged[OperationSummary]
Retouren
Een wisselbaar van OperationSummary.
Retourtype
Uitzonderingen
Voorbeelden
Alle documentmodelbewerkingen in de afgelopen 24 uur weergeven.
from azure.core.credentials import AzureKeyCredential
from azure.ai.formrecognizer import DocumentModelAdministrationClient
endpoint = os.environ["AZURE_FORM_RECOGNIZER_ENDPOINT"]
key = os.environ["AZURE_FORM_RECOGNIZER_KEY"]
document_model_admin_client = DocumentModelAdministrationClient(
endpoint=endpoint, credential=AzureKeyCredential(key)
)
operations = list(document_model_admin_client.list_operations())
print("The following document model operations exist under my resource:")
for operation in operations:
print(f"\nOperation ID: {operation.operation_id}")
print(f"Operation kind: {operation.kind}")
print(f"Operation status: {operation.status}")
print(f"Operation percent completed: {operation.percent_completed}")
print(f"Operation created on: {operation.created_on}")
print(f"Operation last updated on: {operation.last_updated_on}")
print(
f"Resource location of successful operation: {operation.resource_location}"
)
send_request
Hiermee wordt een netwerkaanvraag uitgevoerd met behulp van de bestaande pijplijn van de client.
De aanvraag-URL kan relatief zijn ten opzichte van de basis-URL. De service-API-versie die voor de aanvraag wordt gebruikt, is dezelfde als die van de client, tenzij anders opgegeven. Het overschrijven van de geconfigureerde API-versie van de client in relatieve URL wordt ondersteund op de client met API-versie 2022-08-31 en hoger. Overschrijven in absolute URL die wordt ondersteund op client met elke API-versie. Deze methode wordt niet gegenereerd als het antwoord een fout is; als u een uitzondering wilt maken, roept u raise_for_status() aan op het geretourneerde antwoordobject. Zie voor meer informatie over het verzenden van aangepaste aanvragen met deze methode https://aka.ms/azsdk/dpcodegen/python/send_request.
send_request(request: HttpRequest, *, stream: bool = False, **kwargs) -> HttpResponse
Parameters
- stream
- bool
Of de nettolading van het antwoord wordt gestreamd. Standaard ingesteld op False.
Retouren
Het antwoord van uw netwerkoproep. Er wordt geen foutafhandeling uitgevoerd voor uw antwoord.
Retourtype
Uitzonderingen
Azure SDK for Python
Feedback
https://aka.ms/ContentUserFeedback.
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie:Feedback verzenden en weergeven voor