Instalowanie kontenera OCR usługi Azure AI Vision 3.2 (ogólna dostępność)
Kontenery umożliwiają uruchamianie interfejsów API usługi Azure AI Vision we własnym środowisku i może pomóc spełnić określone wymagania dotyczące zabezpieczeń i ładu danych. W tym artykule dowiesz się, jak pobierać, instalować i uruchamiać kontener odczytu usługi Azure AI Vision (OCR).
Kontener Read umożliwia wyodrębnianie tekstu drukowanego i odręcznego z obrazów i dokumentów w formatach plików JPEG, PNG, BMP, PDF i TIFF. Aby uzyskać więcej informacji na temat usługi Odczytu, zobacz Przewodnik z instrukcjami dotyczącymi interfejsu API odczytu.
Co nowego
Ogólnie 3.2-model-2022-04-30 dostępna wersja kontenera Read jest dostępna z obsługą 164 języków i innych ulepszeń. Jeśli jesteś istniejącym klientem, postępuj zgodnie z instrukcjami pobierania, aby rozpocząć pracę.
Kontener OCR read 3.2 jest najnowszym modelem ogólnie dostępnym i zapewnia:
- Nowe modele pod kątem zwiększonej dokładności.
- Obsługa wielu języków w tym samym dokumencie.
- Obsługa łącznie 164 języków. Zobacz pełną listę języków obsługiwanych przez funkcję OCR.
- Pojedyncza operacja dla dokumentów i obrazów.
- Obsługa większych dokumentów i obrazów.
- Wyniki ufności.
- Obsługa dokumentów z tekstem drukowanym i odręcznym.
- Możliwość wyodrębniania tekstu tylko z zaznaczonych stron w dokumencie.
- Wybierz kolejność danych wyjściowych wiersza tekstu z domyślnej na bardziej naturalną kolejność odczytu tylko dla języków łacińskich.
- Klasyfikacja wierszy tekstu jako styl odręczny lub nie tylko dla języków łacińskich.
Jeśli obecnie używasz kontenera Read 2.0, zapoznaj się z przewodnikiem migracji , aby dowiedzieć się więcej o zmianach w nowych wersjach.
Wymagania wstępne
Przed użyciem kontenerów należy spełnić następujące wymagania wstępne:
| Wymagania | Purpose |
|---|---|
| Aparat platformy Docker | Aparat platformy Docker jest zainstalowany na komputerze hosta. Platforma Docker udostępnia pakiety, które konfigurują środowisko platformy Docker w systemach macOS, Windows i Linux. Aby uzyskać podstawowe informacje na temat platformy Docker i kontenerów, zapoznaj się z artykułem Docker overview (Przegląd platformy Docker). Platforma Docker musi być skonfigurowana tak, aby umożliwić kontenerom łączenie się z platformą Azure i wysyłanie danych rozliczeniowych do platformy Azure. W systemie Windows platforma Docker musi być również skonfigurowana do obsługi kontenerów systemu Linux. |
| Znajomość platformy Docker | Musisz mieć podstawową wiedzę na temat pojęć platformy Docker, takich jak rejestry, repozytoria, kontenery i obrazy kontenerów, a także znajomość podstawowych docker poleceń. |
| zasób przetwarzanie obrazów | Aby można było korzystać z kontenera, musisz mieć następujące elementy: Zasób przetwarzanie obrazów i skojarzony klucz interfejsu API identyfikator URI punktu końcowego. Obie wartości są dostępne na stronach Przegląd i Klucze dla zasobu i są wymagane do uruchomienia kontenera. {API_KEY}: jeden z dwóch dostępnych kluczy zasobów na stronie Klucze {ENDPOINT_URI}: punkt końcowy podany na stronie Przegląd |
Jeśli nie masz subskrypcji platformy Azure, przed rozpoczęciem utwórz bezpłatne konto.
Zbieranie wymaganych parametrów
Wymagane są trzy podstawowe parametry dla wszystkich kontenerów sztucznej inteligencji platformy Azure. Postanowienia licencyjne dotyczące oprogramowania firmy Microsoft muszą być obecne z wartością akceptacji. Wymagany jest również identyfikator URI punktu końcowego i klucz interfejsu API.
Identyfikator URI punktu końcowego
Wartość {ENDPOINT_URI} jest dostępna na stronie Przegląd witryny Azure Portal odpowiedniego zasobu usług Azure AI. Przejdź do strony Przegląd, umieść kursor nad punktem końcowym, a zostanie wyświetlona ikona Kopiuj do schowka. Skopiuj i użyj punktu końcowego w razie potrzeby.
Klucze
Wartość {API_KEY} jest używana do uruchamiania kontenera i jest dostępna na stronie Klucze witryny Azure Portal odpowiedniego zasobu usług Azure AI. Przejdź do strony Klucze i wybierz ikonę Kopiuj do schowka.
Ważne
Te klucze subskrypcji są używane do uzyskiwania dostępu do interfejsu API usług Azure AI. Nie udostępniaj kluczy. Przechowuj je bezpiecznie. Na przykład użyj usługi Azure Key Vault. Zalecamy również regularne ponowne generowanie tych kluczy. Tylko jeden klucz jest wymagany do wykonania wywołania interfejsu API. Podczas ponownego generowania pierwszego klucza można użyć drugiego klucza w celu dalszego dostępu do usługi.
Wymagania dotyczące komputera hosta
Host to komputer oparty na architekturze x64 z uruchomionym kontenerem platformy Docker. Może to być komputer lokalny lub usługa hostingu platformy Docker na platformie Azure, taka jak:
- Azure Kubernetes Service.
- Azure Container Instances.
- Klaster Kubernetes wdrożony w usłudze Azure Stack. Aby uzyskać więcej informacji, zobacz Wdrażanie rozwiązania Kubernetes w usłudze Azure Stack.
Obsługa zaawansowanych rozszerzeń wektorów
Komputer-host to komputer z uruchomionym kontenerem platformy Docker. Host musi obsługiwać zaawansowane rozszerzenia wektorów (AVX2). Możesz sprawdzić obsługę avX2 na hostach z systemem Linux za pomocą następującego polecenia:
grep -q avx2 /proc/cpuinfo && echo AVX2 supported || echo No AVX2 support detected
Ostrzeżenie
Komputer-host jest wymagany do obsługi avX2. Kontener nie będzie działać poprawnie bez obsługi AVX2.
Wymagania i zalecenia dotyczące kontenerów
Uwaga
Wymagania i zalecenia są oparte na testach porównawczych z pojedynczym żądaniem na sekundę przy użyciu obrazu 523 KB zeskanowanego listu biznesowego zawierającego 29 wierszy i łącznie 803 znaków. Zalecana konfiguracja spowodowała około 2 razy szybszą odpowiedź w porównaniu z minimalną konfiguracją.
W poniższej tabeli opisano minimalną i zalecaną alokację zasobów dla każdego kontenera OCR odczytu.
| Kontener | Minimum | Zalecane |
|---|---|---|
| Przeczytaj 3.2 2022-04-30 | 4 rdzenie, 8 GB pamięci | 8 rdzeni, 16 GB pamięci |
| Przeczytaj 3.2 2021-04-12 | 4 rdzenie, 16 GB pamięci | 8 rdzeni, 24 GB pamięci |
- Każdy rdzeń musi być co najmniej 2,6 gigahertz (GHz) lub szybszy.
Rdzeń i pamięć odpowiadają --cpus ustawieniu i --memory , które są używane w ramach docker run polecenia .
Pobieranie obrazu kontenera
Obraz kontenera odczytu usługi Azure AI Vision można znaleźć w syndykacie mcr.microsoft.com rejestru kontenerów. Znajduje się on w azure-cognitive-services repozytorium i ma nazwę read. W pełni kwalifikowana nazwa obrazu kontenera to mcr.microsoft.com/azure-cognitive-services/vision/read.
Aby użyć najnowszej wersji kontenera, możesz użyć tagu latest . Pełną listę tagów można również znaleźć w mcR.
Dostępne są następujące obrazy kontenerów dla opcji Odczyt.
| Kontener | Container Registry / Repository / Image Name | Tagi |
|---|---|---|
| Przeczytaj 3.2 ( ogólna dostępność) | mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30 |
latest, 3.2, 3.2-model-2022-04-30 |
Użyj polecenia , docker pull aby pobrać obraz kontenera.
docker pull mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30
Napiwek
Możesz użyć polecenia docker images , aby wyświetlić listę pobranych obrazów kontenerów. Na przykład następujące polecenie wyświetla identyfikator, repozytorium i tag każdego pobranego obrazu kontenera sformatowane jako tabela:
docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"
IMAGE ID REPOSITORY TAG
<image-id> <repository-path/name> <tag-name>
Jak używać kontenera
Gdy kontener znajduje się na komputerze hosta, użyj następującego procesu, aby pracować z kontenerem.
- Uruchom kontener z wymaganymi ustawieniami rozliczeń. Dostępnych jest więcej przykładów
docker runpolecenia. - Wykonaj zapytanie względem punktu końcowego przewidywania kontenera.
Uruchamianie kontenera
Użyj polecenia docker run, aby uruchomić kontener. Aby uzyskać szczegółowe informacje na temat pobierania {ENDPOINT_URI} wartości i{API_KEY}, zobacz zbieranie wymaganych parametrów.
docker run Dostępne są przykłady polecenia.
docker run --rm -it -p 5000:5000 --memory 16g --cpus 8 \
mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30 \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}
Powyższe polecenie:
- Uruchamia kontener OCR OCR latest GA z obrazu kontenera.
- Przydziela 8 rdzeni procesora CPU i 16 gigabajtów (GB) pamięci.
- Uwidacznia port TCP 5000 i przydziela pseudo-TTY dla kontenera.
- Automatycznie usuwa kontener po jego zakończeniu. Obraz kontenera jest nadal dostępny na komputerze hosta.
Kontener można również uruchomić przy użyciu zmiennych środowiskowych:
docker run --rm -it -p 5000:5000 --memory 16g --cpus 8 \
--env Eula=accept \
--env Billing={ENDPOINT_URI} \
--env ApiKey={API_KEY} \
mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30
Dostępnych jest więcej przykładów docker run polecenia.
Ważne
Aby Eulauruchomić kontener, należy określić opcje , Billingi ApiKey . W przeciwnym razie kontener nie zostanie uruchomiony. Aby uzyskać więcej informacji, zobacz Rozliczenia.
Jeśli potrzebujesz wyższej przepływności (na przykład podczas przetwarzania plików wielostronicowych), rozważ wdrożenie wielu kontenerów w klastrze Kubernetes przy użyciu usług Azure Storage i Azure Queue.
Jeśli używasz usługi Azure Storage do przechowywania obrazów do przetwarzania, możesz utworzyć parametry połączenia do użycia podczas wywoływania kontenera.
Aby znaleźć parametry połączenia:
- Przejdź do pozycji Konta magazynu w witrynie Azure Portal i znajdź swoje konto.
- Wybierz pozycję Klucze dostępu na liście nawigacji po lewej stronie.
- Parametry połączenia będzie znajdować się poniżej parametrów połączenia
Uruchamianie wielu kontenerów na tym samym hoście
Jeśli zamierzasz uruchomić wiele kontenerów z uwidocznionych portów, upewnij się, że każdy kontener ma inny uwidoczniony port. Na przykład uruchom pierwszy kontener na porcie 5000 i drugi kontener na porcie 5001.
Ten kontener i inny kontener usług Azure AI mogą być uruchomione razem na hoście. Można również mieć wiele kontenerów tego samego kontenera usług Azure AI, na których działa.
Sprawdzanie, czy kontener jest uruchomiony
Istnieje kilka sposobów sprawdzania, czy kontener jest uruchomiony. Znajdź zewnętrzny adres IP i uwidoczniony port danego kontenera i otwórz ulubioną przeglądarkę internetową. Użyj różnych adresów URL żądań, które są zgodne z instrukcjami, aby sprawdzić, czy kontener jest uruchomiony. Przykładowe adresy URL żądań wymienione w tym miejscu to http://localhost:5000, ale określony kontener może się różnić. Upewnij się, że korzystasz z zewnętrznego adresu IP kontenera i uwidocznij port.
| Adres URL żądania | Purpose |
|---|---|
http://localhost:5000/ |
Kontener zawiera stronę główną. |
http://localhost:5000/ready |
Żądany przy użyciu polecenia GET ten adres URL zapewnia weryfikację, że kontener jest gotowy do akceptowania zapytania względem modelu. To żądanie może służyć do sond gotowości i gotowości platformy Kubernetes. |
http://localhost:5000/status |
Ten adres URL sprawdza również, czy klucz api-key używany do uruchamiania kontenera jest prawidłowy bez powodowania zapytania punktu końcowego. To żądanie może służyć do sond gotowości i gotowości platformy Kubernetes. |
http://localhost:5000/swagger |
Kontener zawiera pełen zestaw dokumentacji dla punktów końcowych oraz funkcję Wypróbuj. Dzięki tej funkcji możesz wprowadzić ustawienia w formularzu HTML opartym na sieci Web i utworzyć zapytanie bez konieczności pisania kodu. Po powrocie zapytania zostanie udostępnione przykładowe polecenie CURL, aby zademonstrować wymagane nagłówki HTTP i format treści. |
Wykonywanie zapytania dotyczącego punktu końcowego przewidywania kontenera
Kontener udostępnia oparte na interfejsie REST interfejsy API punktu końcowego przewidywania zapytań.
Użyj hosta http://localhost:5000 dla interfejsów API kontenera. Ścieżkę struktury Swagger można wyświetlić pod adresem: http://localhost:5000/swagger/.
Odczyt asynchroniczny
Operacje i GET /vision/v3.2/read/operations/{operationId} można używać POST /vision/v3.2/read/analyze do asynchronicznego odczytywania obrazu, podobnie jak w przypadku używania odpowiednich operacji REST przez usługę Azure AI Vision. Asynchroniczna metoda POST zwróci operationId identyfikator używany jako identyfikator żądania HTTP GET.
W interfejsie użytkownika struktury Swagger wybierz element Analyze , aby rozwinąć go w przeglądarce. Następnie wybierz pozycję Wypróbuj>wybierz pozycję Wybierz plik. W tym przykładzie użyjemy następującej ilustracji:
Po pomyślnym uruchomieniu asynchronicznego żądania POST zwraca kod stanu HTTP 202 . W ramach odpowiedzi istnieje operation-location nagłówek zawierający punkt końcowy wyniku dla żądania.
content-length: 0
date: Fri, 04 Sep 2020 16:23:01 GMT
operation-location: http://localhost:5000/vision/v3.2/read/operations/a527d445-8a74-4482-8cb3-c98a65ec7ef9
server: Kestrel
Jest operation-location to w pełni kwalifikowany adres URL i jest dostępny za pośrednictwem protokołu HTTP GET. Oto odpowiedź JSON z wykonywania operation-location adresu URL z poprzedniego obrazu:
{
"status": "succeeded",
"createdDateTime": "2021-02-04T06:32:08.2752706+00:00",
"lastUpdatedDateTime": "2021-02-04T06:32:08.7706172+00:00",
"analyzeResult": {
"version": "3.2.0",
"readResults": [
{
"page": 1,
"angle": 2.1243,
"width": 502,
"height": 252,
"unit": "pixel",
"lines": [
{
"boundingBox": [
58,
42,
314,
59,
311,
123,
56,
121
],
"text": "Tabs vs",
"appearance": {
"style": {
"name": "handwriting",
"confidence": 0.96
}
},
"words": [
{
"boundingBox": [
68,
44,
225,
59,
224,
122,
66,
123
],
"text": "Tabs",
"confidence": 0.933
},
{
"boundingBox": [
241,
61,
314,
72,
314,
123,
239,
122
],
"text": "vs",
"confidence": 0.977
}
]
},
{
"boundingBox": [
286,
171,
415,
165,
417,
197,
287,
201
],
"text": "paces",
"appearance": {
"style": {
"name": "handwriting",
"confidence": 0.746
}
},
"words": [
{
"boundingBox": [
286,
179,
404,
166,
405,
198,
290,
201
],
"text": "paces",
"confidence": 0.938
}
]
}
]
}
]
}
}
Ważne
Jeśli wdrożysz wiele kontenerów OCR odczytu za modułem równoważenia obciążenia, na przykład w obszarze Docker Compose lub Kubernetes, musisz mieć zewnętrzną pamięć podręczną. Ponieważ kontener przetwarzania i kontener żądań GET mogą nie być takie same, zewnętrzna pamięć podręczna przechowuje wyniki i udostępnia je między kontenerami. Aby uzyskać szczegółowe informacje na temat ustawień pamięci podręcznej, zobacz Konfigurowanie kontenerów usługi Azure AI Vision Docker.
Odczyt synchroniczny
Aby synchronicznie odczytać obraz, możesz użyć następującej operacji.
POST /vision/v3.2/read/syncAnalyze
Gdy obraz jest odczytywany w całości, a następnie tylko wtedy interfejs API zwraca odpowiedź JSON. Jedynym wyjątkiem od tego zachowania jest to, czy wystąpi błąd. Jeśli wystąpi błąd, zwracany jest następujący kod JSON:
{
"status": "Failed"
}
Obiekt odpowiedzi JSON ma ten sam graf obiektu co wersja asynchroniczna. Jeśli jesteś użytkownikiem języka JavaScript i chcesz mieć bezpieczeństwo typu, rozważ użycie języka TypeScript do rzutowania odpowiedzi JSON.
Przykładowy przypadek użycia można znaleźć w piaskownicy języka TypeScript tutaj i wybrać pozycję Uruchom , aby zwizualizować łatwość użycia.
Uruchamianie kontenera odłączonego od Internetu
Aby użyć tego kontenera odłączonego od Internetu, musisz najpierw zażądać dostępu, wypełniając aplikację i kupując plan zobowiązania. Aby uzyskać więcej informacji, zobacz Use Docker containers in disconnected environments (Używanie kontenerów platformy Docker w środowiskach bez połączenia).
Jeśli kontener został zatwierdzony do uruchomienia kontenera odłączonego od Internetu, użyj poniższego przykładu pokazującego formatowanie używanego docker run polecenia z wartościami zastępczymi. Zastąp te wartości zastępcze własnymi wartościami.
Parametr DownloadLicense=True w poleceniu docker run pobierze plik licencji, który umożliwi uruchomienie kontenera platformy Docker, gdy nie jest połączony z Internetem. Zawiera również datę wygaśnięcia, po której plik licencji będzie nieprawidłowy do uruchomienia kontenera. Możesz użyć pliku licencji tylko z odpowiednim kontenerem, dla którego został zatwierdzony. Na przykład nie można użyć pliku licencji dla kontenera zamiany mowy na tekst z kontenerem analizy dokumentów.
| Symbol zastępczy | Wartość | Formatowanie lub przykład |
|---|---|---|
{IMAGE} |
Obraz kontenera, którego chcesz użyć. | mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice |
{LICENSE_MOUNT} |
Ścieżka, w której zostanie pobrana licencja, i zainstalowana. | /host/license:/path/to/license/directory |
{ENDPOINT_URI} |
Punkt końcowy do uwierzytelniania żądania obsługi. Możesz go znaleźć na stronie Klucz i punkt końcowy zasobu w witrynie Azure Portal. | https://<your-custom-subdomain>.cognitiveservices.azure.com |
{API_KEY} |
Klucz zasobu analiza tekstu. Możesz go znaleźć na stronie Klucz i punkt końcowy zasobu w witrynie Azure Portal. | xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx |
{CONTAINER_LICENSE_DIRECTORY} |
Lokalizacja folderu licencji w lokalnym systemie plików kontenera. | /path/to/license/directory |
docker run --rm -it -p 5000:5000 \
-v {LICENSE_MOUNT} \
{IMAGE} \
eula=accept \
billing={ENDPOINT_URI} \
apikey={API_KEY} \
DownloadLicense=True \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Po pobraniu pliku licencji można uruchomić kontener w środowisku odłączonym. W poniższym przykładzie pokazano formatowanie docker run polecenia, którego użyjesz, z wartościami zastępczymi. Zastąp te wartości zastępcze własnymi wartościami.
Wszędzie tam, gdzie kontener jest uruchamiany, plik licencji musi być zainstalowany w kontenerze, a lokalizacja folderu licencji w lokalnym systemie plików kontenera musi być określona za pomocą Mounts:License=polecenia . Należy również określić instalację wyjściową, aby można było zapisywać rekordy użycia rozliczeń.
| Symbol zastępczy | Wartość | Formatowanie lub przykład |
|---|---|---|
{IMAGE} |
Obraz kontenera, którego chcesz użyć. | mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice |
{MEMORY_SIZE} |
Odpowiedni rozmiar pamięci do przydzielenia dla kontenera. | 4g |
{NUMBER_CPUS} |
Odpowiednia liczba procesorów CPU do przydzielenia dla kontenera. | 4 |
{LICENSE_MOUNT} |
Ścieżka, w której będzie znajdować się i instalowana licencja. | /host/license:/path/to/license/directory |
{OUTPUT_PATH} |
Ścieżka wyjściowa rejestrowania rekordów użycia. | /host/output:/path/to/output/directory |
{CONTAINER_LICENSE_DIRECTORY} |
Lokalizacja folderu licencji w lokalnym systemie plików kontenera. | /path/to/license/directory |
{CONTAINER_OUTPUT_DIRECTORY} |
Lokalizacja folderu wyjściowego w lokalnym systemie plików kontenera. | /path/to/output/directory |
docker run --rm -it -p 5000:5000 --memory {MEMORY_SIZE} --cpus {NUMBER_CPUS} \
-v {LICENSE_MOUNT} \
-v {OUTPUT_PATH} \
{IMAGE} \
eula=accept \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Mounts:Output={CONTAINER_OUTPUT_DIRECTORY}
Zatrzymywanie kontenera
Aby zamknąć kontener, w środowisku wiersza polecenia, w którym jest uruchomiony kontener, wybierz Ctrl+C.
Rozwiązywanie problemów
Jeśli uruchamiasz kontener z włączoną instalacją danych wyjściowych i rejestrowaniem, kontener generuje pliki dziennika, które są pomocne w rozwiązywaniu problemów występujących podczas uruchamiania lub uruchamiania kontenera.
Napiwek
Aby uzyskać więcej informacji na temat rozwiązywania problemów i wskazówek, zobacz Często zadawane pytania dotyczące kontenerów usługi Azure AI.
Jeśli masz problem z uruchomieniem kontenera usług Azure AI, możesz spróbować użyć kontenera diagnostyki firmy Microsoft. Ten kontener służy do diagnozowania typowych błędów w środowisku wdrażania, które mogą uniemożliwić działanie kontenerów usługi Azure AI zgodnie z oczekiwaniami.
Aby uzyskać kontener, użyj następującego docker pull polecenia:
docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic
Następnie uruchom kontener. Zastąp {ENDPOINT_URI} ciąg swoim punktem końcowym i zastąp {API_KEY} ciąg kluczem do zasobu:
docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}
Kontener będzie testować łączność sieciową z punktem końcowym rozliczeń.
Rozliczenia
Kontenery usługi Azure AI wysyłają informacje rozliczeniowe na platformę Azure przy użyciu odpowiedniego zasobu na koncie platformy Azure.
Zapytania do kontenera są rozliczane w warstwie cenowej zasobu platformy Azure używanego dla parametru ApiKey .
Kontenery usług AI platformy Azure nie są licencjonowane do uruchamiania bez połączenia z punktem końcowym pomiaru użytkowania ani rozliczeń. Należy zezwolić kontenerom na komunikowanie informacji rozliczeniowych z punktem końcowym rozliczeń przez cały czas. Kontenery usług AI platformy Azure nie wysyłają do firmy Microsoft danych klientów, takich jak obraz lub tekst analizowany.
Łączenie się z platformą Azure
Do uruchomienia kontenera potrzebne są wartości argumentów rozliczeniowych. Te wartości umożliwiają kontenerowi łączenie się z punktem końcowym rozliczeń. Kontener raportuje użycie co około 10 do 15 minut. Jeśli kontener nie łączy się z platformą Azure w dozwolonym przedziale czasu, kontener będzie nadal działać, ale nie obsługuje zapytań, dopóki punkt końcowy rozliczeń nie zostanie przywrócony. Próba nawiązania połączenia jest podejmowana 10 razy w tym samym przedziale czasu od 10 do 15 minut. Jeśli nie może nawiązać połączenia z punktem końcowym rozliczeń w ciągu 10 prób, kontener przestanie obsługiwać żądania. Zobacz często zadawane pytania dotyczące kontenera usług AI platformy Azure, aby uzyskać przykład informacji wysyłanych do firmy Microsoft na potrzeby rozliczeń.
Argumenty rozliczeniowe
Polecenie docker run uruchomi kontener, gdy wszystkie trzy z następujących opcji są dostarczane z prawidłowymi wartościami:
| Opcja | Opis |
|---|---|
ApiKey |
Klucz interfejsu API zasobu usług Azure AI używany do śledzenia informacji rozliczeniowych. Wartość tej opcji musi być ustawiona na klucz interfejsu API dla zaaprowizowanego zasobu określonego w pliku Billing. |
Billing |
Punkt końcowy zasobu usług Azure AI używany do śledzenia informacji rozliczeniowych. Wartość tej opcji musi być ustawiona na identyfikator URI punktu końcowego aprowizowanego zasobu platformy Azure. |
Eula |
Wskazuje, że zaakceptowano licencję dla kontenera. Wartość tej opcji należy ustawić tak, aby akceptowała. |
Aby uzyskać więcej informacji na temat tych opcji, zobacz Konfigurowanie kontenerów.
Podsumowanie
W tym artykule przedstawiono pojęcia i przepływ pracy dotyczące pobierania, instalowania i uruchamiania kontenerów usługi Azure AI Vision. Podsumowując:
- Usługa Azure AI Vision udostępnia kontener systemu Linux dla platformy Docker, hermetyzując odczyt.
- Obraz kontenera odczytu wymaga aplikacji, aby ją uruchomić.
- Obrazy kontenerów są uruchamiane na platformie Docker.
- Za pomocą interfejsu API REST lub zestawu SDK można wywoływać operacje w kontenerach odczytu OCR, określając identyfikator URI hosta kontenera.
- Podczas tworzenia wystąpienia kontenera należy określić informacje o rozliczeniach.
Ważne
Kontenery sztucznej inteligencji platformy Azure nie mają licencji na uruchamianie bez nawiązywania połączenia z platformą Azure na potrzeby pomiaru użytkowania. Klienci muszą umożliwić kontenerom komunikowanie informacji rozliczeniowych z usługą pomiarów przez cały czas. Kontenery sztucznej inteligencji platformy Azure nie wysyłają danych klientów (na przykład obrazu lub tekstu analizowanego) do firmy Microsoft.
Następne kroki
- Zapoznaj się z artykułem Konfigurowanie kontenerów pod kątem ustawień konfiguracji
- Zapoznaj się z omówieniem OCR, aby dowiedzieć się więcej na temat rozpoznawania tekstu drukowanego i odręcznego
- Szczegółowe informacje na temat metod obsługiwanych przez kontener można znaleźć w interfejsie API odczytu.
- Zapoznaj się z często zadawanymi pytaniami , aby rozwiązać problemy związane z funkcją usługi Azure AI Vision.
- Korzystanie z większej liczby kontenerów sztucznej inteligencji platformy Azure
Opinia
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź: https://aka.ms/ContentUserFeedback.
Prześlij i wyświetl opinię dla