创建组合型文档智能模型

在本练习中，你将创建并训练两个用于分析不同税务表的自定义模型。 然后，你将创建一个包含这两个自定义模型的组合模型。 你将通过提交一个表单来测试模型，并检查它是否正确识别文档类型和标记字段。

设置资源

我们将使用脚本创建 Azure AI 文档智能资源、包含示例表单的存储帐户和资源组：

  1. 启动 Visual Studio Code。
  2. 打开面板 (SHIFT+CTRL+P) 并运行“Git：克隆”命令，以将 https://github.com/MicrosoftLearning/mslearn-ai-document-intelligence 存储库克隆到本地文件夹（任意文件夹均可）。

  3. 克隆存储库后，在 Visual Studio Code 中打开文件夹。

    注意：如果 Visual Studio Code 显示一条弹出消息，提示你信任打开的代码，请单击弹出窗口中的“是，我信任该作者”选项**。

    注意：如果系统提示你添加生成和调试所需的资产，请选择以后再说。 如果 Visual Studio Code 中存在任何其他弹出窗口，你可以放心地将其消除。

  4. 展开左窗格中的“Labfiles”** 文件夹，然后右键单击 03-composed-model** 目录。 选择“在集成终端中打开”选项，并执行以下脚本：

     az login --output none

    注意：如果你收到有关无活动订阅且已启用 MFA 的错误，则可能需要首先登录到 Azure 门户 https://portal.azure.com，然后重新运行 az login。

  5. 根据提示登录到 Azure 订阅。 然后，返回到 Visual Studio Code 并等待登录过程完成。

  6. 在集成终端中，运行以下命令来设置资源：

    ./setup.ps1

    重要说明：该脚本创建的最后一个资源是你的 Azure AI 文档智能服务。 如果该命令由于已存在 F0 层资源而失败，请使用此实验室的该资源，或者在 Azure 门户中使用 S0 层手动创建一个。

创建 1040 表单自定义模型

若要创建组合模型，必须先创建两个或多个自定义模型。 若要创建首个自定义模型，请执行以下操作：

  1. 在新的浏览器选项卡中，从 https://documentintelligence.ai.azure.com/studio 启动 Azure AI 文档智能工作室。
  2. 向下滚动，然后在“自定义模型”下选择“自定义提取模型”。****
  3. 如果系统要求你登录帐户，请使用 Azure 凭据。
  4. 如果系统询问要使用哪个 Azure AI 文档智能资源，请选择创建 Azure AI 文档智能资源时使用的订阅和资源名称。
  5. 在“我的项目”** 下，选择“+ 创建项目”**。
  6. 在“项目名称”文本框中，键入“1040 表单”，然后选择“继续”****。
  7. 在“配置服务资源”页面的“订阅”下拉列表中，选择你的 Azure 订阅****。
  8. 在“资源组”下拉列表中，选择已为你创建的 DocumentIntelligenceResources<xxxx>。****
  9. 在“文档智能或认知服务资源”下拉列表中，选择 DocumentIntelligence<xxxx>。
  10. 在“API 版本”下拉列表中，确保已选中“2024-07-31（预览版）”，然后选择“继续”。
  11. 在“连接训练数据源”页面上的“订阅”下拉列表中，选择你的 Azure 订阅****。
  12. 在“资源组”下拉列表中，选择“DocumentIntelligenceResources<xxxx>”****。
  13. 在“存储帐户”下拉列表中，选择列出的唯一存储帐户**。 如果你的订阅中有多个存储帐户，请选择以 docintelstorage 开头的存储帐户
  14. 在“Blob 容器”下拉列表中，选择“1040examples”，然后选择“继续”****。
  15. 在“查看和创建”页上选择“创建项目”****。
  16. 在“立即启动标记操作”弹出窗口中选择“运行布局”下的“立即运行”，然后等待分析完成。

标记 1040 表单自定义模型

现在，让我们标记示例表单中的字段：

  1. 在“标记数据”页的右上角，选择“+ 添加字段”，然后选择“字段”。****
  2. 键入“FirstName”，然后按 Enter**。
  3. 在左侧列表中选择名为“f1040_1.pdf”的文档，选择“John”，然后选择“FirstName”****。
  4. 在页面右上角，选择“+ 添加字段”，然后选择“字段”****。
  5. 键入“LastName”，然后按 Enter**。
  6. 在文档中，选择“Doe”，然后选择“LastName”****。
  7. 在页面右上角，选择“+ 添加字段”，然后选择“字段”****。
  8. 键入“City”，然后按 Enter**。
  9. 在文档中，选择“Los Angeles”，然后选择“City”****。
  10. 在页面右上角，选择“+ 添加字段”，然后选择“字段”****。
  11. 键入“State”，然后按 Enter**。
  12. 在文档中，选择“CA”，然后选择“State”****。
  13. 使用你创建的标签对左侧列表中的其余表单重复此标记过程。 标记相同的四个字段：FirstName、LastName、City 和 State****。 请注意，其中一个文档没有城市或州数据。

** 重要说明：就本练习而言，我们仅使用五个示例表单并仅标记四个字段。 在真实模型中，应使用尽可能多的样本来最大限度地提高预测的准确性和置信度。 还应标记表单中的所有可用字段，而不仅仅是这四个字段。

训练 1040 表单自定义模型

既然已经标记好了示例表单，我们就可以训练第一个自定义模型了：

  1. 在 Azure AI 文档智能工作室中，选择屏幕右上角的“训练”。
  2. 在“训练新模型”对话框的“模型 ID”文本框中，键入“1040FormsModel”****。
  3. 在“生成模型”下拉列表中，选择“模板”，然后选择“训练”****。
  4. 在“正在进行训练”对话框中，选择“转到模型”****。

创建 1099 表单自定义模型

现在，必须创建第二个模型，你将使用示例 1099 税务表对其进行训练：

  1. 在 Azure AI 文档智能工作室中，选择“自定义提取模型”。**
  2. 在“我的项目”** 下，选择“+ 创建项目”**。
  3. 在“项目名称”文本框中，键入“1099 表单”，然后选择“继续”****。
  4. 在“配置服务资源”页面的“订阅”下拉列表中，选择你的 Azure 订阅****。
  5. 在“资源组”下拉列表中，选择“DocumentIntelligenceResources<xxxx>”****。
  6. 在“文档智能或认知服务资源”下拉列表中，选择 DocumentIntelligence<xxxx>。
  7. 在“API 版本”下拉列表中，确保已选中“2024-07-31（预览版）”，然后选择“继续”。
  8. 在“连接训练数据源”页面上的“订阅”下拉列表中，选择你的 Azure 订阅。****
  9. 在“资源组”下拉列表中，选择“DocumentIntelligenceResources<xxxx>”****。
  10. 在“存储帐户”下拉列表中，选择列出的唯一存储帐户**。
  11. 在“Blob 容器”下拉列表中，选择“1099examples”，然后选择“继续”****。
  12. 在“查看和创建”页上选择“创建项目”****。
  13. 选择“运行布局”的下拉按钮，然后选择“未分析的文档”。
  14. 等待分析完成。

标记 1099 表单自定义模型

现在，使用一些字段标记示例表单：

  1. 在“标记数据”页的右上角，选择“+ 添加字段”，然后选择“字段”。****
  2. 键入“FirstName”，然后按 Enter**。
  3. 在左侧列表中选择名为“f1099msc_payer.pdf”的文档，选择“John”，然后选择“FirstName”****。
  4. 在页面右上角，选择“+ 添加字段”，然后选择“字段”****。
  5. 键入“LastName”，然后按 Enter**。
  6. 在文档中，选择“Doe”，然后选择“LastName”****。
  7. 在页面右上角，选择“+ 添加字段”，然后选择“字段”****。
  8. 键入“City”，然后按 Enter**。
  9. 在文档中，选择“New Haven”，然后选择“City”****。
  10. 在页面右上角，选择“+ 添加字段”，然后选择“字段”****。
  11. 键入“State”，然后按 Enter**。
  12. 在文档中，选择“CT”，然后选择“State”****。
  13. 对左侧列表中的其余表单重复此标记过程。 标记相同的四个字段：FirstName、LastName、City 和 State****。 请注意，其中两个文档没有任何要标记的名称数据。

训练 1099 表单自定义模型

现在可以训练第二个自定义模型：

  1. 在 Azure AI 文档智能工作室中，选择右上角的“训练”。
  2. 在“训练新模型”对话框的“模型 ID”文本框中，键入“1099FormsModel”****。
  3. 在“生成模型”下拉列表中，选择“模板”，然后选择“训练”****。
  4. 在“正在进行训练”对话框中，选择“转到模型”****。
  5. 训练过程可能需要数分钟。 请时而刷新浏览器，直到两个模型都显示“已成功”状态**。

使用模型

现在，该模型已完成，让我们使用示例形式对其进行测试：

  1. 在 Azure AI 文档智能工作室中，选择“模型”页，然后选择 1040FormsModel。
  2. 选择“测试”。
  3. 选择“浏览文件”**，然后浏览到你克隆存储库的位置。
  4. 选择 03-composed-model/trainingdata/TestDoc/f1040_7.pdf**，然后选择“打开”。**
  5. 选择“运行分析”。 Azure AI 文档智能使用组合模型分析表单。
  6. 你分析的文档是 1040 税务表的一个示例。 检查 DocType 属性以查看是否使用了正确的自定义模型**。 还要检查模型标识的 FirstName、LastName、City 和 State 值******。

清理资源

现在你已经了解了组合模型的工作原理，让我们删除你在 Azure 订阅中创建的资源。

  1. 在 Azure 门户 https://portal.azure.com/ 中，选择“资源组”。****
  2. 在“资源组”** 列表中，选择你创建的 **DocumentIntelligenceResources<xxxx>，然后选择“删除资源组”。**
  3. 在“键入资源组名称”文本框中，键入资源组的名称，然后选择“删除”以删除文档智能资源和存储帐户。****

了解详细信息