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 de Image Analysty el panel Etiquetar objetos para aprendizaje profundo, que se utilizan para el aprendizaje profundo con imágenes en 2D, requieren la extensión ArcGIS Image Analyst. Algunas de las herramientas también están disponibles con la Extensión ArcGIS Spatial Analyst.

Tanto el conjunto de herramientas Clasificación (aprendizaje profundo) como Detección de objetos (aprendizaje profundo) requieren 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 ArcGIS AllSource?

No. Cada versión de ArcGIS 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 ArcGIS 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.

¿Pueden las herramientas de geoprocesamiento utilizar varias GPU en un mismo equipo?

Sí, las herramientas de geoprocesamiento que respetan el entorno de Id. de GPU pueden utilizar una GPU específica o varias. Para utilizar todas las GPU disponibles, deje en blanco el cuadro de texto Id. de GPU.

¿Qué herramientas admiten varias GPU?

Existen varias herramientas de geoprocesamiento que utilizan varias GPU en un mismo equipo:

  • Las herramientas de inferencia de ArcGIS Image Analyst como: Clasificar objetos mediante aprendizaje profundo, Clasificar píxeles mediante aprendizaje profundo, Detectar cambios mediante aprendizaje profundo y Detectar objetos mediante aprendizaje profundo.
  • La herramienta Entrenar un modelo de aprendizaje profundo, cuando el parámetro Tipo de modelo se establece en una de las siguientes opciones: ConnectNet, Clasificador de entidades, MaskRCNN, Extractor de carreteras de varias tareas, Single Shot Detector o U-Net.
  • Y los modelos arcgis.learn para entrenar modelos de aprendizaje profundo.

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

Si no dispone de los 4 a 8 GB de VRAM necesarios, puede ejecutar la mayoría de las herramientas en la CPU, aunque el tiempo de procesamiento será mayor.

La herramienta Detectar objetos de nube de puntos con modelo entrenado y la herramienta Entrenar modelo de detección de objetos de nube de puntos no admiten el procesamiento en la CPU; solo pueden ejecutarse en la GPU. Estas herramientas devuelven un error cuando se especifica la CPU como tipo de procesador.

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

Utilice nvidia-smi, que es una utilidad de línea de comandos que se instala con los controladores NVIDIA.

  1. Abra una ventana de comando de Windows.
  2. Escriba 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 de Windows para localizar nvidia-smi.

En Uso de memoria de GPU, puede determinar si se está utilizando la memoria de la GPU.

Supervisar la GPU con nvidia-smi

Para monitorizar el uso continuo de su GPU al ejecutar las herramientas, puede ejecutar nvidia-smi -l 10. Puede utilizarlo para determinar cuál debe ser el tamaño del lote cuando ejecute las herramientas de aprendizaje profundo. Si observa que hay memoria que no se utiliza, puede aumentar el tamaño del lote. Si nota que el uso de memoria está al máximo y la herramienta falla, disminuir el tamaño del lote debería ayudar.

¿Por qué mi GPU CUDA no funciona con mis herramientas de aprendizaje profundo de ArcGIS?

Estos son las posibles causas:

  • Un controlador de GPU obsoleto provocará que las herramientas de aprendizaje profundo fallen con errores de tiempo de ejecución, lo que indica que CUDA no está instalado o que existe una cadena de herramientas no admitida. Compruebe que dispone de los controladores de GPU más recientes de NVIDIA.
  • Algunas GPU requieren CUDA Toolkit de NVIDIA, que ArcGIS no admite. Encontrará la versión de CUDA Toolkit para cada versión de ArcGIS en la sección Manifiesto de paquetes incluidos de la página Instaladores de bibliotecas de aprendizaje profundo para ArcGIS de GitHub.

¿Cómo puedo acelerar las herramientas de inferencia?

Si aún no está utilizando la GPU, establezca el Tipo de procesador en GPU en la Configuración del entorno de la herramienta. También puede aumentar el tamaño del lote para un uso óptimo de la GPU. Si el tamaño del lote es demasiado alto, puede producirse el error CUDA_OUT_MEMORY, y tendrá que experimentar con el tamaño del lote para encontrar el tamaño adecuado para su modo.

¿Por qué veo que conda o jupyter notebook no se reconocen como comando interno o externo cuando intento instalar las librerías manualmente?

Es posible que vea estos errores si está utilizando la ventana de comandos de Windows en lugar de la ventana de comandos de Python de ArcGIS AllSource. Puede acceder a la ventana de comandos de Python de ArcGIS AllSource desde el menú Inicio buscando Ventana de comandos de Python, o bien puede encontrarla en la ubicación de instalación de ArcGIS AllSource. La Ventana de comandos de Python de ArcGIS AllSource le permite acceder a las herramientas y bibliotecas estándar que se suministran con Conda o Jupyter.

¿Qué hago 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 el archivo model_metrics.html. Este archivo contiene información sobre el modelo entrenado, como la tasa de aprendizaje, las pérdidas de entrenamiento y validación y la puntuación media de precisión.

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 3.3?

Para obtener la lista más reciente de bibliotecas necesarias, consulte la página Instaladores de bibliotecas de aprendizaje profundo para ArcGIS de GitHub. Las versiones de biblioteca necesarias para las versiones anteriores de ArcGIS AllSource figuran en las guías de instalación manual (en PDF) de cada versión.


En este tema