Preguntas frecuentes sobre aprendizaje profundo

Buscar respuestas a preguntas comunes sobre el aprendizaje profundo.

¿Qué licencia necesito para las herramientas de aprendizaje profundo?

Todas las herramientas de geoprocesamiento de aprendizaje profundo y el panel Etiquetar objetos para aprendizaje profundo, utilizados para el aprendizaje profundo con imágenes en 2D, requieren la extensión ArcGIS Image Analyst. Algunas de las herramientas también están disponibles con la ArcGIS Spatial Analyst extension.

El conjunto de herramientas Clasificación (aprendizaje profundo), que se utiliza para clasificar datos de la nube de puntos, requiere el ArcGIS 3D Analyst extension.

La herramienta interactiva Detección de objetos para imágenes en una escena 3D requiere una licencia de ArcGIS Pro Advanced o la extensión ArcGIS Image Analyst.

¿Tengo que instalar todas las bibliotecas de aprendizaje profundo para ejecutar las herramientas de aprendizaje profundo?

Sí, debe seguir las instrucciones enumeradas en Instalar marcos de aprendizaje profundo para ArcGIS.

Tengo otras versiones de bibliotecas de aprendizaje profundo instaladas. ¿Funcionarán con la versión actual de AllSource?

No. Cada versión de AllSource requiere versiones específicas de bibliotecas de aprendizaje profundo. Debe desinstalar los paquetes y las bibliotecas existentes e instalar las versiones enumeradas en las instrucciones de instalación.

¿Cuáles son los requisitos de GPU para ejecutar herramientas de aprendizaje profundo?

La VRAM recomendada para ejecutar herramientas de aprendizaje profundo y de formación en AllSource es de 8 GB. Si solo está realizando inferencia (detección o clasificación con un modelo preentrenado), la VRAM mínima requerida es de 4 GB, pero se recomiendan 8 GB.

Tengo una GPU más antigua que es incompatible con el software o tengo poca memoria de GPU. ¿Cuáles son los requisitos?

Si no tiene los 4-8 GB de VRAM requeridos, puede ejecutar las herramientas en la CPU, aunque el tiempo de procesamiento será más largo.

¿Cómo se supervisa cuánta memoria de GPU se está utilizando?

Utilice nvidia-smi, que es una utilidad de línea de comandos instalada con los controladores de Nvidia.

  1. Abra una ventana de comando de Windows.
  2. Introduzca nvidia-smi.
  3. Presione la tecla Intro.
    Nota:

    Si nvidia-smi no se encuentra, deberá cambiar al directorio adecuado en la ventana de comando antes de ejecutar el comando. Utilice la barra de búsqueda Windows para localizar nvidia-smi.

En la sección Memoria-Uso, puede ver si se está utilizando la memoria de GPU. Supervisar la GPU con nvidia-smi

Si desea supervisar el uso continuo de la GPU durante la ejecución de las herramientas, puede ejecutar nvidia-smi -l 10. Puede utilizarlo para determinar cuál debe ser el tamaño de lote al ejecutar las herramientas de aprendizaje profundo. Si ve que no se está utilizando esta memoria, puede aumentar el tamaño del lote durante la ejecución. Si observa que el uso de memoria está en su máximo y que la herramienta falla, puede resultarle útil reducir el tamaño de lote.

¿Cómo puedo acelerar las herramientas de inferencia?

Si todavía no está usando la GPU, defina Tipo de procesador como GPU en la Configuración de entorno de la herramienta. También puede intentar aumentar el tamaño de lote para un aprovechamiento óptimo de GPU. Si el tamaño de lote es demasiado alto, es posible que vea un error CUDA_OUT_MEMORY y, por lo tanto, deberá experimentar con el tamaño de lote para encontrar el tamaño adecuado para su modo.

¿Por qué veo conda or jupyter notebook not recognized as internal or external command cuando intento instalar las bibliotecas manualmente?

Puede ver los errores anteriores si está utilizando la ventana de comando estándar Windows en lugar de la Ventana de comandos de Python de AllSource. Puede acceder a la Ventana de comandos de Python de AllSource desde el menú Inicio buscando Ventana de comandos de Python, o puede encontrarla en la ubicación de instalación de AllSource. La Ventana de comandos de Python de AllSource le permite acceder a las herramientas y bibliotecas estándar que vienen con conda o jupyter.

¿Qué debo hacer si veo un error de paquete dañado de conda o un error de verificación al intentar instalar bibliotecas manualmente?

Limpie la caché local con conda clean –t.

Después del entrenamiento, ¿cómo puedo saber qué tal ha funcionado mi modelo?

La carpeta de salida del modelo entrenado contiene un archivo denominado model_metrics.html. Este archivo contiene información sobre su modelo entrenado, como el índice de aprendizaje, las pérdidas por entrenamiento y validación y la puntuación de precisión media.

Después de ejecutar herramientas de inferencia, ¿cómo puedo saber qué tal funcionó mi modelo?

Existen varios métodos para verificar los resultados de los modelos de aprendizaje profundo. Para obtener más información, consulte Revisar resultados.

¿Qué versiones de biblioteca son necesarias para ArcGIS Pro 3.1?

Para obtener la lista de bibliotecas más reciente necesaria, consulte Paquetes de aprendizaje profundoPDF de bibliotecas de aprendizaje profundo. Las versiones de biblioteca necesarias para las versiones anteriores de AllSource se enumeran en las guías de instalación manual (PDF) de cada versión.


En este tema