Verfügbar mit Image Server
Die Deep Learning Studio-Workload wird durch das Projekt, Rollen und Arbeitseinheiten definiert. Beim Starten von Deep Learning Studio wird als Erstes ein Projekt für den Deep-Learning-Prozess erstellt. In der Gruppe sind jedoch Rollen definiert, die vor dem Erstellen des Deep Learning Studio-Projekts berücksichtigt werden müssen. Bei jedem Projekt wird die Arbeit in Einheiten aufgeteilt, die von den Mitgliedern der Gruppe entsprechend ihrer Rolle bearbeitet werden.
Projekt
Ein Deep Learning Studio-Projekt wird in ArcGIS Enterprise als Element erstellt, das für andere Benutzer in einer Organisation freigegeben werden kann. Im Projekt werden die Prozesse und die Arbeit zum Durchführen der Deep-Learning-Analyse aggregiert. Zum Starten des Deep-Learning-Prozesses sind drei Tasks verfügbar:
- Trainingsdaten vorbereiten
- Modell trainieren
- Inferenz ausführen
Wenn der Task "Trainingsdaten vorbereiten" ausgewählt wird, muss das Projekt für den Task konfiguriert werden. Zu den Konfigurationsoptionen zählen Optionen zum Festlegen der Datenquelle sowie des Schemas für Trainingsgebiete, Gruppenzuweisungen und Arbeitseinheiten.
Rollen
Eine bestimmte Deep Learning Studio-Rolle bezieht sich auf die Berechtigungen in ArcGIS Enterprise. Die Rollen werden nicht beim Erstellen des Projekts festgelegt. Ein Projektbesitzer hat aufgrund vergleichbarer Berechtigungen in der Organisation dieselben Fähigkeiten wie ein Analyst. Die Fähigkeit, etwas als abgeschlossen zu markieren, wird nur dem Ersteller des Projekts (Projektbesitzer) zugewiesen. Die Rolle des Stichprobenerfassers ist für alle Benutzer mit Bearbeitungsberechtigungen in der Organisation verfügbar.
| Rolle | Konfigurieren eines Projekts für "Trainingsdaten vorbereiten" | Trainingsgebiete erfassen | Trainingsgebiete überprüfen | Trainingsgebiete exportieren | Modell trainieren | Inferenzwerkzeug ausführen | Projekt löschen |
|---|---|---|---|---|---|---|---|
Projektbesitzer | X | X | X | X | X | X | X |
Analyst | X | X | X | X | X | ||
Stichprobenerfasser | X |
- Projektbesitzer: Ein Projektbesitzer überwacht den gesamten Deep-Learning-Prozess und richtet das Projekt mit den Daten ein, weist die Gruppen zu und legt die Datenquellen fest. Ein Projektbesitzer kann sich an allen Prozessen in einem Deep Learning Studio-Projekt beteiligen.
- Analyst: Ein Analyst in einem Deep Learning Studio-Projekt kann sich an allen Arbeiten im Projekt beteiligen, das heißt, er kann Stichproben erfassen, Modelle trainieren, Inferenzwerkzeuge verwenden und Ausgaben generieren. Er kombiniert seine Kenntnisse in GIS und Deep Learning, um aus der Deep-Learning-Analyse eine Ausgabe zu generieren.
- Stichprobenerfasser: Die Rolle des Stichprobenerfassers ist Mitgliedern einer Gruppe vorbehalten, die sich nur an der Erfassung von Trainingsgebieten beteiligen.
Je nach Projekt werden nicht alle Rollen benötigt, sodass keine der Rollen erforderlich ist. Für größere Projekte, bei denen sich viele Benutzer an der Arbeit beteiligen, empfiehlt sich die Zuweisung von Rollen. Mitglieder in Deep Learning Studio-Gruppen werden genau wie Gruppen in ArcGIS Enterprise verwaltet. Weitere Informationen zu ArcGIS Enterprise-Gruppen finden Sie unter Erstellen von Gruppen.
Arbeitseinheiten
Wenn die Datenquelle für ein Deep Learning Studio-Projekt vom Projektbesitzer festgelegt wird, wird die räumliche Ausdehnung der Eingabe-Datenquelle standardmäßig als gesamter Bereich betrachtet, für den die Erfassung und die Überprüfung erfolgt. Bei der Projektkonfiguration kann ein Projektbesitzer die Arbeitseinheiten in kleinere Einheiten unterteilen und so Gebiete für das Training festlegen. Er kann auch die Trainingsgebieterfassung in kleinere Gebiete unterteilen, um sie auf ein Team aus Stichprobenerfassern aufzuteilen. Diese definierten Arbeitseinheiten werden zur Überprüfung von erfassten Stichproben verwendet und müssen als abgeschlossen markiert sein, damit sie beim Modelltraining verwendet werden können. Benutzerdefinierte räumliche Ausdehnungen können während der Projektkonfiguration über einen Polygon-Feature-Layer optimiert werden.
Für Arbeitseinheiten kann während der Erfassung von Trainingsgebieten einer von drei Status angezeigt werden. Folgende Status können für Arbeitseinheiten angezeigt werden:
- In Warteschlange gestellt: Dieser Status bedeutet, dass für die Arbeitseinheit Trainingsgebiete erfasst werden können.
- In Bearbeitung: Dieser Status besagt, dass derzeit Stichproben erfasst werden.
- Überprüfung ausstehend: Dieser Status besagt, dass darauf gewartet wird, dass die Arbeitseinheit vom Trainingsgebieterfasser überprüft und als abgeschlossen markiert wird.
- In Überprüfung: Dieser Status bedeutet, dass die Trainingsgebiete derzeit überprüft werden.
- Überprüft: Dieser Status besagt, dass die Arbeitseinheit überprüft wurde und nun zum Erstellen von Bildschnipseln verwendet werden kann.
Überprüfungs-Dashboards
Beim Schritt "Trainingsdaten vorbereiten" wird im Teilschritt "Trainingsgebiete überprüfen" ein Dashboard zum Verwalten des Überprüfungsprozesses erstellt. In diesem Dashboard werden die Arbeitseinheiten, die zu überprüfenden Trainingsgebiete und der Status des Überprüfungsprozesses angezeigt. Dank diesem Dashboard ist ein intuitiver Überprüfungsprozess möglich, der effizient durchgeführt werden kann.