> ## 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.

# Entraîner des modèles NLP

> Configurez un lot d’entraînement NLP dans ABBYY FlexiCapture, chargez 100 à 500 documents d’exemple, balisez manuellement les champs et lancez l’entraînement pour créer votre modèle NLP.

Après avoir publié votre Document Definition, fermez la boîte de dialogue **Document Definition**, accédez à la section **Field Extraction Training Batches**, puis créez un lot d’entraînement.

<div id="create-a-training-batch">
  ## Créer un lot d’entraînement
</div>

<Steps>
  <Step title="Créer le lot">
    Cliquez sur **File → New Batch**. Sélectionnez le **Document Definition** que vous avez créé et la section pour laquelle vous avez configuré des champs, puis cliquez sur **OK**.
  </Step>

  <Step title="Choisir la variante d’entraînement">
    Dans la fenêtre **Look up Variant for Training Batch**, sélectionnez la variante à utiliser pour l’entraînement.
  </Step>

  <Step title="Le marquer comme lot NLP">
    Sélectionnez le nouveau lot et sélectionnez **lot NLP**, ou cliquez sur **Field extraction training → lot NLP**.
  </Step>
</Steps>

<Frame>
  <img src="https://mintcdn.com/abbyy/mpS3pcxC_lkohQUS/images/flexi-capture/NLP_batch.png?fit=max&auto=format&n=mpS3pcxC_lkohQUS&q=85&s=461429fe19c1bbfb4d4f86107ca444ee" alt="Capture d’écran de la vue Field Extraction Training Batches dans ABBYY FlexiCapture, avec un lot sélectionné, son menu contextuel ouvert et l’option lot NLP cochée." width="866" height="774" data-path="images/flexi-capture/NLP_batch.png" />
</Frame>

<div id="load-the-training-documents">
  ## Charger les documents d’entraînement
</div>

<Steps>
  <Step title="Ouvrir le lot">
    Double-cliquez sur le lot que vous avez créé.
  </Step>

  <Step title="Load Images">
    Cliquez sur **File → Load Images**. Cliquez sur **Paramètres de traitement des images**, sélectionnez **Un document par fichier**, puis cliquez sur **OK**. Choisissez ensuite les documents à utiliser pour l’entraînement.
  </Step>

  <Step title="Associer la définition de document">
    Sélectionnez les documents chargés et cliquez sur **Recognition → Associer la définition de document** (ou cliquez avec le bouton droit sur la sélection, puis sur **Associer la définition de document**), puis choisissez la Document Definition.
  </Step>
</Steps>

La qualité d’un modèle NLP entraîné dépend du nombre de documents d’entraînement et de la qualité de leur balisage :

* Marquez chaque champ décrit par la Document Definition dans les documents d’entraînement.
* Incluez de 100 à 500 documents dans chaque lot d’entraînement. Cette plage permet à FlexiCapture de sélectionner les meilleurs paramètres sans ralentir l’entraînement.

<div id="mark-up-the-documents">
  ## Marquer les documents
</div>

Marquez les champs de chaque document afin que le modèle sache où rechercher les entités.

<Steps>
  <Step title="Ouvrir un document">
    Double-cliquez sur un document pour l’ouvrir.
  </Step>

  <Step title="Marquer chaque champ">
    Sélectionnez un champ à extraire, puis choisissez sa valeur sur le document ou dessinez un rectangle autour. Répétez l’opération pour chaque champ.
  </Step>

  <Step title="Passer au document suivant">
    Cliquez sur le bouton **Document suivant**, puis répétez l’opération pour les documents restants.
  </Step>

  <Step title="Enregistrer">
    Enregistrez les modifications.
  </Step>
</Steps>

Après avoir marqué tous les documents, revenez à la vue **Lots d’entraînement à l’extraction des champs**, faites un clic droit sur le lot d’entraînement, puis cliquez sur **Entraîner**. Une fois l’entraînement terminé, le modèle est prêt à être utilisé.

Pour désactiver ou supprimer les résultats de l’entraînement, faites un clic droit sur le lot d’entraînement, puis sélectionnez **Désactivé** ou **Delete** dans le menu contextuel.

Pour utiliser un modèle NLP entraîné dans un autre projet, importez le lot d’entraînement et sa Document Definition dans ce projet.