Dela via


DocumentModelAdministrationClient class

En klient för att interagera med Formigenkänning-tjänstens modellhanteringsfunktioner, till exempel skapa, läsa, lista, ta bort och kopiera modeller.

Exempel:

Azure Active Directory

import { DocumentModelAdministrationClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new DocumentModelAdministrationClient(endpoint, credential);

API-nyckel (prenumerationsnyckel)

import { DocumentModelAdministrationClient, AzureKeyCredential } from "@azure/ai-form-recognizer";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new DocumentModelAdministrationClient(endpoint, credential);

Konstruktorer

DocumentModelAdministrationClient(string, KeyCredential, DocumentModelAdministrationClientOptions)

Skapa en DocumentModelAdministrationClient-instans från en resursslutpunkt och en statisk API-nyckel (KeyCredential),

Exempel:

import { DocumentModelAdministrationClient, AzureKeyCredential } from "@azure/ai-form-recognizer";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new DocumentModelAdministrationClient(endpoint, credential);
DocumentModelAdministrationClient(string, TokenCredential, DocumentModelAdministrationClientOptions)

Skapa en DocumentModelAdministrationClient-instans från en resursslutpunkt och en Azure Identity TokenCredential.

Mer information om autentisering med Azure Active Directory finns i @azure/identity paketet.

Exempel:

import { DocumentModelAdministrationClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new DocumentModelAdministrationClient(endpoint, credential);

Metoder

beginBuildDocumentClassifier(string, DocumentClassifierDocumentTypeSources, BeginBuildDocumentClassifierOptions)

Skapa en ny dokumentklassificerare med angivet klassificerar-ID och dokumenttyper.

Klassificerarens ID måste vara unikt bland klassificerare i resursen.

Dokumenttyperna anges som ett objekt som mappar namnet på dokumenttypen till träningsdatauppsättningen för den dokumenttypen. Två metoder för inmatning av träningsdata stöds:

  • azureBlobSource, som tränar en klassificerare med hjälp av data i den angivna Azure Blob Storage containern.
  • azureBlobFileListSource, vilket liknar azureBlobSource men ger mer detaljerad kontroll över de filer som ingår i träningsdatauppsättningen med hjälp av en JSONL-formaterad fillista.

Formigenkänning-tjänsten läser träningsdatauppsättningen från en Azure Storage-container, som anges som en URL till containern med en SAS-token som gör att tjänstserverdelen kan kommunicera med containern. Behörigheterna "read" och "list" krävs som minst. Dessutom måste data i den angivna containern ordnas enligt en viss konvention, som dokumenteras i tjänstens dokumentation för att skapa anpassade dokumentklassificerare.

Exempel

const classifierId = "aNewClassifier";
const containerUrl1 = "<training data container SAS URL 1>";
const containerUrl2 = "<training data container SAS URL 2>";

const poller = await client.beginBuildDocumentClassifier(
  classifierId,
  {
    // The document types. Each entry in this object should map a document type name to a
    // `ClassifierDocumentTypeDetails` object
    "formX": {
      azureBlobSource: {
        containerUrl: containerUrl1,
      }
    },
    "formY": {
      azureBlobFileListSource: {
        containerUrl: containerUrl2,
        fileList: "path/to/fileList.jsonl"
      }
    },
  },
  {
    // Optionally, a text description may be attached to the classifier
    description: "This is an example classifier!"
  }
);

// Classifier building, like model creation operations, returns a poller that eventually produces a
// DocumentClassifierDetails object
const classifierDetails = await poller.pollUntilDone();

const {
  classifierId, // identical to the classifierId given when creating the classifier
  description, // identical to the description given when creating the classifier (if any)
  createdOn, // the Date (timestamp) that the classifier was created
  docTypes // information about the document types in the classifier and their details
} = classifierDetails;
beginBuildDocumentModel(string, DocumentModelSource, DocumentModelBuildMode, BeginBuildDocumentModelOptions)

Skapa en ny modell med ett visst ID från en modellinnehållskälla.

Modell-ID:t kan bestå av valfri text, så länge den inte börjar med "prebuilt-" (eftersom dessa modeller refererar till fördefinierade Formigenkänning modeller som är gemensamma för alla resurser) och så länge det inte redan finns i resursen.

Innehållskällan beskriver den mekanism som tjänsten använder för att läsa träningsdata för indata. Mer information finns i typen <xref:DocumentModelContentSource> .

Exempel

const modelId = "aNewModel";

const poller = await client.beginBuildDocumentModel(modelId, { containerUrl: "<SAS-encoded blob container URL>" }, {
  // Optionally, a text description may be attached to the model
  description: "This is an example model!"
});

// Model building, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the model
  description, // identical to the description given when creating the model
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types in the model and their field schemas
} = modelDetails;
beginBuildDocumentModel(string, string, DocumentModelBuildMode, BeginBuildDocumentModelOptions)

Skapa en ny modell med ett visst ID från en uppsättning indatadokument och märkta fält.

Modell-ID:t kan bestå av valfri text, så länge den inte börjar med "prebuilt-" (eftersom dessa modeller refererar till fördefinierade Formigenkänning modeller som är gemensamma för alla resurser) och så länge det inte redan finns i resursen.

Formigenkänning-tjänsten läser träningsdatauppsättningen från en Azure Storage-container, som anges som en URL till containern med en SAS-token som gör att tjänstserverdelen kan kommunicera med containern. Behörigheterna "read" och "list" krävs som minst. Dessutom måste data i den angivna containern ordnas enligt en viss konvention, som dokumenteras i tjänstens dokumentation för att skapa anpassade modeller.

Exempel

const modelId = "aNewModel";
const containerUrl = "<training data container SAS URL>";

const poller = await client.beginBuildDocumentModel(modelId, containerUrl, {
  // Optionally, a text description may be attached to the model
  description: "This is an example model!"
});

// Model building, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the model
  description, // identical to the description given when creating the model
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types in the model and their field schemas
} = modelDetails;
beginComposeDocumentModel(string, Iterable<string>, BeginComposeDocumentModelOptions)

Skapar en enda sammansatt modell från flera befintliga undermodeller.

Den resulterande sammansatta modellen kombinerar dokumenttyperna för dess komponentmodeller och infogar ett klassificeringssteg i extraheringspipelinen för att avgöra vilken av dess komponentundermodeller som passar bäst för angivna indata.

Exempel

const modelId = "aNewComposedModel";
const subModelIds = [
  "documentType1Model",
  "documentType2Model",
  "documentType3Model"
];

// The resulting composed model can classify and extract data from documents
// conforming to any of the above document types
const poller = await client.beginComposeDocumentModel(modelId, subModelIds, {
  description: "This is a composed model that can handle several document types."
});

// Model composition, like all other model creation operations, returns a poller that eventually produces a
// ModelDetails object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the model
  description, // identical to the description given when creating the model
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types of the composed submodels
} = modelDetails;
beginCopyModelTo(string, CopyAuthorization, BeginCopyModelOptions)

Kopierar en modell med det angivna ID:t till resurs- och modell-ID:t som kodas av en viss kopieringsauktorisering.

Se CopyAuthorization och getCopyAuthorization.

Exempel

// We need a client for the source model's resource
const sourceEndpoint = "https://<source resource name>.cognitiveservices.azure.com";
const sourceCredential = new AzureKeyCredential("<source api key>");
const sourceClient = new DocumentModelAdministrationClient(sourceEndpoint, sourceCredential);

// We create the copy authorization using a client authenticated with the destination resource. Note that these two
// resources can be the same (you can copy a model to a new ID in the same resource).
const copyAuthorization = await client.getCopyAuthorization("<destination model ID>");

// Finally, use the _source_ client to copy the model and await the copy operation
const poller = await sourceClient.beginCopyModelTo("<source model ID>");

// Model copying, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the copy authorization
  description, // identical to the description given when creating the copy authorization
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types of the model (identical to the original, source model)
} = modelDetails;
deleteDocumentClassifier(string, OperationOptions)

Tar bort en klassificerare med det angivna ID:t från klientens resurs, om den finns. Det går inte att återställa den här åtgärden.

Exempel

await client.deleteDocumentClassifier("<classifier ID to delete>"));
deleteDocumentModel(string, DeleteDocumentModelOptions)

Tar bort en modell med det angivna ID:t från klientens resurs, om den finns. Det går inte att återställa den här åtgärden.

Exempel

await client.deleteDocumentModel("<model ID to delete>"));
getCopyAuthorization(string, GetCopyAuthorizationOptions)

Skapar en auktorisering för att kopiera en modell till resursen som används med beginCopyModelTo metoden .

CopyAuthorization Ger en annan kognitiv tjänstresurs rätt att skapa en modell i klientens resurs med modell-ID och valfri beskrivning som är kodade i auktoriseringen.

Exempel

// The copyAuthorization data structure stored below grants any cognitive services resource the right to copy a
// model into the client's resource with the given destination model ID.
const copyAuthorization = await client.getCopyAuthorization("<destination model ID>");
getDocumentClassifier(string, OperationOptions)

Hämtar information om en klassificerare (DocumentClassifierDetails) efter ID.

Exempel

const classifierId = "<classifier ID";

const {
  classifierId, // identical to the ID given when calling `getDocumentClassifier`
  description, // a textual description of the classifier, if provided during classifier creation
  createdOn, // the Date (timestamp) that the classifier was created
  // information about the document types in the classifier and their corresponding traning data
  docTypes
} = await client.getDocumentClassifier(classifierId);

// The `docTypes` property is a map of document type names to information about the training data
// for that document type.
for (const [docTypeName, classifierDocTypeDetails] of Object.entries(docTypes)) {
 console.log(`- '${docTypeName}': `, classifierDocTypeDetails);
}
getDocumentModel(string, GetModelOptions)

Hämtar information om en modell (DocumentModelDetails) efter ID.

Den här metoden kan hämta information om anpassade och fördefinierade modeller.

Icke-bakåtkompatibel ändring

I tidigare versioner av Formigenkänning REST API och SDK getModel kan metoden returnera vilken modell som helst, även en modell som inte kunde skapas på grund av fel. I de nya tjänstversionerna getDocumentModel och listDocumentModelsskapar endast modeller som skapats korrekt (dvs. modeller som är "redo" för användning). Misslyckade modeller hämtas nu via "åtgärder"-API:erna, se getOperation och listOperations.

Exempel

// The ID of the prebuilt business card model
const modelId = "prebuilt-businessCard";

const {
  modelId, // identical to the modelId given when calling `getDocumentModel`
  description, // a textual description of the model, if provided during model creation
  createdOn, // the Date (timestamp) that the model was created
  // information about the document types in the model and their field schemas
  docTypes: {
    // the document type of the prebuilt business card model
    "prebuilt:businesscard": {
      // an optional, textual description of this document type
      description,
      // the schema of the fields in this document type, see the FieldSchema type
      fieldSchema,
      // the service's confidences in the fields (an object with field names as properties and numeric confidence
      // values)
      fieldConfidence
    }
  }
} = await client.getDocumentModel(modelId);
getOperation(string, GetOperationOptions)

Hämtar information om en åtgärd (OperationDetails) med dess ID.

Åtgärder representerar icke-analysaktiviteter, till exempel att skapa, skapa eller kopiera en modell.

getResourceDetails(GetResourceDetailsOptions)

Hämta grundläggande information om klientens resurs.

Exempel

const {
  // Information about the custom models in the current resource
  customDocumentModelDetails: {
    // The number of custom models in the current resource
    count,
    // The maximum number of models that the current resource can support
    limit
  }
} = await client.getResourceDetails();
listDocumentClassifiers(ListModelsOptions)

Visa information om klassificerare i resursen. Den här åtgärden stöder växling.

Exempel

Async Iteration

for await (const details of client.listDocumentClassifiers()) {
  const {
    classifierId, // The classifier's unique ID
    description, // a textual description of the classifier, if provided during creation
    docTypes, // information about the document types in the classifier and their corresponding traning data
  } = details;
}

Efter sida

// The listDocumentClassifiers method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listDocumentClassifiers().byPage();

for await (const page of pages) {
  // Each page is an array of classifiers and can be iterated synchronously
  for (const details of page) {
    const {
      classifierId, // The classifier's unique ID
      description, // a textual description of the classifier, if provided during creation
      docTypes, // information about the document types in the classifier and their corresponding traning data
    } = details;
  }
}
listDocumentModels(ListModelsOptions)

Lista sammanfattningar av modeller i resursen. Anpassade och fördefinierade modeller kommer att ingå. Den här åtgärden stöder växling.

Modellsammanfattningen (DocumentModelSummary) innehåller endast grundläggande information om modellen och innehåller inte information om dokumenttyperna i modellen (till exempel fältscheman och konfidensvärden).

Om du vill komma åt den fullständiga informationen om modellen använder du getDocumentModel.

Icke-bakåtkompatibel ändring

I tidigare versioner av Formigenkänning REST API och SDK listModels returnerar metoden alla modeller, även de som inte kunde skapas på grund av fel. I de nya tjänstversionerna listDocumentModels och getDocumentModelskapar endast modeller som skapats korrekt (dvs. modeller som är "redo" för användning). Misslyckade modeller hämtas nu via "åtgärder"-API:erna, se getOperation och listOperations.

Exempel

Async Iteration

for await (const summary of client.listDocumentModels()) {
  const {
    modelId, // The model's unique ID
    description, // a textual description of the model, if provided during model creation
  } = summary;

  // You can get the full model info using `getDocumentModel`
  const model = await client.getDocumentModel(modelId);
}

Efter sida

// The listDocumentModels method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listDocumentModels().byPage();

for await (const page of pages) {
  // Each page is an array of models and can be iterated synchronously
  for (const model of page) {
    const {
      modelId, // The model's unique ID
      description, // a textual description of the model, if provided during model creation
    } = summary;

    // You can get the full model info using `getDocumentModel`
    const model = await client.getDocumentModel(modelId);
  }
}
listOperations(ListOperationsOptions)

Lista modellskapande åtgärder i resursen. Detta skapar alla åtgärder, inklusive åtgärder som inte kunde skapa modeller. Den här åtgärden stöder växling.

Exempel

Async Iteration

for await (const operation of client.listOperations()) {
  const {
    operationId, // the operation's GUID
    status, // the operation status, one of "notStarted", "running", "succeeded", "failed", or "canceled"
    percentCompleted // the progress of the operation, from 0 to 100
  } = operation;
}

Efter sida

// The listOperations method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listOperations().byPage();

for await (const page of pages) {
  // Each page is an array of operation info objects and can be iterated synchronously
  for (const operation of page) {
    const {
      operationId, // the operation's GUID
      status, // the operation status, one of "notStarted", "running", "succeeded", "failed", or "canceled"
      percentCompleted // the progress of the operation, from 0 to 100
    } = operation;
  }
}

Konstruktorinformation

DocumentModelAdministrationClient(string, KeyCredential, DocumentModelAdministrationClientOptions)

Skapa en DocumentModelAdministrationClient-instans från en resursslutpunkt och en statisk API-nyckel (KeyCredential),

Exempel:

import { DocumentModelAdministrationClient, AzureKeyCredential } from "@azure/ai-form-recognizer";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new AzureKeyCredential("<api key>");

const client = new DocumentModelAdministrationClient(endpoint, credential);
new DocumentModelAdministrationClient(endpoint: string, credential: KeyCredential, options?: DocumentModelAdministrationClientOptions)

Parametrar

endpoint

string

slutpunkts-URL:en för en Azure Cognitive Services-instans

credential
KeyCredential

en KeyCredential som innehåller prenumerationsnyckeln för Cognitive Services-instansen

options
DocumentModelAdministrationClientOptions

valfria inställningar för att konfigurera alla metoder i klienten

DocumentModelAdministrationClient(string, TokenCredential, DocumentModelAdministrationClientOptions)

Skapa en DocumentModelAdministrationClient-instans från en resursslutpunkt och en Azure Identity TokenCredential.

Mer information om autentisering med Azure Active Directory finns i @azure/identity paketet.

Exempel:

import { DocumentModelAdministrationClient } from "@azure/ai-form-recognizer";
import { DefaultAzureCredential } from "@azure/identity";

const endpoint = "https://<resource name>.cognitiveservices.azure.com";
const credential = new DefaultAzureCredential();

const client = new DocumentModelAdministrationClient(endpoint, credential);
new DocumentModelAdministrationClient(endpoint: string, credential: TokenCredential, options?: DocumentModelAdministrationClientOptions)

Parametrar

endpoint

string

slutpunkts-URL:en för en Azure Cognitive Services-instans

credential
TokenCredential

en TokenCredential-instans från @azure/identity paketet

options
DocumentModelAdministrationClientOptions

valfria inställningar för att konfigurera alla metoder i klienten

Metodinformation

beginBuildDocumentClassifier(string, DocumentClassifierDocumentTypeSources, BeginBuildDocumentClassifierOptions)

Skapa en ny dokumentklassificerare med angivet klassificerar-ID och dokumenttyper.

Klassificerarens ID måste vara unikt bland klassificerare i resursen.

Dokumenttyperna anges som ett objekt som mappar namnet på dokumenttypen till träningsdatauppsättningen för den dokumenttypen. Två metoder för inmatning av träningsdata stöds:

  • azureBlobSource, som tränar en klassificerare med hjälp av data i den angivna Azure Blob Storage containern.
  • azureBlobFileListSource, vilket liknar azureBlobSource men ger mer detaljerad kontroll över de filer som ingår i träningsdatauppsättningen med hjälp av en JSONL-formaterad fillista.

Formigenkänning-tjänsten läser träningsdatauppsättningen från en Azure Storage-container, som anges som en URL till containern med en SAS-token som gör att tjänstserverdelen kan kommunicera med containern. Behörigheterna "read" och "list" krävs som minst. Dessutom måste data i den angivna containern ordnas enligt en viss konvention, som dokumenteras i tjänstens dokumentation för att skapa anpassade dokumentklassificerare.

Exempel

const classifierId = "aNewClassifier";
const containerUrl1 = "<training data container SAS URL 1>";
const containerUrl2 = "<training data container SAS URL 2>";

const poller = await client.beginBuildDocumentClassifier(
  classifierId,
  {
    // The document types. Each entry in this object should map a document type name to a
    // `ClassifierDocumentTypeDetails` object
    "formX": {
      azureBlobSource: {
        containerUrl: containerUrl1,
      }
    },
    "formY": {
      azureBlobFileListSource: {
        containerUrl: containerUrl2,
        fileList: "path/to/fileList.jsonl"
      }
    },
  },
  {
    // Optionally, a text description may be attached to the classifier
    description: "This is an example classifier!"
  }
);

// Classifier building, like model creation operations, returns a poller that eventually produces a
// DocumentClassifierDetails object
const classifierDetails = await poller.pollUntilDone();

const {
  classifierId, // identical to the classifierId given when creating the classifier
  description, // identical to the description given when creating the classifier (if any)
  createdOn, // the Date (timestamp) that the classifier was created
  docTypes // information about the document types in the classifier and their details
} = classifierDetails;
function beginBuildDocumentClassifier(classifierId: string, docTypeSources: DocumentClassifierDocumentTypeSources, options?: BeginBuildDocumentClassifierOptions): Promise<DocumentClassifierPoller>

Parametrar

classifierId

string

det unika ID:t för klassificeraren som ska skapas

docTypeSources
DocumentClassifierDocumentTypeSources

de dokumenttyper som ska ingå i klassificeraren och deras källor (en karta över dokumenttypsnamn till ClassifierDocumentTypeDetails)

options
BeginBuildDocumentClassifierOptions

valfria inställningar för klassificerarens byggåtgärd

Returer

en tidskrävande åtgärd (poller) som så småningom kommer att generera den skapade klassificerarens information eller ett fel

beginBuildDocumentModel(string, DocumentModelSource, DocumentModelBuildMode, BeginBuildDocumentModelOptions)

Skapa en ny modell med ett visst ID från en modellinnehållskälla.

Modell-ID:t kan bestå av valfri text, så länge den inte börjar med "prebuilt-" (eftersom dessa modeller refererar till fördefinierade Formigenkänning modeller som är gemensamma för alla resurser) och så länge det inte redan finns i resursen.

Innehållskällan beskriver den mekanism som tjänsten använder för att läsa träningsdata för indata. Mer information finns i typen <xref:DocumentModelContentSource> .

Exempel

const modelId = "aNewModel";

const poller = await client.beginBuildDocumentModel(modelId, { containerUrl: "<SAS-encoded blob container URL>" }, {
  // Optionally, a text description may be attached to the model
  description: "This is an example model!"
});

// Model building, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the model
  description, // identical to the description given when creating the model
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types in the model and their field schemas
} = modelDetails;
function beginBuildDocumentModel(modelId: string, contentSource: DocumentModelSource, buildMode: DocumentModelBuildMode, options?: BeginBuildDocumentModelOptions): Promise<DocumentModelPoller>

Parametrar

modelId

string

det unika ID:t för modellen som ska skapas

contentSource
DocumentModelSource

en innehållskälla som tillhandahåller träningsdata för den här modellen

buildMode

DocumentModelBuildMode

det läge som ska användas när modellen skapas (se DocumentModelBuildMode)

options
BeginBuildDocumentModelOptions

valfria inställningar för modellbyggåtgärden

Returer

en långvarig åtgärd (poller) som så småningom skapar den skapade modellinformationen eller ett fel

beginBuildDocumentModel(string, string, DocumentModelBuildMode, BeginBuildDocumentModelOptions)

Skapa en ny modell med ett visst ID från en uppsättning indatadokument och märkta fält.

Modell-ID:t kan bestå av valfri text, så länge den inte börjar med "prebuilt-" (eftersom dessa modeller refererar till fördefinierade Formigenkänning modeller som är gemensamma för alla resurser) och så länge det inte redan finns i resursen.

Formigenkänning-tjänsten läser träningsdatauppsättningen från en Azure Storage-container, som anges som en URL till containern med en SAS-token som gör att tjänstserverdelen kan kommunicera med containern. Behörigheterna "read" och "list" krävs som minst. Dessutom måste data i den angivna containern ordnas enligt en viss konvention, som dokumenteras i tjänstens dokumentation för att skapa anpassade modeller.

Exempel

const modelId = "aNewModel";
const containerUrl = "<training data container SAS URL>";

const poller = await client.beginBuildDocumentModel(modelId, containerUrl, {
  // Optionally, a text description may be attached to the model
  description: "This is an example model!"
});

// Model building, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the model
  description, // identical to the description given when creating the model
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types in the model and their field schemas
} = modelDetails;
function beginBuildDocumentModel(modelId: string, containerUrl: string, buildMode: DocumentModelBuildMode, options?: BeginBuildDocumentModelOptions): Promise<DocumentModelPoller>

Parametrar

modelId

string

det unika ID:t för modellen som ska skapas

containerUrl

string

SAS-kodad URL till en Azure Storage-container som innehåller träningsdatauppsättningen

buildMode

DocumentModelBuildMode

det läge som ska användas när modellen skapas (se DocumentModelBuildMode)

options
BeginBuildDocumentModelOptions

valfria inställningar för modellbyggåtgärden

Returer

en långvarig åtgärd (poller) som så småningom skapar den skapade modellinformationen eller ett fel

beginComposeDocumentModel(string, Iterable<string>, BeginComposeDocumentModelOptions)

Skapar en enda sammansatt modell från flera befintliga undermodeller.

Den resulterande sammansatta modellen kombinerar dokumenttyperna för dess komponentmodeller och infogar ett klassificeringssteg i extraheringspipelinen för att avgöra vilken av dess komponentundermodeller som passar bäst för angivna indata.

Exempel

const modelId = "aNewComposedModel";
const subModelIds = [
  "documentType1Model",
  "documentType2Model",
  "documentType3Model"
];

// The resulting composed model can classify and extract data from documents
// conforming to any of the above document types
const poller = await client.beginComposeDocumentModel(modelId, subModelIds, {
  description: "This is a composed model that can handle several document types."
});

// Model composition, like all other model creation operations, returns a poller that eventually produces a
// ModelDetails object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the model
  description, // identical to the description given when creating the model
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types of the composed submodels
} = modelDetails;
function beginComposeDocumentModel(modelId: string, componentModelIds: Iterable<string>, options?: BeginComposeDocumentModelOptions): Promise<DocumentModelPoller>

Parametrar

modelId

string

det unika ID:t för modellen som ska skapas

componentModelIds

Iterable<string>

en iterabel sträng som representerar de unika modell-ID:erna för de modeller som ska skrivas

options
BeginComposeDocumentModelOptions

valfria inställningar för att skapa modell

Returer

en långvarig åtgärd (poller) som så småningom skapar den skapade modellinformationen eller ett fel

beginCopyModelTo(string, CopyAuthorization, BeginCopyModelOptions)

Kopierar en modell med det angivna ID:t till resurs- och modell-ID:t som kodas av en viss kopieringsauktorisering.

Se CopyAuthorization och getCopyAuthorization.

Exempel

// We need a client for the source model's resource
const sourceEndpoint = "https://<source resource name>.cognitiveservices.azure.com";
const sourceCredential = new AzureKeyCredential("<source api key>");
const sourceClient = new DocumentModelAdministrationClient(sourceEndpoint, sourceCredential);

// We create the copy authorization using a client authenticated with the destination resource. Note that these two
// resources can be the same (you can copy a model to a new ID in the same resource).
const copyAuthorization = await client.getCopyAuthorization("<destination model ID>");

// Finally, use the _source_ client to copy the model and await the copy operation
const poller = await sourceClient.beginCopyModelTo("<source model ID>");

// Model copying, like all other model creation operations, returns a poller that eventually produces a ModelDetails
// object
const modelDetails = await poller.pollUntilDone();

const {
  modelId, // identical to the modelId given when creating the copy authorization
  description, // identical to the description given when creating the copy authorization
  createdOn, // the Date (timestamp) that the model was created
  docTypes // information about the document types of the model (identical to the original, source model)
} = modelDetails;
function beginCopyModelTo(sourceModelId: string, authorization: CopyAuthorization, options?: BeginCopyModelOptions): Promise<DocumentModelPoller>

Parametrar

sourceModelId

string

det unika ID:t för källmodellen som ska kopieras

authorization
CopyAuthorization

en auktorisering för att kopiera modellen som skapats med hjälp av getCopyAuthorization

options
BeginCopyModelOptions

valfria inställningar för

Returer

en långvarig åtgärd (poller) som så småningom genererar den kopierade modellinformationen eller ett fel

deleteDocumentClassifier(string, OperationOptions)

Tar bort en klassificerare med det angivna ID:t från klientens resurs, om den finns. Det går inte att återställa den här åtgärden.

Exempel

await client.deleteDocumentClassifier("<classifier ID to delete>"));
function deleteDocumentClassifier(classifierId: string, options?: OperationOptions): Promise<void>

Parametrar

classifierId

string

det unika ID:t för klassificeraren som ska tas bort från resursen

options
OperationOptions

valfria inställningar för begäran

Returer

Promise<void>

deleteDocumentModel(string, DeleteDocumentModelOptions)

Tar bort en modell med det angivna ID:t från klientens resurs, om den finns. Det går inte att återställa den här åtgärden.

Exempel

await client.deleteDocumentModel("<model ID to delete>"));
function deleteDocumentModel(modelId: string, options?: DeleteDocumentModelOptions): Promise<void>

Parametrar

modelId

string

det unika ID för modellen som ska tas bort från resursen

options
DeleteDocumentModelOptions

valfria inställningar för begäran

Returer

Promise<void>

getCopyAuthorization(string, GetCopyAuthorizationOptions)

Skapar en auktorisering för att kopiera en modell till resursen som används med beginCopyModelTo metoden .

CopyAuthorization Ger en annan kognitiv tjänstresurs rätt att skapa en modell i klientens resurs med modell-ID och valfri beskrivning som är kodade i auktoriseringen.

Exempel

// The copyAuthorization data structure stored below grants any cognitive services resource the right to copy a
// model into the client's resource with the given destination model ID.
const copyAuthorization = await client.getCopyAuthorization("<destination model ID>");
function getCopyAuthorization(destinationModelId: string, options?: GetCopyAuthorizationOptions): Promise<CopyAuthorization>

Parametrar

destinationModelId

string

målmodellens unika ID (det ID som modellen ska kopieras till)

options
GetCopyAuthorizationOptions

valfria inställningar för att skapa kopieringsauktoriseringen

Returer

en kopieringsauktorisering som kodar det angivna modelId:et och valfri beskrivning

getDocumentClassifier(string, OperationOptions)

Hämtar information om en klassificerare (DocumentClassifierDetails) efter ID.

Exempel

const classifierId = "<classifier ID";

const {
  classifierId, // identical to the ID given when calling `getDocumentClassifier`
  description, // a textual description of the classifier, if provided during classifier creation
  createdOn, // the Date (timestamp) that the classifier was created
  // information about the document types in the classifier and their corresponding traning data
  docTypes
} = await client.getDocumentClassifier(classifierId);

// The `docTypes` property is a map of document type names to information about the training data
// for that document type.
for (const [docTypeName, classifierDocTypeDetails] of Object.entries(docTypes)) {
 console.log(`- '${docTypeName}': `, classifierDocTypeDetails);
}
function getDocumentClassifier(classifierId: string, options?: OperationOptions): Promise<DocumentClassifierDetails>

Parametrar

classifierId

string

det unika ID:t för klassificeraren som ska frågas

options
OperationOptions

valfria inställningar för begäran

Returer

information om klassificeraren med det angivna ID:t

getDocumentModel(string, GetModelOptions)

Hämtar information om en modell (DocumentModelDetails) efter ID.

Den här metoden kan hämta information om anpassade och fördefinierade modeller.

Icke-bakåtkompatibel ändring

I tidigare versioner av Formigenkänning REST API och SDK getModel kan metoden returnera vilken modell som helst, även en modell som inte kunde skapas på grund av fel. I de nya tjänstversionerna getDocumentModel och listDocumentModelsskapar endast modeller som skapats korrekt (dvs. modeller som är "redo" för användning). Misslyckade modeller hämtas nu via "åtgärder"-API:erna, se getOperation och listOperations.

Exempel

// The ID of the prebuilt business card model
const modelId = "prebuilt-businessCard";

const {
  modelId, // identical to the modelId given when calling `getDocumentModel`
  description, // a textual description of the model, if provided during model creation
  createdOn, // the Date (timestamp) that the model was created
  // information about the document types in the model and their field schemas
  docTypes: {
    // the document type of the prebuilt business card model
    "prebuilt:businesscard": {
      // an optional, textual description of this document type
      description,
      // the schema of the fields in this document type, see the FieldSchema type
      fieldSchema,
      // the service's confidences in the fields (an object with field names as properties and numeric confidence
      // values)
      fieldConfidence
    }
  }
} = await client.getDocumentModel(modelId);
function getDocumentModel(modelId: string, options?: GetModelOptions): Promise<DocumentModelDetails>

Parametrar

modelId

string

det unika ID:t för modellen som ska frågas

options
GetModelOptions

valfria inställningar för begäran

Returer

information om modellen med det angivna ID:t

getOperation(string, GetOperationOptions)

Hämtar information om en åtgärd (OperationDetails) med dess ID.

Åtgärder representerar icke-analysaktiviteter, till exempel att skapa, skapa eller kopiera en modell.

function getOperation(operationId: string, options?: GetOperationOptions): Promise<OperationDetails>

Parametrar

operationId

string

ID:t för åtgärden som ska frågas

options
GetOperationOptions

valfria inställningar för begäran

Returer

Promise<OperationDetails>

information om åtgärden med det angivna ID:t

Exempel

// The ID of the operation, which should be a GUID
const operationId = "<operation GUID>";

const {
  operationId, // identical to the operationId given when calling `getOperation`
  kind, // the operation kind, one of "documentModelBuild", "documentModelCompose", or "documentModelCopyTo"
  status, // the status of the operation, one of "notStarted", "running", "failed", "succeeded", or "canceled"
  percentCompleted, // a number between 0 and 100 representing the progress of the operation
  createdOn, // a Date object that reflects the time when the operation was started
  lastUpdatedOn, // a Date object that reflects the time when the operation state was last modified
} = await client.getOperation(operationId);

getResourceDetails(GetResourceDetailsOptions)

Hämta grundläggande information om klientens resurs.

Exempel

const {
  // Information about the custom models in the current resource
  customDocumentModelDetails: {
    // The number of custom models in the current resource
    count,
    // The maximum number of models that the current resource can support
    limit
  }
} = await client.getResourceDetails();
function getResourceDetails(options?: GetResourceDetailsOptions): Promise<ResourceDetails>

Parametrar

options
GetResourceDetailsOptions

valfria inställningar för begäran

Returer

Promise<ResourceDetails>

grundläggande information om klientens resurs

listDocumentClassifiers(ListModelsOptions)

Visa information om klassificerare i resursen. Den här åtgärden stöder växling.

Exempel

Async Iteration

for await (const details of client.listDocumentClassifiers()) {
  const {
    classifierId, // The classifier's unique ID
    description, // a textual description of the classifier, if provided during creation
    docTypes, // information about the document types in the classifier and their corresponding traning data
  } = details;
}

Efter sida

// The listDocumentClassifiers method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listDocumentClassifiers().byPage();

for await (const page of pages) {
  // Each page is an array of classifiers and can be iterated synchronously
  for (const details of page) {
    const {
      classifierId, // The classifier's unique ID
      description, // a textual description of the classifier, if provided during creation
      docTypes, // information about the document types in the classifier and their corresponding traning data
    } = details;
  }
}
function listDocumentClassifiers(options?: ListModelsOptions): PagedAsyncIterableIterator<DocumentClassifierDetails, DocumentClassifierDetails[], PageSettings>

Parametrar

options
ListModelsOptions

valfria inställningar för klassificeringsbegäranden

Returer

en asynkron iterbar klassificeringsinformation som stöder växling

listDocumentModels(ListModelsOptions)

Lista sammanfattningar av modeller i resursen. Anpassade och fördefinierade modeller kommer att ingå. Den här åtgärden stöder växling.

Modellsammanfattningen (DocumentModelSummary) innehåller endast grundläggande information om modellen och innehåller inte information om dokumenttyperna i modellen (till exempel fältscheman och konfidensvärden).

Om du vill komma åt den fullständiga informationen om modellen använder du getDocumentModel.

Icke-bakåtkompatibel ändring

I tidigare versioner av Formigenkänning REST API och SDK listModels returnerar metoden alla modeller, även de som inte kunde skapas på grund av fel. I de nya tjänstversionerna listDocumentModels och getDocumentModelskapar endast modeller som skapats korrekt (dvs. modeller som är "redo" för användning). Misslyckade modeller hämtas nu via "åtgärder"-API:erna, se getOperation och listOperations.

Exempel

Async Iteration

for await (const summary of client.listDocumentModels()) {
  const {
    modelId, // The model's unique ID
    description, // a textual description of the model, if provided during model creation
  } = summary;

  // You can get the full model info using `getDocumentModel`
  const model = await client.getDocumentModel(modelId);
}

Efter sida

// The listDocumentModels method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listDocumentModels().byPage();

for await (const page of pages) {
  // Each page is an array of models and can be iterated synchronously
  for (const model of page) {
    const {
      modelId, // The model's unique ID
      description, // a textual description of the model, if provided during model creation
    } = summary;

    // You can get the full model info using `getDocumentModel`
    const model = await client.getDocumentModel(modelId);
  }
}
function listDocumentModels(options?: ListModelsOptions): PagedAsyncIterableIterator<DocumentModelSummary, DocumentModelSummary[], PageSettings>

Parametrar

options
ListModelsOptions

valfria inställningar för modellbegäranden

Returer

en asynkron iterbar modellsammanfattning som stöder växling

listOperations(ListOperationsOptions)

Lista modellskapande åtgärder i resursen. Detta skapar alla åtgärder, inklusive åtgärder som inte kunde skapa modeller. Den här åtgärden stöder växling.

Exempel

Async Iteration

for await (const operation of client.listOperations()) {
  const {
    operationId, // the operation's GUID
    status, // the operation status, one of "notStarted", "running", "succeeded", "failed", or "canceled"
    percentCompleted // the progress of the operation, from 0 to 100
  } = operation;
}

Efter sida

// The listOperations method is paged, and you can iterate by page using the `byPage` method.
const pages = client.listOperations().byPage();

for await (const page of pages) {
  // Each page is an array of operation info objects and can be iterated synchronously
  for (const operation of page) {
    const {
      operationId, // the operation's GUID
      status, // the operation status, one of "notStarted", "running", "succeeded", "failed", or "canceled"
      percentCompleted // the progress of the operation, from 0 to 100
    } = operation;
  }
}
function listOperations(options?: ListOperationsOptions): PagedAsyncIterableIterator<OperationSummary, OperationSummary[], PageSettings>

Parametrar

options
ListOperationsOptions

valfria inställningar för åtgärdsbegäranden

Returer

en asynkron iterbar åtgärdsinformationsobjekt som stöder växling