Power Automate'te tahmin eylemini kullanma

Power Automate'te her AI Builder modeli için ayrılmış eylemler kullanabilirsiniz. Ancak, tahmin eylemi birçok AI Builder model türünü kullanmanıza olanak sağlar.

Özel veya önceden oluşturulmuş modeli kullanma

1. Power Automate'a oturum açın.

2. Sol bölmedeki Akışlarım'ı seçin ve Yeni akış>Anlık bulut akışı'nı seçin.

3. Akışınızı adlandırın, Bu akışın nasıl tetikleneceğini seçin altında Akışı el ile tetikle'yi seçin ve ardından Oluştur'u seçin.

4. + Yeni adım'ı seçin ve arama çubuğuna tahmin yazın.

5. AI Builder'dan tahmin et'i veya Microsoft Dataverse'ten AI Builder modellerini kullanarak tahmin et'i seçin. Her iki eylem de aynı özellikleri sunar.

   

6. Model girişinde, oluşturduğunuz özel bir modeli seçin veya önceden oluşturulmuş bir model seçin. Kullanılabilir önceden oluşturulmuş modellerin listesi aşağıdadır:

   • Kartvizit okuyucu: BusinessCard modeli
   • Kategori sınıflandırması (önceden oluşturulmuş): Kategori/sınıflandırma modeli
   • Varlık ayıklama (önceden oluşturulmuş): EntityExtraction modeli
   • Anahtar ifade ayıklama: KeyPhraseExtraction modeli
   • Dil algılama: LanguageDetection modeli
   • Duygu analizi: SentimentAnalysis modeli
   • Metin tanıma: TextRecognition modeli
   • Metin oluşturma (önceden oluşturulmuş): GptPromptEngineering modeli

Not

Her bir modelin giriş ve çıkış parametreleri hakkında daha fazla bilgi edinmek için, aşağıdaki belge bölümlerinde seçili modelin nasıl kullanılacağını açıklayan belgelere bakın:

• Power Automate'te özel AI Builder modeli kullanma
• Power Automate'te önceden oluşturulmuş AI Builder modeli kullanma

Dinamik model kimliği kullanma (gelişmiş)

Bazı karmaşık kullanım örneklerinde, tahmin eylemine dinamik olarak bir model kimliği geçirmeniz gerekebilir. Örneğin, farklı modeller kullanarak farklı fatura türlerini işlemek istiyorsanız fatura türüne bağlı olarak otomatik olarak bir model seçmek isteyebilirsiniz.

Bu bölümde, model türüne bağlı olarak, bu belirli amaç için AI Builder tahmin eyleminin nasıl yapılandırılacağını açıklayacağız.

1. Power Automate'a oturum açın.

2. Sol bölmedeki Akışlarım'ı seçin ve Yeni akış>Anlık bulut akışı'nı seçin.

3. Akışınızı adlandırın, Bu akışın nasıl tetikleneceğini seçin altında Akışı el ile tetikle'yi seçin ve ardından Oluştur'u seçin.

4. + Yeni adım'ı seçin.

5. Arama çubuğuna Değişkeni başlat girin ve Eylemler sekmesinden seçin.

6. Ad girişine model kimliği, Tür girişine Dize ve Değer girişine gerçek model kimliği girin.

   Model kimliği, Power Apps uygulamasında modelin ayrıntı sayfasının URL'sinde bulunabilir: make.powerapps.com/environment/[environment id]/aibuilder/models/[model id]

7. + Yeni adım'ı seçin tahmin ifadesini arayın ve AI Builder'dan tahmin et'i seçin.

8. Girişi seçin>Özel değer girin'i seçin ve 6. adımdaki model kimliğini girin.

   İsteği anlayın sütunu değeri, model türüne bağlıdır.

Belge işleme modeli

1. Akışı el ile tetikleyin adımında, bir Dosya girişi ekleyin ve adını Dosya İçeriği olarak ayarlayın.

2. Akışı el ile tetikleyin adımında, bir Metin girişi ekleyin ve adını Mime Türü olarak ayarlayın.

3. Değişkeni başlatın adımında, belge işleme modeli kimliği girin.

4. Tahmin adımında, İsteği anlayın sütununa şu değeri girin:

   {
       "version": "2.0",
       "requestv2": {
       "@@odata.type": "Microsoft.Dynamics.CRM.expando",
       "mimeType": "@{triggerBody()['text']}",
       "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}",
       "pageRange": "1"
       }
   }
   

   

5. Sağ üst köşedeki Kaydet'i seçin ve ardından akışınızı denemek için Test seçeneğini belirleyin:

   

6. Akış çalıştırması ayrıntılarında, tahmin eyleminin ÇIKTILAR bölümünde modeli JSON çıktısını alın. Bu çıktı, modelin değerlerini kullanarak aşağı akış eylemlerini oluşturmak için kullanışlıdır.

   

7. Düzenleme modu içinde akışınıza geri dönme.

8. + Yeni adım'ı seçin ve Oluştur eylemini (veya model çıktınızı işlemek için başka bir eylem) seçin. Model çıktınızın Toplam sütununa sahip olduğunu düşünelim. Aşağıdaki formülle elde edebilirsiniz:

   @{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
   

   

Nesne algılama modeli

Bu işlem, Belge işleme modeli bölümündeki 4. adımdaki istek çıkarma işlemine benzerdir:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
    }
}

Kategori sınıflandırma modeli

Bu işlem, Belge işleme modeli bölümündeki 4. adımdaki istek çıkarma işlemine benzerdir:

{
    "version": "2.0",
    "requestv2": {
        "@@odata.type": "Microsoft.Dynamics.CRM.expando",
        "language": "Detect automatically",
        "text": "The text to categorize"
    }
}