# ML Models

Wir verwenden bei Alexander-Global Logistics ein standard Invoice ML Modell. Dieses basiert im Grund auf unserem offizielen spacy modell 'invoice-de-0.1.0'. 



## Modell Nachtrainieren

Das Modell bei Alexander Logistics läst sich in der Dev Umggebung bei Bedarf nachtrainieren. Dazu geht man wie folgt vor:

**1.)** Aktuelles Modell auf Tikal Cloud Server sichern:

    $ ssh imixs@master-1.tikal.imixs.com
    $ cd tikal-cloud/
    $ ./apps/alexander-logistics.office-workflow.de/ml_model_backup.sh
    
    # Falls es zu einem io/error kommt, muss der spacy ml pod neu gestartet werden!
   

**2.)** Die Tikal-Cloud Pullen

**3.)** Um auf dem aktuellen Modell weiter zu trainierne, den Inhalt des invoice-de-0.1.0 Folders aus dem Backup directory in die lokale Dev Umgebung kopieren / 
   um ein neues Modell zu genereiren einfach den localen ordner 'invoice-de-0.1.0' umbenennen oder leeren.

**4.)** Jetzt lokal den Trainingsserver aufrufen  

	http://localhost:8081/api/openapi-ui/index.html

 und das training beginnen mit der datei 'training-config-prod.xml'. Man kann das training 3-4 mal durchführen.
 
 
**5.)** Nun kann man die Inhalte des  invoice-de-0.1.0 Folders zurück auf den Tikal in den modell folder /invoice-de-0.1.0 einspielen 

**6.)** Nun die änderungen nach Git Puschen.

**7.)** auf dem Tikal Sever nun das aktuellisete Modell wieder einspielen

	$ git pull
	$ ./apps/alexander-logistics.office-workflow.de/ml_model_deploy.sh invoice-de-0.1.0/
	



## 22.05.2021 - invoice-de-0.1.0

NER=2.1948


## 17.02.2020 - invoice-de-0.1.0

Modell trainiert anhand der alexander-logistics Produtiv daten