Udostępnij za pośrednictwem

Zainstaluj kontener OCR do odczytu Azure AI Vision 3.2 GA (ogólna dostępność)

Kontenery umożliwiają uruchamianie interfejsów API usługi Azure AI Vision we własnym środowisku i mogą pomóc spełnić określone wymagania dotyczące zabezpieczeń i zarządzania danymi. Z tego artykułu dowiesz się, jak pobrać, zainstalować i uruchomić kontener OCR (Azure AI Vision Read).

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 dostępnym modelem i oferuje:

  • 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.
  • Jedna operacja zarówno dla dokumentów, jak 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 linii tekstu jako stylu odręcznego lub nieodręcznego wyłącznie 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:

Wymagane Cel
Silnik Docker Musisz mieć zainstalowany Silnik Docker 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 widzenie komputerowe Aby można było korzystać z kontenera, musisz mieć następujące elementy:

Zasób Wizja Komputerowa 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. Warunki licencji oprogramowania firmy Microsoft muszą mieć wartość akceptuj. Wymagany jest również identyfikator URI punktu końcowego i klucz interfejsu API.

Identyfikator URI punktu końcowego

Wartość {ENDPOINT_URI} jest dostępna na stronie Przegląd w 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.

Zrzut ekranu przedstawiający zbieranie identyfikatora URI punktu końcowego do późniejszego użycia.

Klucze

Wartość {API_KEY} jest używana do uruchamiania kontenera i jest dostępna na stronie Klucze w portalu Azure dla zasobu usług Azure AI. Przejdź do strony Klucze i wybierz ikonę Kopiuj do schowka.

Zrzut ekranu przedstawiający pobranie jednego z dwóch kluczy do późniejszego użycia.

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:

Obsługa zaawansowanych rozszerzeń wektorów

Komputer główny to komputer, który uruchamia kontener Dockera. Host musi obsługiwaćzaawansowane 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 minimalny i zalecany przydział zasobów dla każdego kontenera OCR.

Kontener Minimalna wartość 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 odpowiadające ustawieniom --cpus i --memory, które są używane w ramach polecenia docker run.

Pobieranie obrazu kontenera

Wizerunek kontenera OCR usługi Azure AI Vision można znaleźć w sieci rejestru kontenerów mcr.microsoft.com. 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 Read.

Kontener Rejestr Kontenerów / Repozytorium / Nazwa Obrazu Tagi
Przeczytaj 3.2 (GA - ogólna dostępność) mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2022-04-30 najnowszy, 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.

  1. Uruchom kontener z wymaganymi ustawieniami rozliczeń. Dostępnych jest więcej przykładówdocker run polecenia.
  2. Wykonaj zapytanie do punktu końcowego prognozowania kontenera.

Uruchamianie kontenera

Użyj polecenia docker run, aby uruchomić kontener. Odwołaj się do zbierania wymaganych parametrów po szczegóły dotyczące uzyskiwania wartości {ENDPOINT_URI} i {API_KEY}.

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 najnowszy kontener OCR 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 przykładówdocker run polecenia.

Ważne

Aby uruchomić kontener, należy określić opcje Eula, Billing i ApiKey; w przeciwnym razie kontener się nie uruchomi. Aby uzyskać więcej informacji, zobacz Rozliczenia.

Jeśli używasz usługi Azure Storage do przechowywania obrazów do przetwarzania, możesz utworzyć parametry połączenia do użycia podczas wywoływania kontenera.

Aby znaleźć parametry połączenia:

  1. Przejdź do Konta magazynowe na portalu Azure i znajdź swoje konto.
  2. Wybierz pozycję Klucze dostępu w okienku po lewej stronie.
  3. Ciąg połączenia znajduje się poniżej Ciąg połączenia

Uruchamianie wielu kontenerów na tym samym hoście

Jeśli zamierzasz uruchomić wiele kontenerów z otwartymi portami, upewnij się, że każdy kontener ma inny otwarty 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 uruchomić wiele kontenerów tych samych usług Azure AI.

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 poniższych adresów URL żądań, 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 ujawnionego portu.

Adres URL żądania Cel
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 być używane do sond sprawności i gotowości Kubernetes.
http://localhost:5000/status Ten adres URL jest również sprawdzany za pomocą żądania GET, aby zweryfikować, czy klucz API używany do rozpoczęcia działania kontenera jest prawidłowy, bez powodowania zapytania punktu końcowego. To żądanie może być używane do sond sprawności i gotowości 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.

Strona główna kontenera

Wykonywanie zapytania dotyczącego punktu końcowego przewidywania kontenera

Kontener udostępnia oparte na REST interfejsy API punktu końcowego prognozowania zapytań.

Użyj hosta http://localhost:5000 dla interfejsów API kontenera. Ścieżkę Swagger można wyświetlić pod adresem: http://localhost:5000/swagger/.

Odczyt asynchroniczny

Możesz używać operacji POST /vision/v3.2/read/analyze i GET /vision/v3.2/read/operations/{operationId} razem, aby asynchronicznie odczytywać obraz, podobnie jak usługa Azure AI Vision używa odpowiednich operacji REST. Asynchroniczna metoda POST zwraca operationId element, który jest używany jako identyfikator żądania HTTP GET.

W interfejsie użytkownika Swagger wybierz Analyze, aby rozwinąć go w przeglądarce. Następnie wybierz opcję Wypróbuj>Wybierz plik. W tym przykładzie użyjemy następującej ilustracji:

tabulatory kontra spacje

Po pomyślnym uruchomieniu asynchronicznego żądania POST zwraca kod stanu HTTP 202 . W ramach odpowiedzi znajduje się nagłówek operation-location, który zawiera adres URL wyników 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

operation-location jest w pełni kwalifikowanym adresem URL, dostępnym przez protokół HTTP GET. Oto odpowiedź JSON po wykonaniu 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 do odczytu za modułem równoważenia obciążenia, na przykład przy użyciu Docker Compose lub Kubernetes, musisz mieć zewnętrzną pamięć podręczną. Ponieważ kontener przetwarzania i GET kontener żądań 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

Dopiero gdy obraz zostanie odczytany w całości, interfejs API zwraca odpowiedź JSON. Jedynym wyjątkiem od tego zachowania jest sytuacja, w której 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 zostałeś zatwierdzony do uruchomienia kontenera bez podłączenia do Internetu, użyj poniższego przykładu formatowania polecenia docker run, które będziesz używał, 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 używać pliku licencji tylko z odpowiednim kontenerem, do którego masz autoryzację. 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, na której zostanie pobrana i zamontowana licencja. /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 portalu Azure. https://<your-custom-subdomain>.cognitiveservices.azure.com
{API_KEY} Klucz dla zasobu analizy tekstu. Możesz go znaleźć na stronie Klucz i punkt końcowy zasobu w portalu Azure. 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 punkt montowania wyjściowego, aby można było zapisywać dane zużycia do 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 CPU do przydzielenia na kontener. 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}

Zatrzymaj kontener

Aby zamknąć kontener, w środowisku wiersza polecenia, w którym jest uruchomiony kontener, wybierz Ctrl+C.

Rozwiązywanie problemów

Jeśli uruchamiasz kontener z zamontowanym katalogiem danych wyjściowych i włączonym rejestrowaniem, kontener generuje pliki dziennika, które są pomocne w rozwiązywaniu problemów występujących podczas uruchamiania lub działania 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} swoim punktem końcowym i zastąp {API_KEY} 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.

Spory dotyczące rozliczeń

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 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.
  • Aby uruchomić obraz kontenera, wymagana jest aplikacja.
  • Obrazy kontenerów działają w Dockerze.
  • Za pomocą interfejsu API REST lub zestawu SDK można wywoływać operacje w kontenerach odczytu OCR, określając identyfikator URI hosta kontenera.
  • Podczas tworzenia 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