导出到工作台流水线

您可以使用“导出到 Workbench”流水线将文档从 Document AI Warehouse 转移到 Document AI Workbench。该流水线会将文档导出到 Cloud Storage 文件夹，然后将其导入到 Document AI 数据集。您提供 Cloud Storage 文件夹和 Document AI 数据集。

前提条件

在开始之前，您需要做好以下准备：

  • 在同一 Google Cloud 项目下，按照步骤创建处理器。

  • 指定一个空的 Cloud Storage 文件夹来存储导出的文档。

  • 在自定义处理器页面上，点击配置数据集，然后点击继续以初始化数据集。

运行流水线

REST

curl --location --request POST 'https://contentwarehouse.googleapis.com/v1/projects/PROJECT_NUMBER/locations/LOCATION:runPipeline' \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer ${AUTH_TOKEN}" \
--data '{
    "name": "projects/PROJECT_NUMBER/locations/LOCATION",
    "export_cdw_pipeline": {
        "documents": [
            "projects/PROJECT_NUMBER/locations/LOCATION/documents/DOCUMENT",
        ],
        "export_folder_path": "gs://CLOUD STORAGE FOLDER",
        "doc_ai_dataset": "projects/PROJECT_NUMBER/locations/LOCATION/processors/PROCESSOR/dataset",
        "training_split_ratio": RATIO,
    },
    "request_metadata": {
        "user_info": {
            "id": "user:USER EMAIL ADDRESS",
        }
    }
}'

可以在 training_split_ratio 字段中以浮点数形式指定训练和测试拆分比率。例如，对于一组包含 10 份文档的数据集，如果将比率指定为 0.8，则系统会将 8 份文档添加到训练集，并将剩余的 2 份文档添加到测试集。

此命令会返回长时间运行的操作的资源名称。您可以使用此 ID 在下一步中跟踪流水线的进度。

获取长时间运行的操作的结果

REST

curl --location --request GET 'https://contentwarehouse.googleapis.com/v1/projects/PROJECT_NUMBER/locations/LOCATION/operations/OPERATION' \
--header "Authorization: Bearer ${AUTH_TOKEN}"

下一步