Mit AutoDL trainieren (GeoAI Tools)
Zusammenfassung
Trainiert ein Deep-Learning-Modell, indem Training-Pipelines erstellt und ein Großteil des Trainingsprozesses automatisiert wird. Dazu gehören Datenerweiterung, Modellauswahl, Hyperparameter-Optimierung und Batch-Größen-Deduktion. Die Ausgaben enthalten Performance-Kennwerte des besten Modells in den Trainingsdaten sowie das trainierte Deep-Learning-Modellpaket (.dlpk-Datei), das als Eingabe für das Werkzeug Features mit KI-Modellen extrahieren verwendet werden kann, um Vorhersagen für neue Bilddaten zu treffen.
Verwendung
Sie müssen das richtige Deep-Learning-Framework für Python in ArcGIS Pro installieren.
Informationen zum Installieren von Deep-Learning-Frameworks für ArcGIS
Wenn Sie Modelle in einer Umgebung ohne Internetzugang trainieren, finden Sie weitere Informationen unter Zusätzliche Installation für eine Umgebung ohne Internetzugang.
Wie lange es dauert, bis das Werkzeug das trainierte Modell erstellt, hängt von den folgenden Faktoren ab:
Menge der beim Training bereitgestellten Daten
Wert des Parameters AutoDL-Modus
Wert des Parameters Limit für Gesamtzeit (Stunden)
Standardmäßig ist der Timer für alle Modi auf 2 Stunden festgelegt. Im Modus Basis werden die ausgewählten Netzwerke innerhalb der angegebenen Zeit anhand des Standard-Backbones trainiert. Im Modus Erweitert wird die Gesamtzeit in zwei Hälften geteilt. In der ersten Hälfte wird die Modellbewertung durchgeführt. In der zweiten Hälfte werden die beiden Modelle mit der besten Performance für die Bewertung anhand anderer Backbones ausgewählt. Wenn eine große Menge von Daten trainiert werden soll, können innerhalb von 2 Stunden möglicherweise nicht alle ausgewählten Modelle ausgewertet werden. In solchen Fällen wird das Modell, das in 2 Stunden am besten abschneidet, als optimales Modell betrachtet. Sie können entweder dieses Modell verwenden oder das Werkzeug mit einem höheren Wert für den Parameter Limit für Gesamtzeit (Stunden) erneut ausführen.
Dieses Werkzeug kann auch zum Optimieren eines bestehenden bereits trainierten Modells eingesetzt werden. Beispielsweise kann für ein vorhandenes Modell, das für Autos trainiert wurde, ein Finetuning durchgeführt werden, um ein Modell für die Identifizierung von Lastwagen zu trainieren.
Für die Ausführung dieses Werkzeugs ist ein Computer mit Grafikprozessor (GPU) erforderlich. Bei mehr als einer GPU verwenden Sie die Umgebung GPU-ID.
Die Eingabe-Trainingsdaten für dieses Werkzeug müssen die Bilder- und Beschriftungsordner umfassen, die vom Werkzeug Trainingsdaten für Deep Learning exportieren generiert werden.
Mögliche Anwendungsfälle für das Werkzeug wären das Trainieren von Modellen für die Objekterkennung und Pixelklassifizierung zum Extrahieren von Features wie Gebäudegrundrissen, Becken, Solarkollektoren, Landnutzungsklassifizierung usw.
Weitere Informationen zu den Voraussetzungen für die Ausführung dieses Werkzeugs und eventuell dabei auftretenden Problemen finden Sie unter Häufig gestellte Fragen zu Deep Learning.
Parameter
| Beschriftung | Erläuterung | Datentyp |
|---|---|---|
|
Eingabe-Trainingsdaten |
Die Ordner mit den Bildausschnitten, Beschriftungen und Statistiken, die zum Trainieren des Modells benötigt werden. Dies ist die Ausgabe des Werkzeugs Trainingsdaten für Deep Learning exportieren. Das Metadatenformat der exportierten Daten muss Classified_Tiles, PASCAL_VOC_rectangles oder KITTI_rectangles lauten. |
Folder |
|
Ausgabemodell |
Das trainierte Ausgabemodell, das als Deep-Learning-Paket ( |
File |
|
Vortrainiertes Modell (Optional) |
Ein vortrainiertes Modell, das zum Feintuning des neuen Modells verwendet wird. Die Eingabe ist eine Esri Modelldefinitionsdatei ( Für ein vortrainiertes Modell mit ähnlichen Klassen kann ein Finetuning durchgeführt werden, um es auf das neue Modell abzustimmen. Das vortrainierte Modell muss mit dem gleichen Modelltyp und dem gleichen Backbone-Modell trainiert worden sein, das für das Training des neuen Modells verwendet wird. |
File |
|
Limit für Gesamtzeit (Stunden) (Optional) |
Das Limit für die Gesamtzeit des AutoDL-Modelltrainings in Stunden. Der Standardwert liegt bei 2 Stunden. |
Double |
|
AutoDL-Modus (Optional) |
Gibt an, welcher AutoDL-Modus verwendet und mit welcher Intensität die AutoDL-Suche durchgeführt werden soll.
|
String |
|
Neuronale Netzwerke (Optional) |
Gibt die Architekturen an, die zum Trainieren des Modells verwendet werden sollen. Standardmäßig werden alle Netzwerke verwendet.
|
String |
|
Ausgewertete Modelle speichern (Optional) |
Gibt an, ob alle ausgewerteten Modelle gespeichert werden sollen.
|
Boolean |
Abgeleitete Ausgabe
| Beschriftung | Erläuterung | Datentyp |
|---|---|---|
|
Ausgabe-Modelldatei |
Die Ausgabe-Modelldatei. |
File |
Umgebungen
Lizenzierungsinformationen
- Basic: Nein
- Standard: Nein
- Advanced: Erfordert "Image Analyst"