Verfügbar mit Image Server
Im Schritt Modell trainieren wird ein Deep-Learning-Modell erstellt, das für Deep-Learning-Analysen in ArcGIS verwendet werden kann. Es sind verschiedene Werkzeugparameter verfügbar, mit denen die Erstellung des Deep-Learning-Modells gesteuert werden kann.
Nachdem die beschrifteten Bildschnipsel aus den Trainingsgebieten erstellt und gespeichert wurden, besteht der nächste Schritt darin, das Deep-Learning-Modell zu Zwecken der Inferenz zu trainieren. Im Schritt Modell trainieren können Sie die Trainingsiteration angeben, ein vortrainiertes Modell auswählen oder die Parameter für das Modelltraining konfigurieren. Die Konfigurationsparameter, mit denen das Modell trainiert wird, sind in der folgenden Tabelle beschrieben:
| Parameter | Beschreibung |
|---|---|
| Vortrainiertes Modell | Es wird ein vorhandenes Modell verwendet. Wählen Sie das Modell für das Training aus. |
| Modelltyp auswählen | Legen Sie fest, welcher Modelltyp für das Modelltraining verwendet wird, wenn das Training über die Dropdown-Liste erfolgt. |
| Max. Epochen | Legen Sie fest, wie oft der Lernalgorithmus das gesamte Training-Dataset durchläuft. |
| Batch-Größe | Legen Sie die Anzahl von Stichproben fest, die über das Netzwerk verarbeitet werden. |
| Lernrate | Geben Sie die Rate an, mit der neue Informationen während des Trainingsprozesses erworben werden. |
| Backbone-Modell | Geben Sie an, welches vorkonfigurierte neuronale Deep-Learning-Netzwerk für die Erstellung des neuen Modells verwendet wird. |
| Prozentsatz der Bilder für die Validierung | Geben Sie den Anteil der Trainingsgebiete an, der für die Modellvalidierung verwendet wird. |
| Training fertig stellen, wenn sich das Modell nicht mehr verbessert | Das Modelltraining wird beendet, wenn keine weitere Verbesserung erfolgt. |
| Modell fixieren | Es wird verhindert, dass die Gewichtungen und Verzerrungen der Backbone-Layer im vortrainierten Modell geändert werden. |
Hinweis:
All diese Parameter stehen in Bezug zum Deep-Learning-Prozess. Weitere Informationen zu den Parametern finden Sie unter Deep Learning in der Raster-Analyse.
Das konfigurierte Modell können Sie für Inferenzen verwenden. Sie können auch die Optionen ändern und das Modell erneut ausführen, bis Sie die gewünschten Ergebnisse erzielen. Nach dem Modelltraining besteht der nächste Schritt darin, das Modell für Inferenzen einzusetzen. Wählen Sie den Schritt Inferenz ausführen aus, um den Deep-Learning-Prozess abzuschließen.