53 lines
1.6 KiB
Markdown
Executable file
53 lines
1.6 KiB
Markdown
Executable file
# 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
|
|
|
|
|