Saltar al contenido principal

Documentation Index

Fetch the complete documentation index at: https://docs.abbyy.com/llms.txt

Use this file to discover all available pages before exploring further.

En la sección Self-Assessment de la pestaña Results, puede supervisar el progreso del entrenamiento y ajustar su duración. Las estadísticas que se muestran en esta sección le ayudarán a entender si el entrenamiento avanza correctamente o si es necesario realizar cambios.

​
Gráfico de progreso del entrenamiento

El gráfico de la izquierda muestra el porcentaje de valores de los campos extraídos correctamente a lo largo de todas las épocas.
Gráfico de Self-Assessment que muestra la precisión de la extracción de campos a lo largo de las épocas de entrenamiento para una actividad de Deep Learning
Este gráfico se actualiza después de cada época y refleja la precisión real de la extracción de campos. La precisión se calcula sobre un subconjunto de validación y tiene en cuenta los errores de reconocimiento y algunas métricas adicionales. Durante el proceso de entrenamiento, se realizan pruebas en el conjunto de validación, que consta del 20 % de los documentos. Después del entrenamiento, se realizan pruebas en todos los documentos. Por lo tanto, los resultados pueden diferir. Cuantos más documentos haya en total, menor debería ser la diferencia entre los resultados.

​
Interprete el gráfico

Este gráfico puede ayudarle a decidir si debe continuar con el entrenamiento o detener el entrenamiento de la actividad:
  • Si la precisión es lo suficientemente alta y ya no aumenta, el entrenamiento puede detenerse.
  • Si la precisión no es lo suficientemente alta pero sigue aumentando, el entrenamiento debe continuar.
  • Si la precisión no es lo suficientemente alta y ya no aumenta, debe analizar la calidad de la extracción de los campos individuales (puede haber campos en los documentos que sean demasiado poco frecuentes o que se hayan marcado incorrectamente).
El entrenamiento no afecta a la calidad del reconocimiento, y los campos detectados incorrectamente pueden seguir entrenándose.

​
Decida cuándo detener el entrenamiento de su actividad

De forma predeterminada, una actividad de Deep Learning se entrena durante 20 épocas. Sin embargo, en determinados casos, puede que desee reducir la duración del entrenamiento o detenerlo manualmente. Puede que desee detener el entrenamiento si:
  • El porcentaje de precisión es lo suficientemente alto y no ha habido cambios significativos en la precisión durante varias épocas seguidas.
  • El porcentaje de precisión es bajo y no ha habido cambios significativos en la precisión durante varias épocas seguidas (considere usar un conjunto de documentos más grande o asegúrese de que todos los campos estén bien representados y correctamente marcados).
  • Desea probar manualmente la actividad en todos los documentos (reanude el entrenamiento si no está satisfecho con los resultados de extracción de campos).

​
Ajustar la duración del entrenamiento

Puede reducir el número de épocas o el tiempo dedicado al entrenamiento de un conjunto de documentos en cualquier momento durante el proceso. Los tipos de documento con menos variantes tardan menos en entrenarse.
1

Abra la sección Self-Assessment

Vaya a la sección Self-Assessment de la pestaña Results.
2

Abra la configuración de duración

Haga clic en el icono de configuración situado a la derecha del número de épocas, encima del gráfico.
3

Introduzca un nuevo límite y aplíquelo

Introduzca un nuevo número de épocas y/o un tiempo con el formato horas:minutos y, a continuación, haga clic en Apply. El nuevo límite debe ser mayor que el número de épocas transcurridas y el número máximo de épocas es 20. El entrenamiento se detendrá en cuanto se alcance cualquiera de los límites.
Puede detener el entrenamiento en cualquier momento haciendo clic en Stop Training. Los resultados del entrenamiento de cualquier época sin finalizar se descartarán.