Installera Read OCR Docker-containrar

Med containrar kan du köra API:erna för Visuellt innehåll i din egen miljö. Containrar är bra för specifika säkerhets- och datastyrningskrav. I den här artikeln lär du dig att ladda ned, installera och köra Visuellt innehåll containrar.

Med Read OCR-containern kan du extrahera tryckt och handskriven text från bilder och dokument med stöd för filformaten JPEG, PNG, BMP, PDF och TIFF. Mer information finns i läs-API:et i guiden.

Nyheter

För befintliga användare av Read-containrarna finns en ny version av read-containern tillgänglig med stöd för 122 språk och allmänna prestanda- och 3.2-model-2021-09-30-preview AI-förbättringar. Kom igång genom att följa anvisningarna för nedladdning.

Read 3.2-container

Read 3.2 OCR-containern innehåller:

• Nya modeller för förbättrad noggrannhet.
• Stöd för flera språk i samma dokument.
• Stöd för totalt 73 språk. Se den fullständiga listan över OCR-språk som stöds.
• En enda åtgärd för både dokument och bilder.
• Stöd för större dokument och bilder.
• Förtroendepoäng.
• Stöd för dokument med både utskrifts- och handskriven text.
• Möjlighet att extrahera text från endast valda sidor i ett dokument.
• Välj utdataordning för textrad från standard till en mer naturlig läsordning endast för latinska språk.
• Textradsklassificering som handskriven stil eller inte endast för latinska språk.

Om du använder Read 2.0-containrar idag kan du läsa om ändringar i de nya versionerna i migreringsguiden.

Förutsättningar

Du måste uppfylla följande krav innan du använder containrarna:

Om du inte har någon Azure-prenumeration kan du skapa ett kostnadsfritt konto innan du börjar.

Begära godkännande för att köra containern

Fyll i och skicka formuläret för begäran för att begära godkännande för att köra containern.

Formuläret efterfrågar information om dig, ditt företag och användar scenariot som du använder behållaren för. När du har skickat formuläret granskar Azure Cognitive Services-teamet det och skickar ett meddelande till dig med ett beslut.

När du har godkänt kan du köra behållaren efter att ha laddat ned den från Microsoft Container Registry (MCR), som beskrivs längre fram i artikeln.

Du kommer inte att kunna köra behållaren om din Azure-prenumeration inte har godkänts.

Nödvändiga parametrar samlas in

Det finns tre primära parametrar för alla Cognitive Services behållare som krävs. Licens avtalet för slutanvändare (EULA) måste vara närvarande med värdet accept . Dessutom behövs både en slut punkts-URL och API-nyckel.

Slut punkts-URI {ENDPOINT_URI}

URI-värdet för slut punkten är tillgängligt på sidan Azure Portal Översikt för motsvarande kognitiva tjänst resurs. Gå till sidan Översikt , Hovra över slut punkten och en Copy to clipboard ikon visas. Kopiera och använd vid behov.

Nyckel {API_KEY}

Den här nyckeln används för att starta behållaren och är tillgänglig på sidan Azure Portals nycklar för motsvarande kognitiva tjänst resurser. Gå till sidan nycklar och klicka på Copy to clipboard ikonen.

Värddatorn

Värden är en x64-baserad dator som kör Docker-behållaren. Det kan vara en dator på din lokala dator eller en Docker-värd tjänst i Azure, till exempel:

• Azure Kubernetes-tjänsten.
• Azure Container instances.
• Ett Kubernetes -kluster distribuerat till Azure Stack. Mer information finns i distribuera Kubernetes till Azure Stack.

Stöd för avancerat vektortillägg

Värddatorn är den dator som kör Docker-containern. Värden måste ha stöd för Advanced Vector Extensions (AVX2). Du kan söka efter AVX2-stöd på Linux-värdar med följande kommando:

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

Krav och rekommendationer för containrar

I följande tabell beskrivs den lägsta och rekommenderade allokeringen av resurser för varje Read OCR-container.

• Varje kärna måste vara minst 2,6 gigahertz (GHz) eller snabbare.

Kärna och minne motsvarar inställningarna --cpus och , som används som en del av kommandot --memory docker run .

Hämta containeravbildningen med docker pull

Containeravbildningar för Läsa är tillgängliga.

Använd kommandot docker pull för att ladda ned en containeravbildning.

Docker-pull för Read OCR-containern

För den senaste förhandsversionen:

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>

Så här använder du containern

När containern finns på värddatornanvänder du följande process för att arbeta med containern.

1. Kör containernmed de faktureringsinställningar som krävs. Fler exempel på docker run kommandot är tillgängliga.
2. Fråga containerns förutsägelseslutpunkt.

Kör containern med docker run

Använd kommandot docker run för att köra containern. Information om hur du hämtar värdena och finns i samla in obligatoriska {ENDPOINT_URI} {API_KEY} parametrar.

Exempel på docker run kommandot är tillgängliga.

För den senaste förhandsversionen ersätter du 3.2-sökvägen med:

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

Fler exempel på docker run kommandot är tillgängliga.

Om du behöver högre dataflöde (till exempel vid bearbetning av filer med flera sidor) bör du överväga att distribuera flera containrar i ett Kubernetes-klustermed hjälp Azure Storage och Azure Queue.

Om du använder en Azure Storage för att lagra avbildningar för bearbetning kan du skapa en anslutningssträng som ska användas när du anropar containern.

Så här hittar du anslutningssträngen:

1. Gå till Storage kontona på Azure Portal och leta reda på ditt konto.
2. Klicka på Åtkomstnycklar i den vänstra navigeringslistan.
3. Anslutningssträngen finns under Anslutningssträng

Kör flera behållare på samma värd

Om du tänker köra flera behållare med exponerade portar ska du se till att köra varje behållare med en annan exponerad port. Kör till exempel den första behållaren på port 5000 och den andra behållaren på port 5001.

Du kan ha den här behållaren och en annan Azure Cognitive Services-behållare som körs på värden tillsammans. Du kan också ha flera behållare av samma Cognitive Services-behållare som kör.

Verifiera att en behållare körs

Det finns flera sätt att verifiera att behållaren körs. Leta reda på den externa IP- adressen och den exponerade porten för den aktuella behållaren och öppna din favorit webbläsare. Använd de olika URL: erna för begäran nedan för att verifiera att behållaren körs. URL: erna för exempel begär Anden som anges nedan är http://localhost:5000 , men din speciella behållare kan variera. Tänk på att du är beroende av behållarens externa IP -adress och exponerad port.

Köra frågor mot containerns förutsägelseslutpunkt

Containern innehåller REST-baserade slutpunkts-API:er för frågeförutsägelse.

För den senaste förhandsversionen:

Använd samma Swagger-sökväg som 3.2 men en annan port om du redan har distribuerat 3.2 på 5 000-porten.

Asynkron läsning

För den senaste förhandsversionen är allt detsamma som 3.2 förutom den ytterligare "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"
            }
          ]
        }
      ]
    }
  ]
}

Synkron läsning

Du kan använda följande åtgärd för att läsa en avbildning synkront.

När bilden läses i sin helhet returnerar API:et först ett JSON-svar. Det enda undantaget är om ett fel inträffar. När ett fel inträffar returneras följande JSON:

{
    "status": "Failed"
}

JSON-svarsobjektet har samma objektdiagram som den asynkrona versionen. Om du är JavaScript-användare och vill ha typsäkerhet bör du överväga att använda TypeScript för att typge JSON-svaret.

Ett exempel på ett användningsfall finns i Sandbox-miljön för TypeScript här och väljer Kör för att visualisera dess användarvänlighet.

Stoppa containern

Om du vill stänga av behållaren går du till kommando rads miljön där behållaren körs och väljer CTRL + C.

Felsökning

Om du kör containern med en aktiverad utdatamontering och -loggning genererar containern loggfiler som är användbara för att felsöka problem som inträffar när du startar eller kör containern.

Om du har problem med att köra en Cognitive Services-container kan du prova att använda Microsofts diagnostikcontainer. Använd den här containern till att diagnostisera vanliga fel i distributionsmiljön som kan förhindra att Cognitive Services-containrar fungerar som förväntat.

Hämta containern med följande Docker pull-kommando:

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

Kör sedan containern, {ENDPOINT_URI} ersätt med slutpunkten och ersätt {API_KEY} med din nyckel till din resurs:

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

Containern testar nätverksanslutningen till faktureringsslutpunkten.

Fakturering

Containern Cognitive Services faktureringsinformation till Azure med hjälp av motsvarande resurs på ditt Azure-konto.

Frågor till containern debiteras på prisnivån för den Azure-resurs som används för ApiKey parametern .

Azure Cognitive Services-containrar är inte licensierade att köras utan att vara anslutna till slutpunkten för mätning/fakturering. Du måste göra så att containrarna alltid kan kommunicera faktureringsinformation med faktureringsslutpunkten. Cognitive Services-containrar skickar inte kunddata, till exempel den bild eller text som analyseras, till Microsoft.

Anslut till Azure

Containern behöver faktureringsargumentvärdena för att köras. Dessa värden gör att containern kan ansluta till faktureringsslutpunkten. Containern rapporterar användning var 10:e till 15:e minut. Om containern inte ansluter till Azure inom den tillåtna tidsperioden fortsätter containern att köras men kör inte frågor förrän faktureringsslutpunkten har återställts. Anslutningen görs 10 gånger med samma tidsintervall på 10 till 15 minuter. Om den inte kan ansluta till faktureringsslutpunkten inom de 10 försöken slutar containern att betjäna begäranden. Se vanliga Cognitive Services vanliga frågor och svar om containrar för ett exempel på den information som skickas till Microsoft för fakturering.

Faktureringsargument

docker run Kommandot startar containern när alla tre av följande alternativ har angetts med giltiga värden:

Mer information om dessa alternativ finns i Konfigurera containrar.

Sammanfattning

I den här artikeln har du lärt dig begrepp och arbetsflöden för att ladda ned, installera och köra Visuellt innehåll containrar. Sammanfattningsvis:

• Visuellt innehåll tillhandahåller en Linux-container för Docker som kapslar in Läsa.
• Containeravbildningen read kräver att ett program kör den.
• Containeravbildningar körs i Docker.
• Du kan använda antingen REST API eller SDK för att anropa åtgärder i Read OCR-containrar genom att ange värd-URI för containern.
• Du måste ange faktureringsinformation när du instansierar en container.

Nästa steg

• Granska Konfigurera containrar för konfigurationsinställningar
• Granska OCR-översikten om du vill veta mer om igenkänning av tryckt och handskriven text
• Mer information om de metoder som stöds av containern finns i Api för läsning.
• Se Vanliga frågor och svar för att lösa problem som rör Visuellt innehåll funktioner.
• Använda fler Cognitive Services containrar