相关文章推荐
追风的投影仪  ·  SAS programming ...·  1 月前    · 
温柔的茴香  ·  Selenium中的断言 - 韩志超 - 博客园·  5 月前    · 
侠义非凡的沙滩裤  ·  机器学习掀起材料革命?人工智能应用在发现新材 ...·  7 月前    · 
粗眉毛的柑橘  ·  Simple but ...·  7 月前    · 
痴情的凉面  ·  Kafka log compaction ...·  11 月前    · 
Code  ›  安裝和執行適用於文件智慧服務 (先前稱為表格辨識器) 的 Docker 容器 - Azure AI services | Microsoft Learn
https://learn.microsoft.com/zh-tw/azure/ai-services/document-intelligence/containers/install-run?view=doc-intel-4.0.0
爱笑的汉堡包
4 月前

所有模型的檔智慧版本 2022-08-31 (GA) 和 2023-07-31 (GA) 讀取、配置、標識符檔、收據和發票模型目前都支援容器：

  • REST API 2022-08-31 (GA)
  • REST API 2023-07-31 (GA)
  • 以客戶端連結庫為目標 REST API 2022-08-31 (GA)
  • 以客戶端連結庫為目標 REST API 2023-07-31 (GA)

    • ✔️ 如需支援的容器檔，請參閱 安裝和執行 Document Intelligence 容器 。

    此內容適用於： 複選標記 v3.0 （GA） 複選標記 v3.1 （GA）

    Azure AI 文件智慧服務是一項 Azure AI 服務，可讓您使用機器學習技術建置自動化的資料處理軟體。 文件智慧服務可讓您從文件中識別和擷取文字、索引鍵/值組、選取標記、資料表資料等等。 結果會以 .. 的結構化數據的形式傳遞。/include the relationships in the original file.

    在本文中，您會了解如何下載、安裝和執行文件智慧服務容器。 這些容器可讓您在自己的環境中執行文件智慧服務。 容器非常適合用於特定的安全性和資料控管需求。

  • Document Intelligence v3.1 容器支援讀取、配置、標識符檔 、 收據 和 發票 模型。

  • Document Intelligence v3.0 容器支援讀取 、 版面配置 、 一般檔 、 名片 和 自定義 模型。

  • v2.1 容器 目前僅支援 名片 模型。

    若要開始，您需要使用中的 Azure 帳戶 。 如果您沒有帳戶，您可以 建立免費帳戶 。

    您也需要下列項目才能使用文件智慧服務容器：

    已安裝 Docker 引擎
    • 您必須在 主機電腦 上安裝 Docker 引擎。 Docker 提供可在 macOS 、 Windows 和 Linux 上設定 Docker 環境的套件。 如需 Docker 和容器基本概念的入門，請參閱 Docker 概觀 \(英文\)。
    • Docker 必須設定為允許容器與 Azure 連線，以及傳送帳單資料至 Azure。
    • 在 Windows 上，也必須將 Docker 設定為支援 Linux 容器。
    文件智慧服務資源 Azure 入口網站中的 單一服務 Azure AI 文件智慧服務 或 多服務 資源。 若要使用容器，您必須具有相關聯的金鑰和端點 URI。 這兩個值都可在 [Azure 入口網站 檔案智慧 密鑰和端點 ] 頁面上取得：
    • {FORM_RECOGNIZER_KEY} ：兩個可用資源金鑰的其中一個。
    • {FORM_RECOGNIZER_ENDPOINT_URI} ：用於追蹤計費資訊的資源端點。

    主機是可執行 Docker 容器的 x64 型電腦。 它可以是您內部部署的電腦，或是在 Azure 中裝載服務的 Docker，例如：

  • Azure Kubernetes Service 。
  • Azure 容器執行個體 。
  • 部署至 Azure Stack 的 Kubernetes \(英文\) 叢集。 如需詳細資訊，請參閱 將 Kubernetes 部署至 Azure Stack 。

    • 容器的需求和建議

    必要的支援容器

    下表列出您下載之每個 Document Intelligence 容器的一或多個支援容器。 如需詳細資訊，請參閱 計費 一節。

  • 每個核心必須至少 2.6 GHz 或更快。
  • 核心和記憶體會對應至 --cpus 和 --memory 設定，用來作為 docker compose 或 docker run 命令的一部分。

    • 您可以使用 docker images \(英文\) 命令來列出已下載的容器映像。 例如，下列命令會列出每個已下載之容器映像的識別碼、存放庫和標籤，並將它格式化為表格： 

    docker images --format "table {{.ID}}\t{{.Repository}}\t{{.Tag}}"
IMAGE ID         REPOSITORY                TAG
<image-id>       <repository-path/name>    <tag-name>

    使用 docker-compose up 命令執行容器
    

  • 以您在 Azure 資源頁面中的資源端點 URI 和金鑰取代 {ENDPOINT_URI} and {API_KEY} 值。
    

  • 確定 EULA 值設定為 接受。
    

  • 必須指定 EULA、Billing 和 ApiKey 值；否則容器無法啟動。
    

    您會使用金鑰來存取文件智慧服務資源。 請勿共用您的金鑰， 安全地加以儲存，例如使用 Azure Key Vault。 我們也建議定期重新產生這些金鑰。 呼叫 API 只需一把金鑰。 當您重新產生第一把金鑰時，可以使用第二把金鑰繼續存取服務。
    

    下列程式碼範例是用來執行文件智慧服務版面配置容器的獨立 docker compose 範例。 您可以使用 docker compose，透過 YAML 檔案來設定應用程式的服務。 然後，您可以使用 docker-compose up 命令，從您的設定建立並啟動所有服務。 輸入您版面配置容器執行個體的 {FORM_RECOGNIZER_ENDPOINT_URI} 和 {FORM_RECOGNIZER_KEY} 值。
    

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

    現在，您可以使用 docker compose 命令來啟動服務：
    

    docker-compose up

    下列程式碼範例是用來執行文件智慧服務一般文件容器的獨立 docker compose 範例。 您可以使用 docker compose，透過 YAML 檔案來設定應用程式的服務。 然後，您可以使用 docker-compose up 命令，從您的設定建立並啟動所有服務。 輸入您一般文件和版面配置容器執行個體的 {FORM_RECOGNIZER_ENDPOINT_URI} 和 {FORM_RECOGNIZER_KEY} 值。
    

    version: "3.9"
services:
  azure-cognitive-service-document:
    container_name: azure-cognitive-service-document
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/document-3.0
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceLayoutHost=http://azure-cognitive-service-layout:5000
    ports:
      - "5000:5050"
  azure-cognitive-service-layout:
     container_name: azure-cognitive-service-layout
     image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0
     environment:
         - EULA=accept
         - billing={FORM_RECOGNIZER_ENDPOINT_URI}
         - apiKey={FORM_RECOGNIZER_KEY}

    現在，您可以使用 docker compose 命令來啟動服務：
    

    docker-compose up

    考慮到電腦上的資源，一般文件容器可能需要一些時間才能啟動。
    

    下列程式碼範例是用來執行文件智慧服務版面配置容器的獨立 docker compose 範例。 您可以使用 docker compose，透過 YAML 檔案來設定應用程式的服務。 然後，您可以使用 docker-compose up 命令，從您的設定建立並啟動所有服務。 輸入您版面配置容器執行個體的 {FORM_RECOGNIZER_ENDPOINT_URI} 和 {FORM_RECOGNIZER_KEY} 值。
    

    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

    現在，您可以使用 docker compose 命令來啟動服務：
    

    docker-compose up

    下列程式碼範例是用來執行文件智慧服務發票容器的獨立 docker compose 範例。 您可以使用 docker compose，透過 YAML 檔案來設定應用程式的服務。 然後，您可以使用 docker-compose up 命令，從您的設定建立並啟動所有服務。 輸入您發票和版面配置容器執行個體的 {FORM_RECOGNIZER_ENDPOINT_URI} 和 {FORM_RECOGNIZER_KEY} 值。
    

    您必須使用 3.1 GA 版面配置映射作為 3.0 GA 和 3.1 GA 發票模型的上游。
    

    version: "3.9"
services:
  azure-cognitive-service-invoice:
    container_name: azure-cognitive-service-invoice
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice-3.1
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceLayoutHost=http://azure-cognitive-service-layout:5000
    ports:
      - "5000:5050"
  azure-cognitive-service-layout:
    container_name: azure-cognitive-service-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}

    現在，您可以使用 docker compose 命令來啟動服務：
    

    docker-compose up

    下列程式碼範例是用來執行文件智慧服務一般文件容器的獨立 docker compose 範例。 您可以使用 docker compose，透過 YAML 檔案來設定應用程式的服務。 然後，您可以使用 docker-compose up 命令，從您的設定建立並啟動所有服務。 輸入您收據和讀取容器執行個體的 {FORM_RECOGNIZER_ENDPOINT_URI} 和 {FORM_RECOGNIZER_KEY} 值。
    

    您可以使用 3.1 GA 版面配置映像作為上游，而不是讀取映像。
    

    version: "3.9"
services:
  azure-cognitive-service-receipt:
    container_name: azure-cognitive-service-receipt
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/receipt-3.1
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceReadHost=http://azure-cognitive-service-read:5000
    ports:
          - "5000:5050"
    azure-cognitive-service-read:
      container_name: azure-cognitive-service-read
      image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/read-3.1
      environment:
          - EULA=accept
          - billing={FORM_RECOGNIZER_ENDPOINT_URI}
          - apiKey={FORM_RECOGNIZER_KEY}

    現在，您可以使用 docker compose 命令來啟動服務：
    

    docker-compose up

    下列程式碼範例是用來執行文件智慧服務一般文件容器的獨立 docker compose 範例。 您可以使用 docker compose，透過 YAML 檔案來設定應用程式的服務。 然後，您可以使用 docker-compose up 命令，從您的設定建立並啟動所有服務。 輸入您身分證明和讀取容器執行個體的 {FORM_RECOGNIZER_ENDPOINT_URI} 和 {FORM_RECOGNIZER_KEY} 值。
    

    您可以使用 3.1 GA 版面配置映像作為上游，而不是讀取映像。
    

    version: "3.9"
services:
  azure-cognitive-service-id-document:
      container_name: azure-cognitive-service-id-document
      image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/id-document-3.1
      environment:
          - EULA=accept
          - billing={FORM_RECOGNIZER_ENDPOINT_URI}
          - apiKey={FORM_RECOGNIZER_KEY}
          - AzureCognitiveServiceReadHost=http://azure-cognitive-service-read:5000
      ports:
          - "5000:5050"
  azure-cognitive-service-read:
      container_name: azure-cognitive-service-read
      image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/read-3.1
      environment:
          - EULA=accept
          - billing={FORM_RECOGNIZER_ENDPOINT_URI}
          - apiKey={FORM_RECOGNIZER_KEY}

    現在，您可以使用 docker compose 命令來啟動服務：
    

    docker-compose up
services:
  azure-cognitive-service-invoice:
    container_name: azure-cognitive-service-businesscard
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/businesscard-3.0
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}
        - AzureCognitiveServiceLayoutHost=http://azure-cognitive-service-layout:5000
    ports:
      - "5000:5050"
  azure-cognitive-service-layout:
    container_name: azure-cognitive-service-layout
    image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0
    environment:
        - EULA=accept
        - billing={FORM_RECOGNIZER_ENDPOINT_URI}
        - apiKey={FORM_RECOGNIZER_KEY}

  • 將此資料夾命名為 files。
    • 

  • 我們會以 {FILE_MOUNT_PATH} 來參考此資料夾的檔案路徑。
    • 

  • 將檔案路徑複製到方便的位置，您需要將其新增至 .env 檔案。 例如，如果資料夾稱為檔案，位於與檔案相同的資料夾中 docker-compose ，.env 檔案專案為 FILE_MOUNT_PATH="./files"
    • 

    建立資料夾將文件智慧服務所寫入的記錄儲存在您的本機電腦上
    

  • 將此資料夾命名為 output。
    • 

  • 我們會以 {OUTPUT_MOUNT_PATH} 來參考此資料夾的檔案路徑。
    • 

  • 將檔案路徑複製到方便的位置，您需要將其新增至 .env 檔案。 例如，如果資料夾稱為 output，位於與檔案相同的資料夾中 docker-compose ，則 .env 檔案專案為 OUTPUT_MOUNT_PATH="./output"
    • 

    建立資料夾以儲存容器之間共用的內部處理
    

  • 將此資料夾命名為 shared。
    • 

  • 我們會以 {SHARED_MOUNT_PATH} 來參考此資料夾的檔案路徑。
    • 

  • 將檔案路徑複製到方便的位置，您需要將其新增至 .env 檔案。 例如，如果資料夾稱為共享，位於與檔案相同的資料夾中 docker-compose ，.env 檔案專案為 SHARED_MOUNT_PATH="./shared"
    • 


  • 將此資料夾命名為 db。
    • 

  • 我們會以 {DB_MOUNT_PATH} 來參考此資料夾的檔案路徑。
    • 

  • 將檔案路徑複製到方便的位置，您需要將其新增至 .env 檔案。 例如，如果資料夾稱為 db，位於與檔案相同的資料夾中 docker-compose ，.env 檔案專案為 DB_MOUNT_PATH="./db"
    • 

    建立環境檔案
    

  • 將此檔案命名為 .env。
    

  • 宣告下列環境變數：
    

    SHARED_MOUNT_PATH="./shared"
OUTPUT_MOUNT_PATH="./output"
FILE_MOUNT_PATH="./files"
DB_MOUNT_PATH="./db"
FORM_RECOGNIZER_ENDPOINT_URI="YourFormRecognizerEndpoint"
FORM_RECOGNIZER_KEY="YourFormRecognizerKey"
NGINX_CONF_FILE="./nginx.conf"

    建立 nginx 檔案
    

  • 將此檔案命名為 nginx.conf。
    

  • 輸入下列設定：
    

    worker_processes 1;
events { worker_connections 1024; }
http {
    sendfile on;
    client_max_body_size 90M;
    upstream docker-custom {
        server azure-cognitive-service-custom-template: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-custom/;
        location /status {
            proxy_pass http://docker-custom/status;
        location /test {
            return 200 $scheme://$host:$server_port;
        location /ready {
            proxy_pass http://docker-custom/ready;
        location /swagger {
            proxy_pass http://docker-custom/swagger;
        location /formrecognizer/documentModels/prebuilt-layout {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;
            add_header 'Access-Control-Allow-Origin' '*' always;
            add_header 'Access-Control-Allow-Headers' 'cache-control,content-type,ocp-apim-subscription-key,x-ms-useragent' always;
            add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS' always;
            add_header 'Access-Control-Expose-Headers' '*' always;
            if ($request_method = 'OPTIONS') {
                return 200;
            proxy_pass http://docker-layout/formrecognizer/documentModels/prebuilt-layout;
        location /formrecognizer/documentModels {
            proxy_set_header Host $host:$server_port;
            proxy_set_header Referer $scheme://$host:$server_port;
            add_header 'Access-Control-Allow-Origin' '*' always;
            add_header 'Access-Control-Allow-Headers' 'cache-control,content-type,ocp-apim-subscription-key,x-ms-useragent' always;
            add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS, DELETE' always;
            add_header 'Access-Control-Expose-Headers' '*' always;
            if ($request_method = 'OPTIONS') {
                return 200;
            proxy_pass http://docker-custom/formrecognizer/documentModels;
        location /formrecognizer/operations {
            add_header 'Access-Control-Allow-Origin' '*' always;
            add_header 'Access-Control-Allow-Headers' 'cache-control,content-type,ocp-apim-subscription-key,x-ms-useragent' always;
            add_header 'Access-Control-Allow-Methods' 'GET, POST, OPTIONS, PUT, DELETE, PATCH' always;
            add_header 'Access-Control-Expose-Headers' '*' always;
            if ($request_method = OPTIONS ) {
                return 200;
            proxy_pass http://docker-custom/formrecognizer/operations;

    建立 docker compose 檔案
    

  • 將此檔案命名為 docker-compose.yml
    

  • 下列程式代碼範例是一個獨立 docker compose 範例，可一起執行檔智慧版面配置、Studio 和自定義範本容器。 您可以使用 docker compose，透過 YAML 檔案來設定應用程式的服務。 然後，您可以使用 docker-compose up 命令，從您的設定建立並啟動所有服務。
    

    version: '3.3'
services:
  nginx:
    image: nginx:alpine
    container_name: reverseproxy
    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: /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-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: /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"
  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)

    自訂範本容器可以使用 Azure 儲存體佇列或記憶體內部佇列。 只有在使用 Azure 儲存體佇列時，才需要設定 Storage:ObjectStore:AzureBlob:ConnectionString 和 queue:azure:connectionstring 環境變數。 在本機執行時，請刪除這些變數。
    

    確保服務正在執行
    

    為了確保服務已啟動並執行， 請在 Ubuntu 殼層中執行這些命令。
    

    $cd <folder containing the docker-compose file>
$source .env
$docker-compose up

    自定義範本容器需要幾個不同的組態，並支援其他選擇性組態。
    
AzureCognitiveServiceReadHost (僅限收據、身分證明文件容器)
指定讀取容器 URI。範例：AzureCognitiveServiceReadHost=http://onprem-frread:5000
AzureCognitiveServiceLayoutHost (僅限文件、發票容器)
指定版面配置容器 URI。範例：AzureCognitiveServiceLayoutHost=http://onprem-frlayout:5000

    使用文件智慧服務工作室來定型模型
    

  • 收集一組至少五個相同類型的表單。 您會使用此資料來定型模型和測試表單。 您可以使用範例資料集 (下載 sample_data.zip 並將其解壓縮)。
    

  • 在能夠確認容器正在執行之後，請開啟瀏覽器並瀏覽至您已部署容器的端點。 如果此部署是本機電腦，則端點是 [http://localhost:5000](http://localhost:5000)。
    

  • 選取自訂擷取模型圖格。
    

  • 選取 Create project 選項。
    

  • 提供專案名稱和選擇性的描述
    

  • 在 [設定您的資源] 步驟中，提供自訂範本模型的端點。 如果您將容器部署在本機電腦上，請使用此 URL [http://localhost:5000](http://localhost:5000)。
    

  • 在檔案資料夾內提供定型資料所在的子資料夾。
    

  • 最後，建立專案
    

    您現在應該已建立專案，並可供標記。 請上傳定型資料並開始使用標記。 如果您不熟悉標籤，請參閱 建置和定型自定義模型。
    

    使用 API 來定型
    

    如果您打算直接呼叫 API 來定型模型，自訂範本模型定型 API 需要有您標記專案內容的 base64 編碼 ZIP 檔案。 您可以省略 PDF 或影像檔案，只提交 JSON 檔案。
    

    在標記資料集且 *.ocr.json、*.labels.json 和 fields.json 檔案新增至 ZIP 之後，請使用 PowerShell 命令來產生 base64 編碼字串。
    

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

    使用建置模型 API 來張貼要求。
    

    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"

    驗證服務正在執行
    

    有數種方式可驗證容器正在執行：
    

  • 容器會提供一個首頁 \ 做為容器正在執行的視覺驗證。
    

  • 您可以開啟您喜愛的網頁瀏覽器並瀏覽至有問題容器的「外部 IP」位址和公開的連接埠。 使用列出的要求 URL 來驗證容器是否正在執行。 列出的範例要求 URL 為 http://localhost:5000，但您的特定容器可能會有所不同。 請記住，您將會瀏覽至容器的外部 IP 位址和公開的連接埠。
    
要求 URL
http://localhost:5000/ready
以 GET 提出要求，此要求會驗證容器是否已準備好接受對模型的查詢。 此要求可用來進行 Kubernetes 活躍度和整備度探查。
http://localhost:5000/status
以 GET 提出要求，此要求會在不需進行端點查詢的同時，確認用來啟動容器的 API 金鑰是否有效。 此要求可用來進行 Kubernetes 活躍度和整備度探查。
http://localhost:5000/swagger
容器會為端點提供一組完整的文件和立即試用功能。 使用此功能，您可以將自己的設定輸入至以 Web 為基礎的 HTML 表單並進行查詢，而無須撰寫任何程式碼。 查詢傳回之後，會提供範例 CURL 命令來示範必要的 HTTP 標頭和本文格式。

    文件智慧服務容器會使用您 Azure 帳戶上的文件智慧服務資源，將計費資訊傳送至 Azure。
    

    對容器的查詢會以 API Key所使用的 Azure 資源定價層計費。 您必須針對每個用來處理文件和影像的容器執行個體支付費用。
    

    連接到 Azure
    

    容器需要計費引數值才能執行。 這些值讓容器能夠連線到計費端點。 容器會每隔 10 到 15 分鐘回報使用量。 如果容器未在允許的時間範圍內連線到 Azure，容器會繼續執行，但在還原計費端點之前不會提供查詢。 以 10 到 15 分鐘的相同時間間隔嘗試連線 10 次。 如果無法在 10 次嘗試內連線到計費端點，容器會停止處理要求。 請參閱 Azure AI 容器常見問題，以獲得需傳送哪些資訊給 Microsoft 以供計費的範例。
    

    當下列三個選項都填入了有效值時，docker-compose up 命令便會啟動容器：
    

    Azure AI 容器若未連線至用於計量的 Azure，即無法獲得執行的授權。 客戶必須啟用容器以持續與計量服務進行帳單資訊的通訊。 Azure AI 容器不會將客戶資料 (例如正在分析的影像或文字) 傳送至 Microsoft。
    

  • 文件智慧服務容器組態設定
    

  • Azure 容器執行個體配方
    
			即將登場：在 2024 年，我們將逐步淘汰 GitHub 問題作為內容的意見反應機制，並將它取代為新的意見反應系統。 如需詳細資訊，請參閱：https://aka.ms/ContentUserFeedback。
    
        
    提交並檢視相關的意見反應
    •  
    推荐文章
    追风的投影仪  ·  SAS programming tricks_sas去掉换行符-CSDN博客
    1 月前
    温柔的茴香  ·  Selenium中的断言 - 韩志超 - 博客园
    5 月前
    侠义非凡的沙滩裤  ·  机器学习掀起材料革命?人工智能应用在发现新材料上前景如何？ - 知乎
    7 月前
    粗眉毛的柑橘  ·  Simple but potentially useful example of .NET Remoting - CodeProject
    7 月前
    痴情的凉面  ·  Kafka log compaction topic gets the key as null - Stack Overflow
    11 月前
    今天看啥   ·   Py中国   ·   codingpro   ·   藏经阁   ·   小百科   ·   link之家   ·   卧龙AI搜索
    删除内容请联系邮箱 2879853325@qq.com
    Code - 代码工具平台
    © 2024 ~ 沪ICP备11025650号