History

Ralph Soika 0c256a8aa0 modell fix - ml suggest funktion bei verteilung		2021-03-17 18:34:39 +01:00
..
invoice-de-0.1.0	modell fix - ml suggest funktion bei verteilung	2021-03-17 18:34:39 +01:00
invoice-de-20200217	update ml models	2021-02-22 21:12:15 +01:00
README.md	ML Modell Update	2021-02-23 09:44:09 +01:00
training-config-prod.xml	update ml models	2021-02-22 21:12:15 +01:00

README.md

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.) den Inhalt des invoice-de-0.1.0 Folders aus dem Backup directory in die lokale Dev Umgebung kopieren /

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/

17.02.2020 - invoice-de-0.1.0

Modell trainiert anhand der alexander-logistics Produtiv daten