Delen via

Containers installeren en uitvoeren

  • Artikel

Deze inhoud is van toepassing op:vinkjev3.0 (GA)vinkjev3.1 (GA)vinkjev4.0 (GA)

Azure AI Document Intelligence is een Azure AI-service waarmee u geautomatiseerde gegevensverwerkingssoftware kunt bouwen met behulp van machine learning-technologie. Met Document Intelligence kunt u tekst, sleutel-waardeparen, selectiemarkeringen, tabelgegevens en meer uit uw documenten identificeren en extraheren. De resultaten worden geleverd als gestructureerde gegevens die .. /bevat de relaties in het oorspronkelijke bestand. Containers verwerken alleen de gegevens die aan hen worden verstrekt en maken alleen gebruik van de resources die ze mogen openen. Containers kunnen geen gegevens uit andere regio's verwerken.

In dit artikel leert u hoe u Document Intelligence-containers downloadt, installeert en uitvoert. Met containers kunt u de Document Intelligence-service uitvoeren in uw eigen omgeving. Containers zijn ideaal voor specifieke vereisten voor beveiliging en gegevensbeheer.

  • Indelingsmodel wordt ondersteund door Document Intelligence v3.1-containers.

  • Lees-, Indelings-, ID-Document-, Ontvangst- en Factuur-modellen worden ondersteund door Document Intelligence v3.1-containers.

  • Lees-, indelings-, algemeen document-, visitekaartje- en aangepaste modellen worden ondersteund door Document Intelligence v3.0-containers.

Versieondersteuning

Ondersteuning voor containers is momenteel beschikbaar met Document Intelligence-versie v3.0: 2022-08-31 (GA) voor alle modellen, v3.1 2023-07-31 (GA) voor de modellen Lezen, Layout, ID Document, Ontvangst en Factuur, en v4.0 2024-11-30 (GA) voor Layout.

Vereisten

U hebt een actief Azure-account nodig om aan de slag te gaan. Als u nog geen account hebt, kunt u een gratis account aanmaken.

U hebt ook het volgende nodig om Document Intelligence-containers te gebruiken:

Vereist Doel
Bekendheid met Docker U moet basiskennis hebben van Docker-concepten, zoals registers, opslagplaatsen, containers en containerinstallatiekopieën, evenals kennis van basisterminologie dockeren opdrachten.
Docker Engine geïnstalleerd
  • U moet de Docker Engine installeren op een hostcomputer. Docker biedt pakketten waarmee de Docker-omgeving op MacOS, Windows en Linux kan worden geconfigureerd. Zie het Docker-overzicht voor een inleiding tot de basisprincipes van Docker en containers.
  • Docker moet zo worden geconfigureerd dat de containers verbinding kunnen maken met en factureringsgegevens naar Azure kunnen verzenden.
  • In Windows moet Docker ook worden geconfigureerd ter ondersteuning van Linux-containers.
Document Intelligence-resource Een Azure AI Document Intelligence-resource met één service of een resource voor meerdere services in Azure Portal. Als u de containers wilt gebruiken, moet u de bijbehorende sleutel en eindpunt-URI hebben. Beide waarden zijn beschikbaar op de Azure portal Document Intelligence Sleutels en Eindpunt pagina:
  • {FORM_RECOGNIZER_KEY}: een van de twee beschikbare resourcesleutels.
  • {FORM_RECOGNIZER_ENDPOINT_URI}: het eindpunt voor de resource die wordt gebruikt om factureringsgegevens bij te houden.
Optioneel Doel
Azure CLI (opdrachtregelinterface) Met de Azure CLI kunt u een set onlineopdrachten gebruiken om Azure-resources te maken en te beheren. Het is beschikbaar om te installeren in Windows-, macOS- en Linux-omgevingen en kan worden uitgevoerd in een Docker-container en Azure Cloud Shell.

Vereisten voor hostcomputers

De host is een x64-computer waarop de Docker-container wordt uitgevoerd. Het kan een computer op uw locatie of een Docker-hostingservice in Azure zijn, zoals:

Notitie

De Studio-container kan niet worden geïmplementeerd en uitgevoerd in Azure Kubernetes Service. De Studio-container wordt alleen ondersteund voor uitvoering op lokale computers.

Containervereisten en aanbevelingen

Vereiste ondersteunende containers

De volgende tabel bevat een of meer ondersteunende containers voor elke Document Intelligence-container die u downloadt. Zie de sectie Facturering voor meer informatie.

Eigenschapscontainer Ondersteunende containers
Lezen Niet vereist
Indeling Niet vereist
Visitekaartje Lezen
Algemeen document Indeling
Factuur Indeling
Kwitantie Lezen of Indeling
ID-document Lezen
Aangepaste sjabloon Indeling

Notitie

De minimum- en aanbevolen waarden zijn gebaseerd op Docker-limieten en niet op de hostcomputerresources.

Documentintelligencecontainers
Container Minimaal Aanbevolen
Read 8 kernen, 10 GB geheugen 8 kernen, 24 GB geheugen
Layout 8 kernen, 16 GB werkgeheugen 8 cores, 24 GB geheugen
Business Card 8 kernen, 16-GB geheugen 8 kernen, 24 GB geheugen
General Document 8 kernen, 12 GB geheugen 8 kernen, 24 GB geheugen
ID Document 8 kernen, 8 GB geheugen 8 kernen, 24 GB geheugen
Invoice 8 kernen, 16 GB geheugen 8 kernen, 24-GB geheugen
Receipt 8 kernen, 11 GB geheugen 8 kernen, 24-GB geheugen
Custom Template 8 cores, 16-GB geheugen 8 kernen, 24-GB geheugen
  • Elke kern moet ten minste 2,6 gigahertz (GHz) of sneller zijn.
  • Kern en geheugen komen overeen met de --cpus en --memory instellingen, die worden gebruikt als onderdeel van de docker compose of docker run opdracht.

Tip

U kunt de opdracht docker-installatiekopieën gebruiken om uw gedownloade containerinstallatiekopieën weer te geven. De volgende opdracht geeft bijvoorbeeld de id, opslagplaats en tag van elke gedownloade containerafbeelding, in tabelvorm:

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

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

Voer de container uit met de opdracht docker-compose up

  • Vervang de waarden {ENDPOINT_URI} en {API_KEY} door de URI van uw resource-eindpunt en de sleutel van de Azure-resourcepagina.

    Schermopname van azure Portal-sleutels en eindpuntpagina.

  • Zorg ervoor dat de EULA waarde is ingesteld op accepteren.

  • De EULA, Billingen ApiKey waarden moeten worden opgegeven. Anders kan de container niet worden gestart.

Belangrijk

De sleutels worden gebruikt voor toegang tot uw Document Intelligence-resource. Deel je sleutels niet. Sla ze veilig op, bijvoorbeeld met behulp van Azure Key Vault. We raden u ook aan om deze sleutels regelmatig opnieuw te genereren. Er is slechts één sleutel nodig om een API-aanroep te maken. Wanneer u de eerste sleutel opnieuw genereert, kunt u de tweede sleutel gebruiken voor verdere toegang tot de service.

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld om de container Document Intelligence Layout uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie. Voer de waarden {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} in voor je containerinstantie Indeling.

version: "3.9"
services:
  azure-form-recognizer-layout:
    container_name: azure-form-recognizer-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-4.0
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - apiKey={FORM_RECOGNIZER_KEY}
    ports:
      - "5000:5000"
    networks:
      - ocrvnet
networks:
  ocrvnet:
    driver: bridge

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Voer de container uit met de opdracht docker-compose up

  • Vervang de waarden {ENDPOINT_URI} en {API_KEY} door de URI van uw resource-eindpunt en de sleutel van de Azure-resourcepagina.

    Schermopname van azure Portal-sleutels en eindpuntpagina.

  • Zorg ervoor dat de EULA waarde is ingesteld op accepteren.

  • De EULA, Billingen ApiKey waarden moeten worden opgegeven. Anders kan de container niet worden gestart.

Belangrijk

De sleutels worden gebruikt voor toegang tot uw Document Intelligence-resource. Deel je sleutels niet. Sla ze veilig op, bijvoorbeeld met behulp van Azure Key Vault. We raden u ook aan om deze sleutels regelmatig opnieuw te genereren. Er is slechts één sleutel nodig om een API-aanroep te maken. Wanneer u de eerste sleutel opnieuw genereert, kunt u de tweede sleutel gebruiken voor verdere toegang tot de service.

Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld om de container Document Intelligence Layout uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie. Voer {FORM_RECOGNIZER_ENDPOINT_URI} en {FORM_RECOGNIZER_KEY} waarden voor de containerinstantie indeling in.

version: "3.9"
services:
  azure-form-recognizer-layout:
    container_name: azure-form-recognizer-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.1
    environment:
      - EULA=accept
      - billing={FORM_RECOGNIZER_ENDPOINT_URI}
      - apiKey={FORM_RECOGNIZER_KEY}
    ports:
      - "5000:5000"
    networks:
      - ocrvnet
networks:
  ocrvnet:
    driver: bridge

Nu kunt u de service starten met de docker compose-opdracht:

docker-compose up

Een Docker Compose-bestand maken

  1. Geef dit bestand een naam docker-compose.yml

  2. Het volgende codevoorbeeld is een zelfstandig docker compose voorbeeld voor het uitvoeren van documentinformatie-indeling, Studio en aangepaste sjablooncontainers. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie.

version: '3.3'
services:
  nginx:
    image: nginx:alpine
    container_name: reverseproxy
    depends_on:
      - layout
      - custom-template
    volumes:
      - ${NGINX_CONF_FILE}:/etc/nginx/nginx.conf
    ports:
      - "5000:5000"
  layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0:latest
    environment:
      eula: accept
      apikey: ${FORM_RECOGNIZER_KEY}
      billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
      Logging:Console:LogLevel:Default: Information
      SharedRootFolder: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - type: bind
        source: ${OUTPUT_MOUNT_PATH}
        target: /logs
    expose:
      - "5000"

  custom-template:
    container_name: azure-cognitive-service-custom-template
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/custom-template-3.0:latest
    restart: always
    depends_on:
      - layout
    environment:
      AzureCognitiveServiceLayoutHost: http://azure-cognitive-service-layout:5000
      eula: accept
      apikey: ${FORM_RECOGNIZER_KEY}
      billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
      Logging:Console:LogLevel:Default: Information
      SharedRootFolder: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - type: bind
        source: ${OUTPUT_MOUNT_PATH}
        target: /logs
    expose:
      - "5000"

  studio:
    container_name: form-recognizer-studio
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/studio:3.0
    environment:
      ONPREM_LOCALFILE_BASEPATH: /onprem_folder
      STORAGE_DATABASE_CONNECTION_STRING: /onprem_db/Application.db
    volumes:
      - type: bind
        source: ${FILE_MOUNT_PATH} # path to your local folder
        target: /onprem_folder
      - type: bind
        source: ${DB_MOUNT_PATH} # path to your local folder
        target: /onprem_db
    ports:
      - "5001:5001"
    user: "1000:1000" # echo $(id -u):$(id -g)

Een Docker Compose-bestand maken

  1. Geef dit bestand een naam docker-compose.yml

  2. Het volgende codevoorbeeld is een op zichzelf staand docker compose voorbeeld om de Document Intelligence Layout, Studio en aangepaste sjablooncontainers samen uit te voeren. Met docker composekunt u een YAML-bestand gebruiken om de services van uw toepassing te configureren. Vervolgens maakt en start u met docker-compose up de opdracht alle services vanuit uw configuratie.

version: '3.3'
services:
  nginx:
    image: nginx:alpine
    container_name: reverseproxy
    depends_on:
      - layout
      - custom-template
    volumes:
      - ${NGINX_CONF_FILE}:/etc/nginx/nginx.conf
    ports:
      - "5000:5000"
  layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.1:latest
    environment:
      eula: accept
      apikey: ${FORM_RECOGNIZER_KEY}
      billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
      Logging:Console:LogLevel:Default: Information
      SharedRootFolder: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - type: bind
        source: ${OUTPUT_MOUNT_PATH}
        target: /logs
    expose:
      - "5000"

  custom-template:
    container_name: azure-cognitive-service-custom-template
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/custom-template-3.1:latest
    restart: always
    depends_on:
      - layout
    environment:
      AzureCognitiveServiceLayoutHost: http://azure-cognitive-service-layout:5000
      eula: accept
      apikey: ${FORM_RECOGNIZER_KEY}
      billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
      Logging:Console:LogLevel:Default: Information
      SharedRootFolder: /share
      Mounts:Shared: /share
      Mounts:Output: /logs
    volumes:
      - type: bind
        source: ${SHARED_MOUNT_PATH}
        target: /share
      - type: bind
        source: ${OUTPUT_MOUNT_PATH}
        target: /logs
    expose:
      - "5000"

  studio:
    container_name: form-recognizer-studio
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/studio:3.1
    environment:
      ONPREM_LOCALFILE_BASEPATH: /onprem_folder
      STORAGE_DATABASE_CONNECTION_STRING: /onprem_db/Application.db
    volumes:
      - type: bind
        source: ${FILE_MOUNT_PATH} # path to your local folder
        target: /onprem_folder
      - type: bind
        source: ${DB_MOUNT_PATH} # path to your local folder
        target: /onprem_db
    ports:
      - "5001:5001"
    user: "1000:1000" # echo $(id -u):$(id -g)

De aangepaste sjablooncontainer en indelingscontainer kunnen Azure Storage-wachtrijen of in-memory wachtrijen gebruiken. De Storage:ObjectStore:AzureBlob:ConnectionString en queue:azure:connectionstring omgevingsvariabelen hoeven alleen te worden ingesteld als u Azure Storage-wachtrijen gebruikt. Wanneer u lokaal werkt, verwijdert u deze variabelen.

Controleren of de service wordt uitgevoerd

Om ervoor te zorgen dat de service actief is. Voer deze opdrachten uit in een Ubuntu-shell.

$cd <folder containing the docker-compose file>

$source .env

$docker-compose up

Aangepaste sjablooncontainers vereisen enkele verschillende configuraties en ondersteunen andere optionele configuraties.

Instelling Vereist Omschrijving
EULA Ja Voorbeeld van acceptatie van licentie: Eula=accept
Facturering Ja Factureringseindpunt-URI van de FR-resource
ApiKey Ja De eindpuntsleutel van de FR-resource
Wachtrij:Azure:ConnectionString Nee Azure Queue verbindingsreeks
Opslag:ObjectStore:AzureBlob:Verbindingsreeks Nee Azure Blob-verbindingstekenreeks
HealthCheck:MemoryUpperboundInMB Nee Geheugendrempel voor het rapporteren van een ongezonde status aan de liveness. Standaard: Hetzelfde als aanbevolen geheugen
TijdelijkeOpslagLevensduurInMinuten Nee TTL duur om alle tussenliggende en uiteindelijke bestanden te verwijderen. Standaard: twee dagen, TTL kan tussen vijf minuten tot zeven dagen worden ingesteld
Taak:MaxRunningTimeSpanInMinutes Nee Maximale uitvoeringstijd voor het behandelen van de aanvraag als time-out. Standaard: 60 minuten
HTTP_PROXY_BYPASS_URLS Nee Geef URL's op voor het omzeilen van proxyvoorbeeld: HTTP_PROXY_BYPASS_URLS = abc.com, xyz.com
AzureCognitiveServiceReadHost (Ontvangstbewijs, alleen IdDocument Containers) Ja Geef URI-voorbeeld van leescontainer op: AzureCognitiveServiceReadHost=http://onprem-frread:5000
AzureCognitiveServiceLayoutHost (document, alleen factuurcontainers) Ja Geef een indelingscontainer-URI-voorbeeld op: AzureCognitiveServiceLayoutHost=http://onprem-frlayout:5000

Document Intelligence Studio gebruiken om een model te trainen

  • Verzamel een set van ten minste vijf formulieren van hetzelfde type. U gebruikt deze gegevens om het model te trainen en een formulier te testen. U kunt een voorbeeldgegevensset gebruiken (sample_data.zip downloaden en extraheren).

  • Zodra u kunt bevestigen dat de containers draaien, opent u een browser en gaat u naar het eindpunt waar u de containers hebt geïmplementeerd. Als deze implementatie uw lokale computer is, is [http://localhost:5001](http://localhost:5001)het eindpunt.

  • Selecteer de tegel voor het aangepaste extractiemodel.

  • Selecteer de Create project optie.

  • Geef een projectnaam en desgewenst een beschrijving op

  • Geef in de stap 'Uw resource configureren' het eindpunt op voor uw aangepaste sjabloonmodel. Als u de containers op uw lokale computer hebt geïmplementeerd, gebruikt u deze URL [http://localhost:5000](http://localhost:5000).

  • Geef een submap op waarin uw trainingsgegevens zich in de map met bestanden bevinden.

  • Maak ten slotte het project

U moet nu een project hebben gemaakt dat klaar is voor labelen. Upload uw trainingsgegevens en ga aan de slag met labelen. Als u nieuw bent met labelen, zie een aangepast model bouwen en trainen.

De API gebruiken om te trainen

Als u van plan bent om de API's rechtstreeks aan te roepen om een model te trainen, vereist de aangepaste sjabloonmodel train-API een base64 gecodeerd zip-bestand dat de inhoud van uw labelproject is. U kunt de PDF- of afbeeldingsbestanden weglaten en alleen de JSON-bestanden verzenden.

Zodra uw gegevensset is gelabeld en *.ocr.json, *.labels.json en fields.json bestanden aan een zip-bestand zijn toegevoegd, gebruikt u de PowerShell-opdrachten om de met Base64 gecodeerde tekenreeks te genereren.

$bytes = [System.IO.File]::ReadAllBytes("<your_zip_file>.zip")
$b64String = [System.Convert]::ToBase64String($bytes, [System.Base64FormattingOptions]::None)

Gebruik de api voor het buildmodel om de aanvraag te posten.


  POST http://localhost:5000/formrecognizer/documentModels:build?api-version=2023-07-31

  {
      "modelId": "mymodel",
      "description": "test model",
      "buildMode": "template",

      "base64Source": "<Your base64 encoded string>",
      "tags": {
         "additionalProp1": "string",
         "additionalProp2": "string",
         "additionalProp3": "string"
       }
  }

Controleer of de service wordt uitgevoerd

Er zijn verschillende manieren om te controleren of de container draait.

  • De container biedt een startpagina op \ als een visuele bevestiging dat de container in werking is.

  • U kunt uw favoriete webbrowser openen en naar het externe IP-adres en de weergegeven poort van de betreffende container navigeren. Gebruik de vermelde aanvraag-URL's om te controleren of de container wordt uitgevoerd. De vermelde voorbeeldaanvraag-URL's zijn http://localhost:5000, maar uw specifieke container kan variëren. Houd er rekening mee dat u naar het externe IP-adres en de weergegeven poort van uw container navigeert.

    Aanvraag-URL Doel
    http:// localhost:5000/ De container bevat een startpagina.
    http:// localhost:5000/ready Aangevraagd met GET biedt deze aanvraag een verificatie dat de container gereed is voor het accepteren van een query voor het model. Deze aanvraag kan worden gebruikt voor Kubernetes-liveness- en gereedheidstests.
    http:// localhost:5000/status Aangevraagd met GET, wordt met deze aanvraag gecontroleerd of de API-sleutel die wordt gebruikt om de container te starten geldig is zonder een eindpuntquery te veroorzaken. Deze aanvraag kan worden gebruikt voor Kubernetes-liveness- en gereedheidstests.
    http:// localhost:5000/swagger De container bevat een volledige set met documentatie voor de eindpunten en een functie Uitproberen. Met deze functie kunt u uw instellingen invoeren in een HTML-webformulier en de query maken zonder dat u code hoeft te schrijven. Nadat de query is geretourneerd, wordt een voorbeeld van een CURL-opdracht gegeven om de vereiste HTTP-headers en hoofdtekstindeling te demonstreren.

Schermopname van de welkomstpagina van Azure-containers.

De containers stoppen

Gebruik de volgende opdracht om de containers te stoppen:

docker-compose down

Facturatie

De Document Intelligence-containers verzenden factureringsgegevens naar Azure met behulp van een Document Intelligence-resource in uw Azure-account.

Query's naar de container worden gefactureerd in de prijscategorie van de Azure-resource die wordt gebruikt voor de API Key. Facturering wordt berekend voor elke containerinstantie die wordt gebruikt voor het verwerken van uw documenten en afbeeldingen.

Als u de volgende fout krijgt: Container heeft geen geldige status. De abonnementsvalidatie is mislukt met de status 'OutOfQuota'. De API-sleutel heeft het quotum overschreden. Het is een indicator dat uw containers niet communiceren met het factureringseindpunt.

Verbinding maken met Azure

De container heeft de waarden van de factureringsargumenten nodig om te draaien. Met deze waarden kan de container verbinding maken met het factureringseindpunt. De container rapporteert ongeveer om de 10 tot 15 minuten het gebruik. Als de container niet binnen het toegestane tijdvenster verbinding maakt met Azure, blijft de container actief, maar voert deze geen query's uit totdat het factureringseindpunt is hersteld. De verbinding wordt 10 keer geprobeerd met hetzelfde tijdsinterval van 10 tot 15 minuten. Als er geen verbinding kan worden gemaakt met het factureringseindpunt binnen de 10 pogingen, stopt de container met het verwerken van aanvragen. Zie de veelgestelde vragen over de Azure AI-container voor een voorbeeld van de informatie die naar Microsoft is verzonden voor facturering.

Factureringsargumenten

Met de opdracht docker compose up wordt de container gestart wanneer alle drie de volgende opties geldige waarden bevatten:

Optie Omschrijving
ApiKey De sleutel van de Azure AI-servicesresource die wordt gebruikt om factureringsgegevens bij te houden.
De waarde van deze optie moet worden ingesteld op een sleutel voor de geprovisioneerde resource die is opgegeven in Billing.
Billing Het eindpunt van de Azure AI-servicesresource die wordt gebruikt om factureringsgegevens bij te houden.
De waarde van deze optie moet worden ingesteld op de eindpunt-URI van een ingerichte Azure-resource.
Eula Geeft aan dat u de licentie voor de container hebt geaccepteerd.
De waarde van deze optie moet worden ingesteld op accepteren.

Zie Containers configureren voor meer informatie over deze opties.

Samenvatting

Dat is het! In dit artikel hebt u concepten en werkstromen geleerd voor het downloaden, installeren en uitvoeren van Document Intelligence-containers. Samengevat:

  • Document Intelligence biedt zeven Linux-containers voor Docker.
  • Containerafbeeldingen worden gedownload van mcr.
  • Containerafbeeldingen draaien in Docker.
  • De factureringsgegevens moeten worden opgegeven wanneer u een container instantieert.

Belangrijk

Azure AI-containers hebben geen licentie om te worden uitgevoerd zonder verbinding te maken met Azure voor meting. Klanten moeten ervoor zorgen dat de containers altijd factureringsgegevens kunnen communiceren met de meterservice. Azure AI-containers verzenden geen klantgegevens (bijvoorbeeld de afbeelding of tekst die wordt geanalyseerd) naar Microsoft.

Volgende stappen