Szybki start: podsumowanie niestandardowe (wersja zapoznawcza)

Skorzystaj z tego artykułu, aby rozpocząć tworzenie niestandardowego projektu podsumowania, w którym można trenować modele niestandardowe na podstawie podsumowania. Model to oprogramowanie sztucznej inteligencji, które jest szkolone w celu wykonania określonego zadania. W przypadku tego systemu modele podsumowują tekst i są trenowane przez uczenie się na podstawie zaimportowanych danych.

W tym artykule użyjemy programu Language Studio, aby zademonstrować kluczowe pojęcia dotyczące niestandardowych podsumowań. Jako przykład utworzymy niestandardowy model podsumowania w celu wyodrębnienia obiektu lub lokalizacji leczenia z krótkich notatek zrzutu.

Wymagania wstępne

• Subskrypcja platformy Azure — utwórz bezpłatnie

Tworzenie nowego zasobu języka sztucznej inteligencji platformy Azure i konta usługi Azure Storage

Zanim będzie można użyć niestandardowego podsumowania, musisz utworzyć zasób języka sztucznej inteligencji platformy Azure, który zapewni poświadczenia potrzebne do utworzenia projektu i rozpoczęcia trenowania modelu. Potrzebne będzie również konto usługi Azure Storage, na którym można przekazać zestaw danych, który będzie używany do kompilowania modelu.

Ważne

Aby szybko rozpocząć pracę, zalecamy utworzenie nowego zasobu języka sztucznej inteligencji platformy Azure, wykonując kroki opisane w tym artykule. Wykonanie kroków opisanych w tym artykule pozwoli jednocześnie utworzyć zasób języka i konto magazynu, co jest łatwiejsze niż później.

Tworzenie nowego zasobu w witrynie Azure Portal

1. Przejdź do witryny Azure Portal, aby utworzyć nowy zasób języka sztucznej inteligencji platformy Azure.

2. W wyświetlonym oknie wybierz tę usługę z funkcji niestandardowych. Wybierz pozycję Kontynuuj, aby utworzyć zasób w dolnej części ekranu.

   

3. Utwórz zasób języka, postępując zgodnie z poniższymi szczegółami.

   Nazwa/nazwisko	opis
   Subskrypcja	Swoją subskrypcję platformy Azure.
   Grupa zasobów	Grupa zasobów, która będzie zawierać zasób. Możesz użyć istniejącej lub utworzyć nową.
   Region (Region)	Region zasobu Language. Na przykład "Zachodnie stany USA 2".
   Nazwisko	Nazwa zasobu.
   Warstwa cenowa	Warstwa cenowa zasobu Language. Aby wypróbować usługę, możesz użyć warstwy Bezpłatna (F0).

   Uwaga

   Jeśli zostanie wyświetlony komunikat "Twoje konto logowania nie jest właścicielem wybranej grupy zasobów konta magazynu", twoje konto musi mieć przypisaną rolę właściciela w grupie zasobów, zanim będzie można utworzyć zasób językowy. Skontaktuj się z właścicielem subskrypcji platformy Azure, aby uzyskać pomoc.

4. W sekcji tej usługi wybierz istniejące konto magazynu lub wybierz pozycję Nowe konto magazynu. Te wartości ułatwiają rozpoczęcie pracy, a niekoniecznie wartości konta magazynu, których chcesz użyć w środowiskach produkcyjnych. Aby uniknąć opóźnień podczas kompilowania projektu, połącz się z kontami magazynu w tym samym regionie co zasób języka.

   Wartość konta magazynu	Zalecana wartość
   Nazwa konta magazynu	Dowolna nazwa
   Storage account type	Standardowa LRS

5. Upewnij się, że zaznaczono powiadomienie o odpowiedzialnej sztucznej inteligencji . Wybierz pozycję Przejrzyj i utwórz w dolnej części strony, a następnie wybierz pozycję Utwórz.

Pobierz przykładowe dane

Jeśli potrzebujesz przykładowych danych, udostępniliśmy niektóre scenariusze podsumowania dokumentów i podsumowania konwersacji na potrzeby tego przewodnika Szybki start.

Przekazywanie przykładowych danych do kontenera obiektów blob

1. Lokalizowanie plików do przekazania na konto magazynu

2. W witrynie Azure Portal przejdź do utworzonego konta magazynu i wybierz je.

3. Na koncie magazynu wybierz pozycję Kontenery z menu po lewej stronie, znajdującym się poniżej obszaru Magazyn danych. Na wyświetlonym ekranie wybierz pozycję + Kontener. Nadaj kontenerowi nazwę example-data i pozostaw domyślny poziom dostępu publicznego.

   

4. Po utworzeniu kontenera wybierz go. Następnie wybierz przycisk Przekaż , aby wybrać .txt pobrane wcześniej pliki i .json .

   

Tworzenie niestandardowego projektu podsumowania

Po skonfigurowaniu zasobu i konta magazynu utwórz nowy niestandardowy projekt podsumowania. Projekt to obszar roboczy umożliwiający tworzenie niestandardowych modeli uczenia maszynowego na podstawie danych. Dostęp do projektu można uzyskać tylko do Ciebie i innych osób, które mają dostęp do używanego zasobu Language.

1. Zaloguj się do programu Language Studio. Zostanie wyświetlone okno umożliwiające wybranie subskrypcji i zasobu językowego. Wybierz zasób języka utworzony w powyższym kroku.

2. Wybierz funkcję, której chcesz użyć w programie Language Studio.

3. Wybierz pozycję Utwórz nowy projekt z górnego menu na stronie projektów. Tworzenie projektu umożliwia etykietowanie danych, trenowanie, ocenianie, ulepszanie i wdrażanie modeli.

   

4. Wprowadź informacje o projekcie, w tym nazwę, opis i język plików w projekcie. Jeśli używasz przykładowego zestawu danych, wybierz pozycję Angielski. Nie można później zmienić nazwy projektu. Wybierz Dalej

   Napiwek

   Zestaw danych nie musi być całkowicie w tym samym języku. Można mieć wiele dokumentów, z których każda ma różne obsługiwane języki. Jeśli zestaw danych zawiera dokumenty różnych języków lub jeśli oczekujesz tekstu z różnych języków w czasie wykonywania, wybierz opcję Włącz zestaw danych wielojęzyczny po wprowadzeniu podstawowych informacji dla projektu. Tę opcję można włączyć później na stronie Ustawienia projektu.

5. Po wybraniu pozycji Utwórz nowy projekt zostanie wyświetlone okno umożliwiające nawiązanie połączenia z kontem magazynu. Jeśli masz już połączone konto magazynu, zobaczysz połączone konto magazynu. Jeśli nie, wybierz konto magazynu z wyświetlonej listy rozwijanej i wybierz pozycję Połączenie konto magazynu. Spowoduje to ustawienie wymaganych ról dla konta magazynu. Ten krok może spowodować zwrócenie błędu, jeśli nie masz przypisanego jako właściciel konta magazynu.

   Uwaga

   • Ten krok należy wykonać tylko raz dla każdego nowego zasobu, którego używasz.
   • Ten proces jest nieodwracalny, jeśli połączysz konto magazynu z zasobem języka, nie możesz go odłączyć później.
   • Zasób języka można połączyć tylko z jednym kontem magazynu.

6. Wybierz kontener, w którym został przekazany zestaw danych.

7. Jeśli dane zostały już oznaczone etykietą, upewnij się, że jest on zgodny z obsługiwanym formatem i wybierz pozycję Tak, moje pliki są już oznaczone etykietami, a plik etykiet JSON został sformatowany i wybierz plik etykiet z menu rozwijanego. Wybierz Dalej. Jeśli używasz zestawu danych z przewodnika Szybki start, nie trzeba przeglądać formatowania pliku etykiet JSON.

8. Przejrzyj wprowadzone dane i wybierz pozycję Utwórz projekt.

Szkolenie modelu

Po utworzeniu projektu rozpoczniesz trenowanie modelu.

Aby rozpocząć trenowanie modelu z poziomu programu Language Studio:

1. Wybierz pozycję Zadania trenowania z menu po lewej stronie.

2. Wybierz pozycję Start a training job (Rozpocznij zadanie szkoleniowe) z górnego menu.

3. Wybierz pozycję Train a new model (Trenowanie nowego modelu ) i wpisz nazwę modelu w polu tekstowym. Możesz również zastąpić istniejący model , wybierając tę opcję i wybierając model, który chcesz zastąpić z menu rozwijanego. Zastępowanie wytrenowanego modelu jest nieodwracalne, ale nie wpłynie to na wdrożone modele do momentu wdrożenia nowego modelu.

   

4. Domyślnie system podzieli dane oznaczone etykietami między zestawy treningowe i testowe, zgodnie z określonymi wartościami procentowymi. Jeśli masz dokumenty w zestawie testów, możesz ręcznie podzielić dane trenowania i testowania.

5. Wybierz przycisk Train (Trenuj).

6. Jeśli wybierzesz identyfikator zadania trenowania z listy, zostanie wyświetlone okienko boczne, w którym można sprawdzić postęp trenowania, stan zadania i inne szczegóły dotyczące tego zadania.

   Uwaga

   • Tylko pomyślnie ukończone zadania szkoleniowe będą generować modele.
   • Trenowanie może potrwać od kilku minut do kilku godzin na podstawie rozmiaru oznaczonych danych.
   • Jednocześnie może być uruchomione tylko jedno zadanie trenowania. Nie można uruchomić innego zadania trenowania w tym samym projekcie, dopóki uruchomione zadanie nie zostanie ukończone.

Wdrażanie modelu

Zazwyczaj po trenowaniu modelu należy przejrzeć jego szczegóły oceny i wprowadzić ulepszenia w razie potrzeby. W tym przewodniku Szybki start wdrożysz model i udostępnisz go w programie Language Studio.

Aby wdrożyć model z poziomu programu Language Studio:

1. Wybierz pozycję Deploying a model (Wdrażanie modelu ) z menu po lewej stronie.

2. Wybierz pozycję Dodaj wdrożenie , aby rozpocząć nowe zadanie wdrażania.

   

3. Wybierz pozycję Utwórz nowe wdrożenie, aby utworzyć nowe wdrożenie i przypisać wytrenowany model z poniższej listy rozwijanej. Możesz również zastąpić istniejące wdrożenie, wybierając tę opcję i wybierając wytrenowany model, który chcesz przypisać do niego z listy rozwijanej poniżej.

   Uwaga

   Zastąpienie istniejącego wdrożenia nie wymaga zmian wywołania interfejsu API przewidywania, ale uzyskane wyniki będą oparte na nowo przypisanym modelu.

   

4. Wybierz pozycję Wdróż , aby uruchomić zadanie wdrożenia.

5. Po pomyślnym wdrożeniu obok zostanie wyświetlona data wygaśnięcia. Wygaśnięcie wdrożenia jest wtedy, gdy wdrożony model będzie niedostępny do przewidywania, co zwykle występuje dwanaście miesięcy po wygaśnięciu konfiguracji trenowania.

Testowanie modelu

W tym przewodniku Szybki start użyjesz programu Language Studio do przesłania niestandardowego zadania podsumowania i wizualizacji wyników. W pobranym wcześniej przykładowym zestawie danych możesz znaleźć niektóre dokumenty testowe, których można użyć w tym kroku.

Aby przetestować wdrożone modele z poziomu programu Language Studio:

1. Wybierz pozycję Testowanie wdrożeń z menu po lewej stronie.

2. Wybierz wdrożenie, które chcesz przetestować. Można testować tylko modele przypisane do wdrożeń.

3. W przypadku projektów wielojęzycznych z listy rozwijanej języka wybierz język testowego tekstu.

4. Wybierz wdrożenie, które chcesz wykonać zapytanie/testowanie z listy rozwijanej.

5. Możesz wprowadzić tekst, który chcesz przesłać do żądania lub przekazać .txt plik do użycia.

6. Wybierz pozycję Uruchom test z górnego menu.

7. Na karcie Wynik można zobaczyć wyodrębnione jednostki z tekstu i ich typów. Odpowiedź JSON można również wyświetlić na karcie JSON .

Czyszczenie zasobów

Jeśli projekt nie jest już potrzebny, możesz usunąć projekt przy użyciu programu Language Studio. Wybierz funkcję używaną u góry, a następnie wybierz projekt, który chcesz usunąć. Wybierz pozycję Usuń z górnego menu, aby usunąć projekt.

Następne kroki

• Podsumowanie — omówienie