NVIDIA / NVIDIA/GenerativeAIExamples

"Failed to upload document. Please upload an unstructured text document."

Abierto
#226 2 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Lenguaje dominante
Jupyter Notebook
Estrellas
4.2k
Forks
1.1k
Merge medio
10 h 15 min
PR fusionados (30 d)
1

Descripción

I am getting this weird error where it says Failed to upload document. Please upload an unstructured text document.
I can confirm my api key is valid and has credits

chain-server logs->>>

2024-10-22 03:52:48 WARNING:unstructured:PDF text extraction failed, skip text extraction...
2024-10-22 03:52:48 INFO:unstructured:Processing entire page OCR with tesseract...
2024-10-22 03:53:00 ERROR:example:Failed to ingest document due to exception
2024-10-22 03:53:00 **********************************************************************
2024-10-22 03:53:00 Resource punkt_tab not found.
2024-10-22 03:53:00 Please use the NLTK Downloader to obtain the resource:
2024-10-22 03:53:00
2024-10-22 03:53:00 >>> import nltk
2024-10-22 03:53:00 >>> nltk.download('punkt_tab')
2024-10-22 03:53:00
2024-10-22 03:53:00 For more information see: https://www.nltk.org/data.html
2024-10-22 03:53:00
2024-10-22 03:53:00 Attempted to load tokenizers/punkt_tab/english/
2024-10-22 03:53:00
2024-10-22 03:53:00 Searched in:
2024-10-22 03:53:00 - '/tmp-data/nltk_data/'
2024-10-22 03:53:00 - '/root/nltk_data'
2024-10-22 03:53:00 - '/usr/nltk_data'
2024-10-22 03:53:00 - '/usr/share/nltk_data'
2024-10-22 03:53:00 - '/usr/lib/nltk_data'
2024-10-22 03:53:00 - '/usr/share/nltk_data'
2024-10-22 03:53:00 - '/usr/local/share/nltk_data'
2024-10-22 03:53:00 - '/usr/lib/nltk_data'
2024-10-22 03:53:00 - '/usr/local/lib/nltk_data'
2024-10-22 03:53:00 **********************************************************************
2024-10-22 03:53:00
2024-10-22 03:53:00 ERROR:RetrievalAugmentedGeneration.common.server:Error from POST /documents endpoint. Ingestion of file: /tmp/gradio/92f4570d0bbd4d801f7fbbae0ad13db83f59b1f6518c47156f6cbb0b605472d7/Justin_Silva_Resume.pdf failed with error: Failed to upload document. Please upload an unstructured text document.

Image

Guía de contribución

Abrir la guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Línea de trabajo

Empieza reproduciendo la carga del PDF mediante el endpoint POST /documents y sigue los logs de ingestión de chain-server, especialmente la extracción de PDF de unstructured y la falta del recurso punkt_tab de NLTK. done debe significar que el PDF indicado en el informe puede ingerirse sin el error de recurso ni un fallo de carga engañoso.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
python
Área
api, backend
Tipo de issue
Error
Dificultad
4/5
Tiempo estimado
3-5 días
Estado de actividad
Estancado
Claridad
Necesita aclaración
Aptitud para principiantes
30/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.