Power Automate'te tahmin eylemini kullanma
Power Automate'te her AI Builder modeli için ayrılmış eylemler kullanabilirsiniz. Ancak, tahmin eylemi birçok AI Builder model türünü kullanmanıza olanak sağlar.
Özel veya önceden oluşturulmuş modeli kullanma
Power Automate'te oturum açın.
Soldaki gezinme bölmesinde, Akışlarım'ı seçin, ardından Yeni akış>Anlık bulut akışı'nı seçin.
Akışınızı adlandırın.
Akışın nasıl tetikleneceğini seçin altında Akışı el ile tetikle’yi seçin ve ardından Oluştur’u seçin.
+ Yeni adım'ı seçin ve arama çubuğuna tahmin yazın.
AI Builder'dan tahmin et'i veya Microsoft Dataverse'ten AI Builder modellerini kullanarak tahmin et'i seçin. Her iki eylem de aynı özellikleri sunar.
Model girişinde, oluşturduğunuz özel bir modeli seçin veya önceden oluşturulmuş bir model seçin.
Not
Power Automate'te AI Builder'a genel bakışın ilerleyen bölümlerinde her modelin giriş ve çıkış parametreleri hakkında daha fazla bilgi edinin:
Dinamik model kimliği kullanma (gelişmiş)
Bazı karmaşık kullanım örneklerinde, tahmin eylemine dinamik olarak bir model kimliği geçirmeniz gerekebilir. Örneğin, farklı modeller kullanarak farklı fatura türlerini işlemek istiyorsanız fatura türüne bağlı olarak otomatik biçimde bir model seçmek isteyebilirsiniz.
Bu bölümde, model türüne bağlı olarak, bu belirli amaç için AI Builder tahmin eyleminin nasıl yapılandırılacağını öğreneceksiniz.
Power Automate'te oturum açın.
Sol bölmedeki Akışlarım'ı seçin ve Yeni akış>Anlık bulut akışı'nı seçin.
Akışınızı adlandırın, Bu akışın nasıl tetikleneceğini seçin altında Akışı el ile tetikle'yi seçin ve ardından Oluştur'u seçin.
+ Yeni adım'ı seçin.
Arama çubuğuna Değişkeni başlat girin ve Eylemler sekmesinden seçin.
Ad girişine model kimliği, Tür girişine Dize ve Değer girişine gerçek model kimliği girin.
Power Apps'teki model ayrıntıları sayfasının URL'sinde model kimliğini bulabilirsiniz: make.powerapps.com/environment/[environment id]/aibuilder/models/[model id]
+ Yeni adım'ı seçin tahmin ifadesini arayın ve AI Builder'dan tahmin et'i seçin.
Girişi seçin>Özel değer girin'i seçin ve 6. adımdaki model kimliğini girin.
İsteği anlayın sütunu değeri, model türüne bağlıdır.
Belge işleme modeli
Akışı el ile tetikleyin adımında, bir Dosya girişi ekleyin ve adını Dosya İçeriği olarak ayarlayın.
Akışı el ile tetikleyin adımında, bir Metin girişi ekleyin ve adını Mime Türü olarak ayarlayın.
Değişkeni başlatın adımında, belge işleme modeli kimliği girin.
Tahmin adımında, İsteği anlayın sütununa şu değeri girin:
{ "version": "2.0", "requestv2": { "@@odata.type": "Microsoft.Dynamics.CRM.expando", "mimeType": "@{triggerBody()['text']}", "base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}", "pages": "@{base64('1-2')}" } }
pages parametresi isteğe bağlıdır ve "2" biçiminde veya '"1-10" gibi bir aralıkta olabilir.
Sağ üst köşedeki Kaydet'i seçin ve ardından akışınızı denemek için Test seçeneğini belirleyin:
Akış çalıştırması ayrıntılarında, tahmin eyleminin ÇIKTILAR bölümünde modeli JSON çıktısını alın. Bu çıktı, modelin değerlerini kullanarak aşağı akış eylemlerini oluşturmak için kullanışlıdır.
Düzenleme modu içinde akışınıza geri dönme.
+ Yeni adım'ı seçin ve Oluştur eylemini (veya model çıktınızı işlemek için başka bir eylem) seçin. Model çıktınızın Toplam sütununa sahip olduğunu düşünelim. Aşağıdaki formülle elde edebilirsiniz:
@{outputs('Predict')?['body/responsev2/predictionOutput/labels/Total/value']}
Nesne algılama modeli
Bu işlem, Belge işleme modeli bölümündeki 4. adımdaki istek çıkarma işlemine benzerdir:
{
"version": "2.0",
"requestv2": {
"@@odata.type": "Microsoft.Dynamics.CRM.expando",
"base64Encoded": "@{string(triggerBody()?['file']?['contentBytes'])}"
}
}
Kategori sınıflandırma modeli
Bu işlem, Belge işleme modeli bölümündeki 4. adımdaki istek çıkarma işlemine benzerdir:
{
"version": "2.0",
"requestv2": {
"@@odata.type": "Microsoft.Dynamics.CRM.expando",
"language": "Detect automatically",
"text": "The text to categorize"
}
}