Instalace kontejnerů Dockeru pro čtení OCR

Kontejnery umožňují spouštět rozhraní API Počítačového zpracování obrazu ve vlastním prostředí. Kontejnery jsou skvělé pro splnění určitých požadavků na zabezpečení a zásady správného řízení dat. V tomto článku se dozvíte, jak stáhnout, nainstalovat a spustit Počítačové zpracování obrazu kontejnery.

Kontejner Read OCR umožňuje extrahovat tištěný a ručně psaný text z obrázků a dokumentů s podporou formátů souborů JPEG, PNG, BMP, PDF a TIFF. Další informace najdete v návodu k rozhraní API pro čtení.

Novinky

Pro stávající uživatele kontejnerů Read je k dispozici nová verze kontejneru Read s podporou 122 jazyků a obecným výkonem a 3.2-model-2021-09-30-preview vylepšeními AI. Pokud chcete začít, postupujte podle pokynů ke stažení.

Čtení kontejneru 3.2

Kontejner OCR read 3.2 poskytuje:

• Nové modely pro vyšší přesnost
• Podpora více jazyků v rámci stejného dokumentu
• Podpora pro celkem 73 jazyků. Podívejte se na úplný seznam jazyků podporovaných pro OCR.
• Jedna operace pro dokumenty i image.
• Podpora větších dokumentů a imagí
• Skóre spolehlivosti.
• Podpora dokumentů s tištěnou i rukou psanou textovou podporou
• Možnost extrahovat text jenom z vybraných stránek v dokumentu
• Zvolte pořadí výstupu řádků textu z výchozího pořadí na přirozenější pořadí čtení pouze pro jazyky latinky.
• Klasifikace řádků textu jako rukou psaný styl nebo ne jenom pro jazyky latinky.

Pokud dnes používáte kontejnery Read 2.0, přečtěte si průvodce migrací, ve které najdete informace o změnách v nových verzích.

Požadavky

Před použitím kontejnerů musíte splnit následující požadavky:

Pokud ještě nemáte předplatné Azure, vytvořte si napřed bezplatný účet.

Žádost o schválení spuštění kontejneru

Vyplňte a odešlete formulář žádosti s žádostí o schválení pro spuštění kontejneru.

Formulář požaduje informace o vás, vaší společnosti a scénáři uživatele, pro které budete kontejner používat. Po odeslání formuláře ho tým Azure Cognitive Services zkontroluje a pošle vám e-mail s rozhodnutím.

Po schválení budete moct kontejner spustit po jeho stažení ze služby Microsoft Container Registry (MCR), která je popsána dále v článku.

Pokud vaše předplatné Azure neschválíte, nebudete moct kontejner spustit.

Shromažďují se požadované parametry.

Existují tři primární parametry pro všechny požadované kontejnery Cognitive Services. Podmínky licenční smlouvy s koncovým uživatelem (EULA) musí být k dispozici s hodnotou accept . Kromě toho je potřeba adresa URL koncového bodu i klíč rozhraní API.

Identifikátor URI koncového bodu {ENDPOINT_URI}

Hodnota identifikátoru URI koncového bodu je k dispozici na stránce Přehled Azure Portal odpovídajícího prostředku služby pro rozpoznávání. Přejděte na stránku Přehled , najeďte myší na koncový bod a Copy to clipboard zobrazí se ikona. Zkopírujte a použijte tam, kde je to potřeba.

Klíče {API_KEY}

Tento klíč se používá ke spuštění kontejneru a je k dispozici na stránce klíčů Azure Portal odpovídajícího prostředku služby pro rozpoznávání. Přejděte na stránku klíče a klikněte na Copy to clipboard ikonu.

Hostitelský počítač

Hostitel je počítač s procesorem x64, na kterém běží kontejner Docker. Může to být počítač v místním prostředí nebo hostská služba Docker v Azure, například:

• Služba Azure Kubernetes
• Azure Container Instances.
• Kubernetes cluster byl nasazen do Azure Stack. Další informace najdete v tématu nasazení Kubernetes do Azure Stack.

Podpora rozšíření Advanced Vector Extension

Hostitelský počítač je počítač, na který běží kontejner Dockeru. Hostitel musí podporovat rozšíření AVX2 (Advanced Vector Extensions). Podporu AVX2 na hostitelích s Linuxem můžete zkontrolovat pomocí následujícího příkazu:

grep -q avx2 /proc/cpuinfo && echo AVX2 supported || echo No AVX2 support detected

Požadavky na kontejnery a doporučení

Následující tabulka popisuje minimální a doporučené přidělení prostředků pro každý kontejner OCR pro čtení.

• Každé jádro musí mít aspoň 2,6 GHz nebo rychlejší.

Základní a paměť odpovídají --cpus --memory nastavení a, která se používají jako součást docker run příkazu.

Získání image kontejneru pomocí docker pull

Image kontejnerů pro čtení jsou k dispozici.

Pomocí příkazu docker pull stáhněte image kontejneru.

Docker pull pro kontejner Read OCR

Nejnovější verzi Preview:

docker pull mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2021-09-30-preview

docker pull mcr.microsoft.com/azure-cognitive-services/vision/read:3.2

docker pull mcr.microsoft.com/azure-cognitive-services/vision/read:2.0-preview

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

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

Jak používat kontejner

Jakmile je kontejner na hostitelském počítači,použijte pro práci s kontejnerem následující postup.

1. Spusťte kontejner spožadovaným nastavením fakturace. K dispozici jsou další docker run příklady příkazu .
2. Dotazování koncového bodu předpovědi kontejneru

Spuštění kontejneru pomocí docker run

Ke spuštění kontejneru použijte příkaz docker run. Podrobnosti o tom, jak získat hodnoty a, najdete v tématu shromažďování {ENDPOINT_URI} požadovaných {API_KEY} parametrů.

K dispozici jsou docker run příklady příkazu .

Pokud chcete získat nejnovější verzi Preview, nahraďte cestu 3.2 tímto kódem:

mcr.microsoft.com/azure-cognitive-services/vision/read:3.2-model-2021-09-30-preview

docker run --rm -it -p 5000:5000 --memory 18g --cpus 8 \
mcr.microsoft.com/azure-cognitive-services/vision/read:3.2 \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

docker run --rm -it -p 5000:5000 --memory 18g --cpus 8 \
--env Eula=accept \
--env Billing={ENDPOINT_URI} \
--env ApiKey={API_KEY} \
mcr.microsoft.com/azure-cognitive-services/vision/read:3.2

docker run --rm -it -p 5000:5000 --memory 16g --cpus 8 \
mcr.microsoft.com/azure-cognitive-services/vision/read:2.0-preview \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

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:2.0-preview

K dispozici jsou další docker run příklady příkazu .

Pokud potřebujete vyšší propustnost (například při zpracování vícestránkové soubory), zvažte nasazení několika kontejnerů v clusteru Kubernetespomocí Azure Storage a Azure Queue.

Pokud k ukládání obrázků Azure Storage ke zpracování používáte nástroj , můžete vytvořit připojovací řetězec, který se použije při volání kontejneru.

Vyhledání připojovacího řetězce:

1. Přejděte na Storage účty na Azure Portal a vyhledejte svůj účet.
2. V levém navigačním seznamu klikněte na přístupové klíče .
3. Váš připojovací řetězec se bude nacházet pod připojovacím řetězcem .

Spuštění více kontejnerů na stejném hostiteli

Pokud máte v úmyslu spustit více kontejnerů s vystavenými porty, ujistěte se, že každý kontejner spustíte s jiným vystaveným portem. Například spusťte první kontejner na portu 5000 a druhý kontejner na portu 5001.

Můžete mít tento kontejner a jiný kontejner Azure Cognitive Services běžící na hostiteli společně. Můžete mít také více kontejnerů stejného Cognitive Services kontejneru se systémem.

Ověření, jestli je kontejner spuštěný

Existuje několik způsobů, jak ověřit, zda je kontejner spuštěn. Vyhledejte externí IP adresu a vystavený port příslušného kontejneru a otevřete svůj oblíbený webový prohlížeč. K ověření, že je kontejner spuštěný, použijte různé adresy URL žádostí níže. Níže uvedené příklady adres URL žádostí se http://localhost:5000 můžou lišit, ale váš konkrétní kontejner se může lišit. Pamatujte na to, že budete spoléhat na externí IP adresu vašeho kontejneru a vystavený port.

Zadání dotazu do prediktivního koncového bodu kontejneru

Kontejner poskytuje rozhraní API prediktivního koncového bodu pro dotazy založené na REST.

Nejnovější verzi Preview:

Pokud jste již nasadili 3,2 na portu 5000, použijte stejnou cestu Swagger jako 3,2, ale jiný port.

Asynchronní čtení

Pro nejnovější verzi Preview je vše stejné jako 3,2 s výjimkou dalších "modelVersion": "2021-09-30-preview" .

 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

{
  "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
              }
            ]
          }
        ]
      }
    ]
  }
}

 content-length: 0
 date: Fri, 13 Sep 2019 16:23:01 GMT
 operation-location: http://localhost:5000/vision/v2.0/read/operations/a527d445-8a74-4482-8cb3-c98a65ec7ef9
 server: Kestrel

{
  "status": "Succeeded",
  "recognitionResults": [
    {
      "page": 1,
      "clockwiseOrientation": 2.42,
      "width": 502,
      "height": 252,
      "unit": "pixel",
      "lines": [
        {
          "boundingBox": [ 56, 39, 317, 50, 313, 134, 53, 123 ],
          "text": "Tabs VS",
          "words": [
            {
              "boundingBox": [ 90, 43, 243, 53, 243, 123, 94, 125 ],
              "text": "Tabs",
              "confidence": "Low"
            },
            {
              "boundingBox": [ 259, 55, 313, 62, 313, 122, 259, 123 ],
              "text": "VS"
            }
          ]
        },
        {
          "boundingBox": [ 221, 148, 417, 146, 417, 206, 227, 218 ],
          "text": "Spaces",
          "words": [
            {
              "boundingBox": [ 230, 148, 416, 141, 419, 211, 232, 218 ],
              "text": "Spaces"
            }
          ]
        }
      ]
    }
  ]
}

Synchronní čtení

K synchronnímu čtení obrázku můžete použít následující operaci.

Když se image načte v celém rozsahu, pak rozhraní API pak vrátí odpověď JSON. Jedinou výjimkou je situace, kdy dojde k chybě. Pokud dojde k chybě, vrátí se následující JSON:

{
    "status": "Failed"
}

Objekt odpovědi JSON má stejný graf objektů jako asynchronní verze. Pokud jste uživatelem JavaScriptu a chcete mít bezpečnost typů, zvažte použití TypeScriptu k přetypování odpovědi JSON.

Příklad použití naleznete tady: v karanténě pro TypeScript a výběrem Spustit provizualizujte jeho snadné použití.

Zastavení kontejneru

Pokud chcete vypnout kontejner, v prostředí příkazového řádku, kde je kontejner spuštěný, vyberte CTRL + C.

Řešení potíží

Pokud spouštíte kontejner s povoleným výstupním připojením a povolíte protokolování, kontejner generuje soubory protokolu, které jsou užitečné při řešení problémů, ke kterým dochází při spuštění nebo spuštění kontejneru.

Pokud máte potíže se spuštěním kontejneru služeb Cognitive Services, můžete zkusit použít diagnostický kontejner Microsoftu. S využitím tohoto kontejneru můžete diagnostikovat běžné chyby ve vašem vývojovém prostředí, které můžou bránit kontejnerům služeb Cognitive Services, aby fungovaly podle očekávání.

K získání kontejneru použijte následující příkaz pull Dockeru:

docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic

Pak spusťte kontejner, {ENDPOINT_URI} nahraďte koncovým bodem a nahraďte {API_KEY} klíčem vašeho prostředku:

docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
Eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

Kontejner otestujte síťové připojení ke koncovému bodu fakturace.

Fakturace

Kontejnery Cognitive Services odesílají informace o fakturaci do Azure pomocí odpovídajícího prostředku v účtu Azure.

Dotazy na kontejner se účtuly na cenové úrovni prostředku Azure, který se používá pro ApiKey parametr .

Azure Cognitive Services kontejnery nemají licenci ke spuštění bez připojení ke koncovému bodu měření nebo fakturace. Kontejnerům musíte za všech okolností povolit, aby s fakturačním koncovým bodem komunikovali fakturační údaje. Cognitive Services kontejnery neposílat zákaznická data, jako je obrázek nebo text, který se analyzuje, do Microsoftu.

Připojení k Azure

Kontejner ke spuštění potřebuje hodnoty argumentu fakturace. Tyto hodnoty umožňují kontejneru připojit se ke koncovému bodu fakturace. Kontejner hlásí využití přibližně každých 10 až 15 minut. Pokud se kontejner v povoleném časovém období nepřipojí k Azure, kontejner se bude dál spouštět, ale nebude obsluhovat dotazy, dokud se koncový bod fakturace neznoví. Pokus o připojení je proveden 10krát ve stejném časovém intervalu od 10 do 15 minut. Pokud se nemůže během 10 pokusů připojit ke koncovému bodu fakturace, kontejner přestane obsluhut žádosti. Příklad informací odeslaných Microsoftu k fakturaci najdete v nejčastějších dotazech Cognitive Services kontejnerů.

Argumenty fakturace

docker run Příkaz spustí kontejner, když jsou k dispozici všechny tři z následujících možností s platnými hodnotami:

Další informace o těchto možnostech najdete v tématu konfigurace kontejnerů.

Souhrn

V tomto článku jste zjistili koncepty a pracovní postupy pro stažení, instalaci a spuštění kontejnerů Počítačové zpracování obrazu. Souhrn:

• Počítačové zpracování obrazu poskytuje kontejner pro Linux pro Docker, zapouzdření čtení.
• Image pro čtení kontejneru vyžaduje aplikaci pro její spuštění.
• Image kontejneru se spouštějí v Docker.
• Pomocí REST API nebo sady SDK můžete volat operace v kontejnerech pro rozpoznávání OCR zadáním identifikátoru URI hostitele kontejneru.
• Při vytváření instance kontejneru je nutné zadat informace o fakturaci.

Další kroky

• Přečtěte si téma konfigurace kontejnerů pro nastavení konfigurace
• Další informace o rozpoznávání tiskového a rukopisného textu najdete v přehledu optického rozpoznávání znaků .
• Podrobnosti o metodách podporovaných kontejnerem najdete v tématu rozhraní API pro čtení .
• Přečtěte si Nejčastější dotazy k řešení problémů souvisejících se počítačové zpracování obrazu funkcemi.
• Použít více Cognitive Servicesch kontejnerů