Configuration de base du modèle

Documentation de référence sur la préparation et la configuration de l’inférence du modèle Mindee.

Il s'agit d'une documentation de référence.

Les exemples de code affichés sont uniquement des exemples et ne fonctionneront pas tels quels. Vous devrez les copier-coller et les modifier selon vos besoins.

Vous cherchez des exemples de code complets ?

Vous pouvez également utiliser le bouton « Demander » en haut de n'importe quelle page de la documentation.

Paramètres qui s'appliquent à tous les types de modèles Mindee (Extraction, Split, Crop, etc.).

Les paramètres d'inférence contrôlent :

• quel modèle utiliser
• les options de traitement côté serveur

Toutes les classes de paramètres de modèle héritent d'une classe de base. Dans ces exemples, nous montrerons l'utilisation générale et les paramètres communs à tous.

Tous les exemples utilisent le modèle d'extraction (produit du SDK), mais vous devrez l'adapter en fonction du type de modèle que vous utilisez.

Les classes disponibles sont :

• ExtractionParameters pour Extraction modèles
• SplitParameters pour Split modèles
• CropParameters pour Crop modèles
• ClassificationParameters pour Classification modèles
• OCRParameters ou OcrParameters pour OCR de texte brut modèles

Utilisez un alias

L' alias argument facultatif vous permet d'associer votre propre identifiant à une requête sous forme de chaîne libre.

Cet alias peut être un identifiant de document interne, un numéro de référence ou une clé de base de données.

Il est renvoyé tel quel dans les réponses du job et du résultat, ce qui facilite l'association des réponses de l'API avec vos propres enregistrements.

Les alias ne sont pas uniques dans Mindee ; vous pouvez utiliser la même valeur d'alias plusieurs fois.

Python

inference_params = ExtractionParameters(
    # Identifiant du modèle, requis.
    model_id="MY_MODEL_ID",
    
    # Utilisez un alias pour associer le fichier à votre propre base de données.
    # Si défini, il sera inclus dans les réponses du job et du résultat.
    alias="internal-doc-id-123",
    
    # ... toutes les autres options ...
)

Node.js

const modelParams = {
  // Identifiant du modèle, requis.
  modelId: "MY_MODEL_ID",
  
  // Utilisez un alias pour associer le fichier à votre propre base de données.
  // Si défini, il sera inclus dans les réponses du job et du résultat.
  alias: "internal-doc-id-123",
  
  // ... toutes les autres options ...
};

PHP

$modelParams = new ExtractionParameters(
    // Identifiant du modèle, requis.
    "MY_MODEL_ID",

    // Utilisez un alias pour associer le fichier à votre propre base de données.
    // Si défini, il sera inclus dans les réponses du job et du résultat.
    alias: "internal-doc-id-123",
    
    // ... toutes les autres options ...
);

Ruby

inference_params = {
    # Identifiant du modèle, requis.
    model_id: 'MY_MODEL_ID',
    
    # Utilisez un alias pour associer le fichier à votre propre base de données.
    # Si défini, il sera inclus dans les réponses du job et du résultat.
    file_alias: 'internal-doc-id-123',
    
    # ... toutes les autres options ...
}

Java

var modelParams = ExtractionParameters
    // Identifiant du modèle, requis.
    .builder("MY_MODEL_ID")
    
    // Utilisez un alias pour associer le fichier à votre propre base de données.
    // Si défini, il sera inclus dans les réponses du job et du résultat.
    .alias("internal-doc-id-123")
    
    // ... toutes les autres options ...

    // complétez le builder
    .build();

.NET

var modelParams = new ExtractionParameters(
    // Identifiant du modèle, requis.
    modelId: "MY_MODEL_ID"

    // Utilisez un alias pour associer le fichier à votre propre base de données.
    // Si défini, il sera inclus dans les réponses du job et du résultat.
    , alias: "internal-doc-id-123"
    
    // ... toutes les autres options ...
);