تثبيت وتشغيل حاويات معاينة أداة التعرف على النموذج v2.1

هل هذه الصفحة مفيدة؟

هل لديك ملاحظات إضافية؟

سيتم إرسال الملاحظات إلى Microsoft: بالضغط على الزر «إرسال»، سيتم استخدام ملاحظاتك لتحسين منتجات Microsoft وخدماتها. نهج الخصوصية.

هام

• حاويات التعرف على النموذج في معاينة مسورة. لاستخدامها ، يجب عليك تقديم طلب عبر الإنترنت ، والحصول على الموافقة. لمزيد من المعلومات، راجعطلب الموافقة على تشغيل الحاوية أدناه.

• يتطلب نموذج الطلب عبر الإنترنت تقديم عنوان بريد إلكتروني صالح ينتمي إلى المؤسسة التي تمتلك معرف اشتراك Azure وأنك قد منحت حق الوصول إلى هذا الاشتراك أو تم منحك حق الوصول إليه.

Azure Form Recognizer هي خدمة الذكاء الاصطناعي Azure التطبيقية التي تتيح لك إنشاء برنامج معالجة بيانات تلقائي باستخدام تقنية التعلم الآلي. يمكنك أداة التعرف على النماذج من تحديد واستخراج النص وأزواج المفاتيح/القيم وعلامات التحديد وبيانات الجدول والمزيد من مستندات النموذج والبيانات المنظمة الناتجة التي تتضمن العلاقات في الملف الأصلي.

في هذه المقالة، ستتعرف على كيفية تنزيل حاويات "التعرف على النماذج" وتثبيتها وتشغيلها. تمكنك الحاويات من تشغيل خدمة "التعرف على النماذج" في بيئتك الخاصة. وتعد الحاويات رائعة لمتطلبات الأمان وإدارة البيانات المحددة. يتم دعم ميزات أداة التعرف على النماذج من خلال ست حاويات ميزات أداة التعرف على الهوية - التخطيط وبطاقة العمل ومستند الهوية والإيصالوالفاتورةوالتخصيص (بالنسبة لحاويات الاستلام وبطاقة العملومستند الهوية، ستحتاج أيضا إلى حاوية التعرف الضوئي على الحروف للقراءة).

المتطلبات الأساسية

للبدء، ستحتاج إلى حساب Azure نشط. إذا لم يكن لديك حساب، يمكنك إنشاء حساب مجاني.

ستحتاج أيضا إلى ما يلي لاستخدام حاويات التعرف على النموذج:

مطلوب	الغرض
الإلمام ب Docker	يجب أن يكون لديك فهم أساسي لمفاهيم Docker ، مثل السجلات والمستودعات والحاويات وصور الحاويات ، بالإضافة إلى معرفة المصطلحات والأوامر الأساسيةdocker.
تثبيت محرك الرصيف	تحتاج إلى تثبيت محرك Docker على كمبيوتر مضيف. يوفر Docker الحزم التي تكوّن بيئة Docker على أنظمة التشغيل ⁧⁩macOS⁧⁩، و⁧⁩Windows⁧⁩، و⁧⁩Linux⁧⁩. للحصول على دليل تمهيدي لأساسيات Docker والحاويات، اطّلِع على ⁧⁩نظرة عامة حول Docker⁧⁩. يجب تكوين Docker للسماح للحاويات بالاتصال ببيانات الفوترة وإرسالها إلى Azure. في Windows ، يجب أيضا تكوين Docker لدعم حاويات Linux.
مورد التعرف على النموذج	أداة التعرف على نموذج Azure أحادية الخدمة أو مورد خدمات معرفية متعدد الخدمات في مدخل Azure. لاستخدام الحاويات، يجب أن يكون لديك المفتاح المقترن وعنوان URI لنقطة النهاية. تتوفر كلتا القيمتين في مفاتيح التعرف على نموذج مدخل Azure وصفحة نقطة النهاية : {FORM_RECOGNIZER_KEY}: أحد مفتاحي الموارد المتوفرين. {FORM_RECOGNIZER_ENDPOINT_URI}: نقطة النهاية للمورد المستخدم لتتبع معلومات الفوترة.
مورد واجهة برمجة تطبيقات رؤية الكمبيوتر	لمعالجة بطاقات العمل أو مستندات الهوية أو الإيصالات، ستحتاج إلى مورد "رؤية الكمبيوتر". يمكنك الوصول إلى ميزة التعرف على النص إما كمورد Azure (واجهة برمجة تطبيقات REST أو SDK) أو كحاويةنصية للخدمات المعرفية. تطبق رسوم الفوترة المعتادة. إذا كنت تستخدم حاوية نص التعرف على الخدمات المعرفية، فتأكد من أن مفتاح رؤية الكمبيوتر لحاوية "التعرف على النماذج" هو المفتاح المحدد في "رؤية الكمبيوتر" docker run أو docker compose الأمر الخاص بحاوية نص التعرف على الخدمات المعرفية وأن نقطة نهاية الفوترة هي نقطة نهاية الحاوية (على سبيل المثال، http://localhost:5000). إذا كنت تستخدم كل من حاوية "رؤية الكمبيوتر" وحاوية "التعرف على النماذج" معا على نفس المضيف، فلا يمكن بدء تشغيلهما باستخدام المنفذ الافتراضي 5000. قم بتمرير كل من المفتاح ونقاط النهاية لسحابة Computer Vision Azure أو حاوية الخدمات المعرفية: {COMPUTER_VISION_KEY}: أحد مفتاحي الموارد المتوفرين. {COMPUTER_VISION_ENDPOINT_URI}: نقطة النهاية للمورد المستخدم لتتبع معلومات الفوترة.

‏‏اختياري	الغرض
Azure CLI (واجهة سطر الأوامر)	يمكنك Azure CLI من استخدام مجموعة من الأوامر عبر الإنترنت لإنشاء موارد Azure وإدارتها. وهي متاحة للتثبيت في بيئات Windows و macOS و Linux ويمكن تشغيلها في حاوية Docker و Azure Cloud Shell.

طلب الموافقة على تشغيل الحاوية

أكمل نموذج طلب الخدمات المسورة وأرسله لطلب الموافقة على تشغيل الحاوية.

يطلب النموذج معلومات عنك وعن شركتك وسيناريو المستخدم الذي ستستخدم الحاوية له. بعد إرسال النموذج، سيقوم فريق الخدمات المعرفية في Azure بمراجعته وإرسال قرار إليك عبر البريد الإلكتروني في غضون 10 أيام عمل.

في النموذج، يجب عليك استخدام عنوان بريد إلكتروني مقترن بمعرف اشتراك Azure. يجب أن يكون مورد Azure الذي تستخدمه لتشغيل الحاوية قد تم إنشاؤه باستخدام معرف اشتراك Azure المعتمد. تحقق من بريدك الإلكتروني (كل من علبة الوارد ومجلدات البريد غير الهام) للحصول على تحديثات حول حالة التطبيق الخاص بك من Microsoft. بعد الموافقة، ستتمكن من تشغيل الحاوية بعد تنزيلها من سجل حاويات Microsoft (MCR)، الموضح لاحقا في المقالة.

متطلبات الكمبيوتر المضيف

المضيف هو جهاز كمبيوتر يستند إلى x64 يقوم بتشغيل حاوية Docker. يمكن أن يكون جهاز كمبيوتر في المبنى الخاص بك أو خدمة استضافة Docker في Azure، مثل:

• Azure Kubernetes Service.
• Azure Container instances.
• A Kubernetes cluster deployment to Azure Stack. لمزيد من المعلومات، راجع نشر Kubernetes إلى Azure Stack.

متطلبات الحاويات والتوصيات

الحاويات المطلوبة

يسرد الجدول التالي الحاوية (الحاويات) الداعمة لكل حاوية التعرف على النموذج تقوم بتنزيلها. لمزيد من المعلومات، راجع قسم الفوترة .

حاوية مميزة	حاوية (حاويات) داعمة
Layout	بلا
بطاقة العمل	رؤية الكمبيوتر قراءة
وثيقة الهوية	رؤية الكمبيوتر قراءة
الفاتورة	Layout
إيصال	رؤية الكمبيوتر قراءة
مخصص	واجهة برمجة تطبيقات مخصصة، خاضعة للإشراف المخصص، تخطيط

نوى وحدة المعالجة المركزية الموصى بها والذاكرة

ملاحظة

تستند القيم الدنيا والموصى بها إلى حدود Docker وليس إلى موارد الجهاز المضيف.

القراءة والتخطيط والحاويات المعدة مسبقا

الحاوية	الحدّ الأدنى	المستحسنة
اقرأ 3.2	8 نواة، ذاكرة 16 غيغا بايت	8 نواة، ذاكرة 24 غيغابايت
تخطيط 2.1-معاينة	8 نواة، ذاكرة 16 غيغا بايت	8 نواة، ذاكرة 24 غيغابايت
بطاقة العمل 2.1-معاينة	2 نواة، ذاكرة 4 جيجابايت	4 نواة، ذاكرة 4 جيجابايت
وثيقة الهوية 2.1-معاينة	نواة واحدة، ذاكرة 2 جيجابايت	2 نواة، ذاكرة 2 جيجابايت
معاينة الفاتورة 2.1	4 نواة، ذاكرة 8 جيجابايت	8 النوى، ذاكرة 8 جيجابايت
استلام 2.1-معاينة	4 نواة، ذاكرة 8 جيجابايت	8 النوى، ذاكرة 8 جيجابايت

حاويات مخصصة

تنطبق متطلبات الجهاز المضيف التالية على تدريب الطلبات وتحليلها :

الحاوية	الحدّ الأدنى	المستحسنة
واجهة برمجة التطبيقات المخصصة	0.5 النوى ، ذاكرة 0.5 جيجابايت	1 نواة، ذاكرة 1 جيجابايت
تحت إشراف مخصص	4 نواة، ذاكرة 2 جيجابايت	8 نواة، ذاكرة 4 جيجابايت

إذا كنت تجري مكالمات تحليل فقط، فإن متطلبات الجهاز المضيف تكون كما يلي:

الحاوية	الحدّ الأدنى	المستحسنة
مخصص تحت إشراف (تحليل)	1 نواة، 0.5 جيجابايت	2 نواة، ذاكرة 1 جيجابايت

• يجب أن يكون كل نواة 2.6 غيغاهيرتز على الأقل (غيغاهرتز) أو أسرع.
• يتوافق --cpus النواة والذاكرة مع الإعدادات والإعدادات --memory التي يتم استخدامها كجزء من docker compose الأمر أو docker run الأمر.

تلميح

يمكنك استخدام الأمر "صور عامل الإرساء " لسرد صور الحاوية التي تم تنزيلها. على سبيل المثال، يسرد الأمر التالي المعرف والمستودع والعلامة الخاصة بكل صورة حاوية تم تنزيلها، منسقة كجدول:

docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"

IMAGE ID         REPOSITORY                TAG
<image-id>       <repository-path/name>    <tag-name>

قم بتشغيل الحاوية باستخدام الأمر "إنشاء عامل الإرثاء"

• استبدل قيمتي {ENDPOINT_URI} و{API_KEY} بعنوان URI لنقطة نهاية المورد والمفتاح من صفحة مورد Azure.

  

• تأكد من تعيين قيمة اتفاقية ترخيص المستخدم النهائي (EULA) إلى "قبول".

• EULAيجب تحديد القيم ، Billingوالقيم ؛ وإلا Key فلن تبدأ الحاوية.

هام

يتم استخدام المفاتيح للوصول إلى مورد "التعرف على النماذج". لا تشارك مفاتيحك. قم بتخزينها بشكل آمن، على سبيل المثال، باستخدام Azure Key Vault. نوصي أيضاً بإعادة تجديد هذه المفاتيح بانتظام. مفتاح واحد فقط ضروري لإجراء استدعاء واجهة برمجة التطبيقات. عند تجديد المفتاح الأول، يمكنك استخدام المفتاح الثاني للوصول المستمر إلى الخدمة.

Layout

فيما يلي مثال قائم docker compose بذاته لتشغيل حاوية تخطيط التعرف على النماذج. باستخدام docker compose، يمكنك استخدام ملف YAML لتكوين خدمات التطبيق الخاص بك. بعد ذلك ، باستخدام docker-compose up الأمر ، يمكنك إنشاء جميع الخدمات وتشغيلها من التكوين الخاص بك. أدخل قيمتي {FORM_RECOGNIZER_ENDPOINT_URI} و{{FORM_RECOGNIZER_KEY} لمثيل حاوية التخطيط.

version: "3.9"
services:
azure-cognitive-service-layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - key={FORM_RECOGNIZER_KEY}
    ports:
      - "5000"
    networks:
      - ocrvnet
networks:
  ocrvnet:
    driver: bridge

الآن ، يمكنك بدء تشغيل الخدمة باستخدام أمر إنشاء عامل الاتهام :

docker-compose up

بطاقة العمل

فيما يلي مثال قائم بذاته docker compose لتشغيل بطاقة عمل أداة التعرف على النموذج وقراءة الحاويات معا. باستخدام docker compose، يمكنك استخدام ملف YAML لتكوين خدمات التطبيق الخاص بك. بعد ذلك ، باستخدام docker-compose up الأمر ، يمكنك إنشاء جميع الخدمات وتشغيلها من التكوين الخاص بك. أدخل قيمتي {FORM_RECOGNIZER_ENDPOINT_URI} و{FORM_RECOGNIZER_KEY} لمثيل حاوية بطاقة العمل. أدخل {COMPUTER_VISION_ENDPOINT_URI} و {COMPUTER_VISION_KEY} لحاوية قراءة رؤية الكمبيوتر.

version: "3.9"
services:
  azure-cognitive-service-businesscard:
    container_name: azure-cognitive-service-businesscard
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/businesscard
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - key={FORM_RECOGNIZER_KEY}
      - AzureCognitiveServiceReadHost=http://azure-cognitive-service-read:5000
    ports:
      - "5000:5050"
    networks:
      - ocrvnet
  azure-cognitive-service-read:
    container_name: azure-cognitive-service-read
    image: mcr.microsoft.com/azure-cognitive-services/vision/read:3.2
    environment:
      - EULA=accept
      - billing={COMPUTER_VISION_ENDPOINT_URI}
      - key={COMPUTER_VISION_KEY}
    networks:
      - ocrvnet

networks:
  ocrvnet:
    driver: bridge

الآن ، يمكنك بدء تشغيل الخدمة باستخدام أمر إنشاء عامل الاتهام :

docker-compose up

وثيقة الهوية

فيما يلي مثال قائم docker compose بذاته لتشغيل مستند معرف التعرف على النموذج وقراءة الحاويات معا. باستخدام docker compose، يمكنك استخدام ملف YAML لتكوين خدمات التطبيق الخاص بك. بعد ذلك ، باستخدام docker-compose up الأمر ، يمكنك إنشاء جميع الخدمات وتشغيلها من التكوين الخاص بك. أدخل قيمتي {FORM_RECOGNIZER_ENDPOINT_URI} و{FORM_RECOGNIZER_KEY} لحاوية مستند الهوية. أدخل قيمتي {COMPUTER_VISION_ENDPOINT_URI} و{COMPUTER_VISION_KEY} لحاوية قراءة رؤية الكمبيوتر.

version: "3.9"
services:
  azure-cognitive-service-id:
    container_name: azure-cognitive-service-id
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/id-document
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - key={FORM_RECOGNIZER_KEY}
      - AzureCognitiveServiceReadHost=http://azure-cognitive-service-read:5000
    ports:
      - "5000:5050"
    networks:
      - ocrvnet
  azure-cognitive-service-read:
    container_name: azure-cognitive-service-read
    image: mcr.microsoft.com/azure-cognitive-services/vision/read:3.2
    environment:
      - EULA=accept
      - billing={COMPUTER_VISION_ENDPOINT_URI}
      - key={COMPUTER_VISION_KEY}
    networks:
      - ocrvnet

networks:
  ocrvnet:
    driver: bridge

الآن ، يمكنك بدء تشغيل الخدمة باستخدام أمر إنشاء عامل الاتهام :

docker-compose up

الفاتورة

فيما يلي مثال قائم docker compose بذاته لتشغيل حاويات فاتورة التعرف على النموذج والتخطيط معا. باستخدام docker compose، يمكنك استخدام ملف YAML لتكوين خدمات التطبيق الخاص بك. بعد ذلك ، باستخدام docker-compose up الأمر ، يمكنك إنشاء جميع الخدمات وتشغيلها من التكوين الخاص بك. أدخل قيمتي {FORM_RECOGNIZER_ENDPOINT_URI} و{FORM_RECOGNIZER_KEY} لحاويات الفاتورة والتخطيط.

version: "3.9"
services:
  azure-cognitive-service-invoice:
    container_name: azure-cognitive-service-invoice
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - key={FORM_RECOGNIZER_KEY}
      - AzureCognitiveServiceLayoutHost=http://azure-cognitive-service-layout:5000
    ports:
      - "5000:5050"
    networks:
      - ocrvnet
  azure-cognitive-service-layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout
    user: root
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - key={FORM_RECOGNIZER_KEY}
    networks:
      - ocrvnet

networks:
  ocrvnet:
    driver: bridge

الآن ، يمكنك بدء تشغيل الخدمة باستخدام أمر إنشاء عامل الاتهام :

docker-compose up

إيصال

فيما يلي مثال قائم بذاته docker compose لتشغيل إيصال التعرف على النموذج وقراءة الحاويات معا. باستخدام docker compose، يمكنك استخدام ملف YAML لتكوين خدمات التطبيق الخاص بك. بعد ذلك ، باستخدام docker-compose up الأمر ، يمكنك إنشاء جميع الخدمات وتشغيلها من التكوين الخاص بك. أدخل قيمتي {FORM_RECOGNIZER_ENDPOINT_URI} و{FORM_RECOGNIZER_KEY} لحاوية الإيصال. أدخل قيمتي {COMPUTER_VISION_ENDPOINT_URI} و{COMPUTER_VISION_KEY} لحاوية قراءة رؤية الكمبيوتر.

version: "3.9"
services:
  azure-cognitive-service-receipt:
    container_name: azure-cognitive-service-receipt
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/receipt
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - key={FORM_RECOGNIZER_KEY}
      - AzureCognitiveServiceReadHost=http://azure-cognitive-service-read:5000
    ports:
      - "5000:5050"
    networks:
      - ocrvnet
  azure-cognitive-service-read:
    container_name: azure-cognitive-service-read
    image: mcr.microsoft.com/azure-cognitive-services/vision/read:3.2
    environment:
      - EULA=accept
       - billing={COMPUTER_VISION_ENDPOINT_URI}
      - key={COMPUTER_VISION_KEY}
    networks:
      - ocrvnet

networks:
  ocrvnet:
    driver: bridge

الآن ، يمكنك بدء تشغيل الخدمة باستخدام أمر إنشاء عامل الاتهام :

docker-compose up

مخصص

بالإضافة إلى المتطلبات الأساسية المذكورة أعلاه ، ستحتاج إلى القيام بما يلي لمعالجة مستند مخصص:

• إنشاء مجلد لتخزين الملفات التالية:

1. .env
2. nginx.conf
3. docker-compose.yml

• إنشاء مجلد لتخزين بيانات الإدخال الخاصة بك

1. قم بتسمية هذا المجلد المشترك.
2. سنشير إلى مسار الملف لهذا المجلد باسم {SHARED_MOUNT_PATH}.
3. انسخ مسار الملف في موقع مناسب، مثل Microsoft المفكرة. ستحتاج إلى إضافته إلى ملف .env أدناه.

• إنشاء مجلد لتخزين السجلات التي كتبتها خدمة التعرف على النموذج على جهازك المحلي.

1. قم بتسمية إخراج هذا المجلد.
2. سنشير إلى مسار الملف لهذا المجلد باسم {OUTPUT_MOUNT_PATH}.
3. انسخ مسار الملف في موقع مناسب، مثل Microsoft المفكرة. ستحتاج إلى إضافته إلى ملف .env أدناه.

• إنشاء ملف بيئة

1. قم بتسمية هذا الملف .env.

2. قم بالإعلان عن متغيرات البيئة التالية:

SHARED_MOUNT_PATH="<file-path-to-shared-folder>"
OUTPUT_MOUNT_PATH="<file -path-to-output-folder>"
FORM_RECOGNIZER_ENDPOINT_URI="<your-form-recognizer-endpoint>"
FORM_RECOGNIZER_KEY="<your-form-recognizer-key>"
RABBITMQ_HOSTNAME="rabbitmq"
RABBITMQ_PORT=5672
NGINX_CONF_FILE="<file-path>"

• إنشاء ملف nginx

1. قم بتسمية هذا الملف nginx.conf.

2. أدخل التكوين التالي:

worker_processes 1;

events { worker_connections 1024; }

http {

    sendfile on;
    client_max_body_size 90M;
    upstream docker-api {
        server azure-cognitive-service-custom-api:5000;
    }

    upstream docker-layout {
        server  azure-cognitive-service-layout:5000;
    }

    server {
        listen 5000;

        location = / {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;
            proxy_pass http://docker-api/;

        }

        location /status {
            proxy_pass http://docker-api/status;

        }

        location /ready {
            proxy_pass http://docker-api/ready;

        }

        location /swagger {
            proxy_pass http://docker-api/swagger;

        }

        location /formrecognizer/v2.1/custom/ {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;
            proxy_pass http://docker-api/formrecognizer/v2.1/custom/;

        }

        location /formrecognizer/v2.1/layout/ {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;
            proxy_pass http://docker-layout/formrecognizer/v2.1/layout/;

        }
    }
}

• اجمع مجموعة من ستة أشكال على الأقل من نفس النوع. ستستخدم هذه البيانات لتدريب النموذج واختبار نموذج. يمكنك استخدام مجموعة بيانات نموذجية (تنزيل واستخراجsample_data.zip). قم بتنزيل ملفات التدريب إلى المجلد المشترك الذي أنشأته أعلاه.

• إذا كنت تريد تسمية بياناتك، فقم بتنزيل أداة وضع العلامات النموذجية للتعرف على النموذج Windows. سيقوم التنزيل باستيراد أداة وضع العلامات .exe ملف ستستخدمه لتسمية البيانات الموجودة على نظام الملفات المحلي. يمكنك تجاهل أي تحذيرات تحدث أثناء عملية التنزيل.

إنشاء مشروع جديد لأداة وضع العلامات النموذجية

• افتح أداة وضع العلامات بالنقر المزدوج فوق نموذج أداة وضع العلامات .exe الملف.
• في الجزء الأيمن من الأداة، حدد علامة التبويب اتصالات.
• حدد لإنشاء مشروع جديد وإعطائه اسما ووصفا.
• بالنسبة للموفر، اختر خيار نظام الملفات المحلي. بالنسبة للمجلد المحلي، تأكد من إدخال المسار إلى المجلد حيث قمت بتخزين ملفات البيانات النموذجية.
• انتقل مرة أخرى إلى علامة التبويب الصفحة الرئيسية وحدد الخيار "استخدام مخصص لتدريب نموذج يحتوي على تسميات وأزواج القيم الرئيسية".
• حدد زر القطار في الجزء الأيمن لتدريب الطراز المسمى .
• احفظ هذا الاتصال واستخدمه لتسمية طلباتك.
• يمكنك اختيار تحليل الملف الذي تختاره مقابل النموذج المدرب.

• إنشاء ملف إنشاء عامل الرصيف

1. قم بتسمية هذا الملف docker-compose.yml

2. فيما يلي مثال قائم docker compose بذاته لتشغيل تخطيط التعرف على النموذج وأداة التسمية وواجهة برمجة التطبيقات المخصصة والحاويات المخصصة الخاضعة للإشراف معا. باستخدام docker compose، يمكنك استخدام ملف YAML لتكوين خدمات التطبيق الخاص بك. بعد ذلك ، باستخدام docker-compose up الأمر ، يمكنك إنشاء جميع الخدمات وتشغيلها من التكوين الخاص بك.

version: '3.3'
services:
 nginx:
  image: nginx:alpine
  container_name: reverseproxy
  volumes:
    - ${NGINX_CONF_FILE}:/etc/nginx/nginx.conf
  ports:
    - "5000:5000"
 rabbitmq:
  container_name: ${RABBITMQ_HOSTNAME}
  image: rabbitmq:3
  expose:
    - "5672"
 layout:
  container_name: azure-cognitive-service-layout
  image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout
  depends_on:
    - rabbitmq
  environment:
    eula: accept
    key: ${FORM_RECOGNIZER_KEY}
    billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
    Queue:RabbitMQ:HostName: ${RABBITMQ_HOSTNAME}
    Queue:RabbitMQ:Port: ${RABBITMQ_PORT}
    Logging:Console:LogLevel:Default: Information
    SharedRootFolder: /shared
    Mounts:Shared: /shared
    Mounts:Output: /logs
  volumes:
    - type: bind
      source: ${SHARED_MOUNT_PATH}
      target: /shared
    - type: bind
      source: ${OUTPUT_MOUNT_PATH}
      target: /logs
  expose:
    - "5000"

 custom-api:
  container_name: azure-cognitive-service-custom-api
  image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/custom-api
  restart: always
  depends_on:
    - rabbitmq
  environment:
    eula: accept
    key: ${FORM_RECOGNIZER_KEY}
    billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
    Logging:Console:LogLevel:Default: Information
    Queue:RabbitMQ:HostName: ${RABBITMQ_HOSTNAME}
    Queue:RabbitMQ:Port: ${RABBITMQ_PORT}
    SharedRootFolder: /shared
    Mounts:Shared: /shared
    Mounts:Output: /logs
  volumes:
    - type: bind
      source: ${SHARED_MOUNT_PATH}
      target: /shared
    - type: bind
      source: ${OUTPUT_MOUNT_PATH}
      target: /logs
  expose:
    - "5000"

 custom-supervised:
  container_name: azure-cognitive-service-custom-supervised
  image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/custom-supervised
  restart: always
  depends_on:
    - rabbitmq
  environment:
    eula: accept
    key: ${FORM_RECOGNIZER_KEY}
    billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
    CustomFormRecognizer:ContainerPhase: All
    CustomFormRecognizer:LayoutAnalyzeUri: http://azure-cognitive-service-layout:5000/formrecognizer/v2.1/layout/analyze
    Logging:Console:LogLevel:Default: Information
    Queue:RabbitMQ:HostName: ${RABBITMQ_HOSTNAME}
    Queue:RabbitMQ:Port: ${RABBITMQ_PORT}
    SharedRootFolder: /shared
    Mounts:Shared: /shared
    Mounts:Output: /logs
  volumes:
    - type: bind
      source: ${SHARED_MOUNT_PATH}
      target: /shared
    - type: bind
      source: ${OUTPUT_MOUNT_PATH}
      target: /logs

تأكد من تشغيل الخدمة

للتأكد من أن الخدمة قيد التشغيل. قم بتشغيل هذه الأوامر في قذيفة أوبونتو.

$cd <folder containing the docker-compose file>

$source .env

$docker-compose up

إنشاء اتصال جديد

• في الجزء الأيمن من الأداة، حدد علامة التبويب اتصالات .
• حدد إنشاء مشروع جديد وأعطه اسما ووصفا.
• بالنسبة للموفر، اختر خيار نظام الملفات المحلي . بالنسبة للمجلد المحلي، تأكد من إدخال المسار إلى المجلد حيث قمت بتخزين ملفات البيانات النموذجية .
• انتقل مرة أخرى إلى علامة التبويب الصفحة الرئيسية وحدد استخدام مخصص لتدريب نموذج يحتوي على تسميات وأزواج من القيم الرئيسية.
• حدد زر القطار في الجزء الأيمن لتدريب الطراز المسمى .
• احفظ هذا الاتصال واستخدمه لتسمية طلباتك.
• يمكنك اختيار تحليل الملف الذي تختاره مقابل النموذج المدرب.

التحقق من أن الخدمة قيد التشغيل

هناك عدة طرق للتحقق من تشغيل الحاوية:

• توفر الحاوية صفحة رئيسية كتحقق \ مرئي من أن الحاوية قيد التشغيل.

• يمكنك فتح متصفح الويب المفضل لديك والانتقال إلى عنوان IP الخارجي والمنفذ المكشوف للحاوية المعنية. استخدم عناوين URL المختلفة للطلبات أدناه للتحقق من صحة تشغيل الحاوية. عناوين URL لطلب المثال المدرجة أدناه هي http://localhost:5000، ولكن قد تختلف الحاوية المحددة. ضع في اعتبارك أنك تنتقل إلى عنوان IP الخارجي للحاوية والمنفذ المكشوف.

  URL للطلب	الغرض
  http:// مضيف محلي:5000/	توفر الحاوية صفحةً رئيسيةً.
  http:// مضيف محلي:5000/جاهز	يوفر هذا الطلب، المطلوب مع GET، التحقق من أن الحاوية جاهزة لقبول استعلام مقابل النموذج. يمكن استخدام هذا الطلب لتحقيقات Kubernetes للأحياء والاستعداد.
  http:// مضيف محلي:5000/الحالة	عند الطلب باستخدام GET، يتحقق هذا الطلب مما إذا كان مفتاح واجهة برمجة التطبيقات المستخدم لبدء تشغيل الحاوية صالحا دون التسبب في استعلام نقطة نهاية. يمكن استخدام هذا الطلب لتحقيقات Kubernetes للأحياء والاستعداد.
  http:// مضيف محلي:5000/swagger	توفر الحاوية مجموعةً كاملةً من الوثائق لنقاط النهاية وميزة Try it out. باستخدام هذه الميزة ، يمكنك إدخال إعداداتك في نموذج HTML مستند إلى الويب وإجراء الاستعلام دون الحاجة إلى كتابة أي رمز. بعد إرجاع الاستعلام، يتم توفير مثال لأمر CURL لإظهار رؤوس HTTP وتنسيق النص الأساسي المطلوب.

إيقاف الحاويات

لإيقاف الحاويات، استخدم الأمر التالي:

docker-compose down

الفوترة

ترسل حاويات التعرف على النموذج معلومات الفوترة إلى Azure باستخدام مورد التعرف على النموذج على حساب Azure الخاص بك.

تتم فوترة الاستعلامات إلى الحاوية في طبقة التسعير لمورد Azure المستخدم في Keyملف . ستتم محاسبتك على كل مثيل حاوية يستخدم لمعالجة المستندات والصور. وبالتالي ، إذا كنت تستخدم ميزة بطاقة العمل ، محاسبتك على مثيلات أداة التعرف BusinessCard على النموذج والحاوية Computer Vision Read . بالنسبة إلى ميزة الفاتورة، ستتم محاسبتك على مثيلات أداة التعرف Invoice على النماذج ومثيلات الحاوية Layout . راجع ، التعرف على النموذج ورؤية الكمبيوتر قراءة ميزة تسعير الحاويات.

حاويات Azure Cognitive Services غير مرخصة للتشغيل دون الاتصال بنقطة نهاية القياس/الفوترة. يجب تمكين الحاويات لتوصيل معلومات الفوترة مع نقطة نهاية الفوترة في جميع الأوقات. لا ترسل حاويات الخدمات المعرفية بيانات العملاء، مثل الصورة أو النص الذي يتم تحليله، إلى Microsoft.

قم بالاتصال بـ Azure

تحتاج الحاوية إلى قيم وسيطة الفوترة لتشغيلها. تسمح هذه القيم للحاوية بالاتصال بنقطة نهاية الفوترة. تقوم الحاوية بالإبلاغ عن الاستخدام كل 10 إلى 15 دقيقة تقريبا. إذا لم تتصل الحاوية ب Azure خلال الإطار الزمني المسموح به، فستستمر الحاوية في العمل ولكنها لا تعرض الاستعلامات حتى تتم استعادة نقطة نهاية الفوترة. تتم محاولة الاتصال 10 مرات في نفس الفاصل الزمني من 10 إلى 15 دقيقة. إذا تعذر عليها الاتصال بنقطة نهاية الفوترة خلال 10 محاولات، فستتوقف الحاوية عن عرض الطلبات. راجع الأسئلة المتداولة حول حاوية الخدمات المعرفية للحصول على مثال على المعلومات المرسلة إلى Microsoft للفوترة.

وسيطات الفوترة

سيبدأ الأمر docker-compenpose up الحاوية عند توفير جميع الخيارات الثلاثة التالية بقيم صالحة:

الخيار	الوصف
Key	مفتاح مورد الخدمات المعرفية المستخدم لتتبع معلومات الفوترة. يجب تعيين قيمة هذا الخيار إلى مفتاح للمورد الموفر المحدد في Billing.
Billing	نقطة نهاية مورد الخدمات المعرفية المستخدم لتعقب معلومات الفوترة. يجب تعيين قيمة هذا الخيار إلى URI نقطة النهاية لمورد Azure مزود.
Eula	يشير إلى أنك قبلت ترخيص الحاوية. يجب تعيين قيمة هذا الخيار لقبول.

لمزيد من المعلومات حول هذه الخيارات، راجع تكوين الحاويات.

الملخص

هذا كل شيء! في هذه المقالة، تعلمت المفاهيم ومهام سير العمل لتنزيل حاويات "التعرف على النماذج" وتثبيتها وتشغيلها. وخلاصة القول:

• يوفر التعرف على النموذج سبع حاويات Linux ل Docker.
• يتم تنزيل صور الحاوية من mcr.
• يتم تشغيل صور الحاوية في Docker.
• يجب تحديد معلومات الفوترة عند إنشاء حاوية.

هام

حاويات الخدمات المعرفية غير مرخصة للعمل دون أن تُوصل بـ Azure للقياس. يحتاج العملاء إلى تمكين الحاويات من توصيل معلومات الفوترة مع خدمة القياس في جميع الأوقات. لا ترسل حاويات الخدمات المعرفية بيانات العميل (على سبيل المثال، الصورة أو النص الذي يتم تحليله) إلى Microsoft.

الخطوات التالية

• إعدادات تكوين حاوية أداة التعرف على النموذج