Делите путем

Коришћење AI Builder модела у услузи Power Apps

  • Чланак

Коришћењем Power Fx формула < ДИЦТ__ниско кодирање > лоw-цоде отвореног кода можете додати моћније и флексибилније интеграције АИ модела у свој #глср_цихцехјфз. АИ модел предвиђање формуле могу се интегрисати са било којим контролама у апликацији платна. На пример, можете открити језик текста у контроли уноса текста и изнијети резултате у контролу ознаке као што се може видети у Одељку Користите модел са контролама испод.

Захтеви

Да бисте користили Power Fx у AI Builder моделима, морате имати:

Изаберите модел у апликацијама платна

Да бисте конзумирали АИ модел Power Fx, мораћете да креирате апликацију платна, изаберете контролу и доделите изразе за контролне особине.

Белешка

За листу AI Builder модела које можете конзумирати, погледајте АИ модели и пословни сценарији. Такође можете конзумирати моделе уграђене Microsoft Azure < ДИЦТ__Машинско учење > Мацхине Леарнинг са функцијом донесите свој модел .

  1. Креирање апликације. Додатне информације: Креирајте празну апликацију платна од нуле.

  2. Изаберите податке > Додајте АИ моделе > података.

    Снимак екрана како да изаберете свој модел.

  3. Изаберите један или више модела за додавање.

    Ако не видите свој модел на листи, можда нећете имати дозволе да га користите Power Apps. Обратите се свом администратору да реши овај проблем.

Користите модел са контролама

Сада када сте додали АИ модел у апликацију платна, да видимо како да позовете AI Builder модел из контроле.

У следећем примеру ћемо изградити апликацију која може да открије језик који је корисник унио у апликацију.

  1. Креирање апликације. Додатне информације: Креирајте празну апликацију платна од нуле.

  2. Изаберите податке > Додајте АИ моделе > података.

  3. Потражите и изаберите АИ модел за откривање језика.

    Снимак екрана модела за детекцију језика.

    Белешка

    Мораћете да ручно додате модел у апликацију поново у новом окружењу након премештања апликације преко окружења.

  4. Изаберите + из левог окна, а затим изаберите Контрола уноса текста.

  5. Поновите претходну корак да бисте додали контролу Текст ознака .

  6. Преименујте текстуалну ознаку у Језик.

  7. Додајте још једну текстуалну ознаку поред ознаке "Језик".

    Контроле апликација, укључујући текст и обе контроле ознака.

  8. Изаберите текстуалну ознаку додату у претходном корак.

  9. Унесите следећу формулу у траци формуле за текстуалну ознаку Текст особина.

    'Language detection'.Predict(TextInput1.Text).Language

    Ознака се мења у код језика на основу вашег језика. За овај пример, ср (енглески).

    Формула језика мења текст ознаке.

  10. < ДИЦТ__верзија за преглед >Превиеw < /ДИЦТ __верзија за преглед > апликацију тако што ћете одабрати Дугме за репродукцију у горњем десном углу екрана.

    Прегледајте апликацију.

  11. У поље за текст унесите bonjour. Обратите пажњу да се језик за француски језик (фр) појављује испод текстуалног оквира.

    Пример откривања француског језика.

  12. Слично томе, пробајте текст на другом језику. На пример, унос guten tag мења откривени језик у де за немачки језик.

Најбољи примери из праксе

  • Покушајте да покренете модел предвиђање из појединачних акција као што је ОнЦлицк користећи дугме, а не акцију ОнЦханге на текстуалном уносу како бисте осигурали ефикасно коришћење кредита AI Builder .

  • Да бисте уштедели време и ресурсе, сачувајте резултат позива модела тако да можете да га користите на више места. Можете сачувати излаз у глобалну променљиву. Након што сачувате резултат модела, можете користити језик на другом месту у вашој апликацији да бисте приказали идентификовани језик и његов < ДИЦТ__оцена поузданости > цонфиденце сцоре у две различите ознаке.

    Set(lang, 'Language detection'.Predict("bonjour").Language)

Улаз и излаз по типу модела

Овај одељак пружа улазе и излазе за прилагођене и унапред изграђене моделе по типу модела.

Прилагођени модели

Тип модела Синтакса Излаз
Класификација категорија 'Custom text classification model name'.Predict(Text: String, Language?: Optional String) {AllClasses: {Name: String, Confidence: Number}[],TopClass: {Name: String,Confidence: Number}}
Издвајање ентитета 'Custom entity extraction model name’.Predict(Text: String,Language?:String(Optional)) {Entities:[{Type: "name",Value: "Bill", StartIndex: 22, Length: 4, Confidence: .996, }, { Type: "name", Value: "Gwen", StartIndex: 6, Length: 4, Confidence: .821, }]}
Препознавање објеката 'Custom object detection model name'.Predict(Image: Image) { Objects: { Name: String, Confidence: Number, BoundingBox: { Left: Number, Top: Number, Width: Number, Height: Number }}[]}

Унапред изграђени модели

Белешка

Унапред изграђена имена модела су приказана у локалу вашег окружења. Следећи примери приказују имена модела за енглески језик (ср).

Тип модела Синтакса Излаз
Читач визиткарти ‘Business card reader’.Predict( Document: Base64 encoded image ) { Fields: { FieldName: { FieldType: "text", Value: { Text: String, BoundingBox: { Top: Number, Left: Number, Height: Number, Width: Number }}}}}
Класификација категорија 'Category classification'.Predict( Text: String,Language?: Optional String, ) { AllClasses: { Name: String, Confidence: Number }[], TopClass: { Name: String, Confidence: Number }}
Читач личних докумената ‘Identity document reader’.Predict( Document: Base64 encoded image ) { Context: { Type: String, TypeConfidence: Number }, Fields: { FieldName: { FieldType: "text", Confidence: Number, Value: { Text: String, BoundingBox: { Top: Number, Left: Number, Height: Number, Width: Number }}}}}
Обрада фактура ‘Invoice processing’.Predict( Document: Base64 encoded image ) { Fields: { FieldName: { FieldType: "text" | "date" | "number", Confidence: Number,Value: { Text: String, [Date: Date] | [Number: Number], BoundingBox: { Top: Number, Left: Number, Height: Number, Width: Number } } } }, Tables: { Items: { Rows: { FieldName: { FieldType: "text" | "date" | "number", Confidence: Number, Key: { Name: String, }, Value: { Text: String, [Date: Date] | [Number: Number], BoundingBox: { Top: Number, Left: Number, Height: Number, Width: Number } } } }[] } }}
Издвајање кључних фраза 'Key phrase extraction'.Predict(Text: String, Language?: Optional String)) { Phrases: String[]}
Откривање језика 'Language Detection'.Predict(Text: String) { Language: String, Confidence: Number}
Обрада признаница ‘Receipt processing’.Predict( Document: Base64 encoded image) { Context: { Type: String, TypeConfidence: Number }, Fields: { FieldName: { FieldType: "text" | "date" | "number", Confidence: Number, Value: { Text: String, [Date: Date] | [Number: Number], BoundingBox: { Top: Number, Left: Number, Height: Number, Width: Number } } } }, Tables: {Items: {Rows: {FieldName: { FieldType: "text" | "date" | "number", Confidence: Number, Key: { Name: String, }, Value: { Text: String, [Date: Date] | [Number: Number], BoundingBox: { Top: Number, Left: Number, Height: Number, Width: Number } } } }[] } } }
Анализа расположења 'Sentiment analysis'.Predict( Text: String, Language?: Optional String ) { Document: { AllSentiments: [ { Name: "Positive", Confidence: Number }, { Name: "Neutral", Confidence: Number }, { Name: "Negative", Confidence: Number } ], TopSentiment: { Name: "Positive" | "Neutral" | "Negative", Confidence: Number } } Sentences: { StartIndex: Number, Length: Number, AllSentiments: [ { Name: "Positive", Confidence: Number }, { Name: "Neutral", Confidence: Number }, { Name: "Negative", Confidence: Number } ], TopSentiment: { Name: "Positive" | "Neutral" | "Negative", Confidence: Number } }[]}
Препознавање текста 'Text recognition'.Predict( Document: Base64 encoded image) {Pages: {Page: Number,Lines: { Text: String, BoundingBox: { Left: Number, Top: Number, Width: Number, Height: Number }, Confidence: Number }[] }[]}
Превод текста 'Text translation'.Predict( Text: String, TranslateTo?: String, TranslateFrom?: String) { Text: String, // Translated text DetectedLanguage?: String, DetectedLanguageConfidence: Number} }

Примери

Сваки модел се позива помоћу глагола предвиђања. На пример, модел детекције језика узима текст као улаз и враћа табелу могућих језика, пореданих по резултату тог језика. Резултат показује колико је модел сигуран са својим предвиђање.

Улаз Излаз
'Language detection'.Predict("bonjour") { Language: “fr”, Confidence: 1}
‘Text Recognition’.Predict(Image1.Image) { Pages: [ {Page: 1, Lines: [ { Text: "Contoso account", BoundingBox: { Left: .15, Top: .05, Width: .8, Height: .10 }, Confidence: .97 }, { Text: "Premium service", BoundingBox: { Left: .15, Top: .20, Width: .8, Height: .10 }, Confidence: .96 }, { Text: "Paid in full", BoundingBox: { Left: .15, Top: .35, Width: .8, Height: .10 }, Confidence: .99 } } ] }