Entraîner un modèle d’apprentissage profond

Dans Deep Learning Studio, l'étape Train model (Entraîner le modèle) crée le modèle de Deep Learning qui peut être utilisé dans tout ArcGIS. Le paquetage de Deep Learning apparaît dans ArcGIS Enterprise comme élément. L'outil crée un paquetage de Deep Learning qui utilise les fragments d'image étiquetés en fonction d'échantillons d'entraînement. Les fragments d'image sont de petites images contenant l'entité ou l'objet présentant un intérêt utilisé pour entraîner le modèle de Deep Learning.

Remarque :

Pour que l'étape Train model (Entraîner le modèle) aboutisse, des fragments d'image doivent être créés ou enregistrés à l'étape Prepare training data (Préparer les données d’entraînement).

Créer un modèle de Deep Learning

À l'étape Train model (Entraîner le modèle), vous créez un modèle de Deep Learning à l'aide d'itérations via l'entraînement en fonction de critères définis. Vous pouvez entraîner le modèle plusieurs fois, chaque occurence correspondant à une itération. En fonction des paramètres configurés lors de l'itération, la création du modèle est effectuée un certain nombre de fois avec des paramètres différents qui contrôlent le traitement.

La première étape de l'entraînement du modèle de Deep Learning consiste à créer une itération.

Remarque :

Pour effectuer cette étape, connectez-vous à Deep Learning Studio, puis ouvrez un projet si aucun n'est ouvert.

1. À la page What would you like to do (Que voulez-vous faire ?), cliquez sur Train model (Entraîner le modèle) pour ouvrir l'outil d'entraînement de modèle.
2. Cliquez sur le bouton New iteration (Nouvelle itération) pour ouvrir une nouvelle itération de création de modèle.
3. Dans la page d'itération New training (Nouvelle formation), sélectionnez les fragments d'image créés précédemment ou enregistrés dans le projet.

Attention :

En l'absence de fragments d'image créés ou enregistrés, une boîte de dialogue vous invite à exporter ou enregistrer des fragments d'image. Sélectionnez Yes (Oui) pour ouvrir la sous-étape Manage image chips (Gérer les fragments d’image) à l'étape Prepare training data (Préparer les données d’entraînement).

4. Dans l'onglet Choose image chips (Sélectionner des fragments d’image), cochez la case en regard des fragments d'image à utiliser pour l'entraînement.
Une fois que les fragments ont été sélectionnés, des aperçus des fragments d'image sont visibles.
5. Cliquez sur Next (Suivant) pour accéder aux paramètres du modèle.
6. Sélectionnez les paramètres à utiliser pour créer le modèle.

Remarque :

Les valeurs par défaut de la configuration dépendent du type de projet spécifié lors de la création du projet. Pour plus d’informations sur les paramètres du modèle, reportez-vous à la description dans les descriptions des paramètres de l'étape Train model (Entraîner le modèle).

7. Cliquez sur Start training (Commencer l’entraînement).

La progression de l'entraînement est indiquée dans l'étape. Une fois que la création du modèle est terminée, un graphique affiche des informations sur l'entraînement, une comparaison de la perte d'entraînement et de validation et le score de précision moyen. La réalité de terrain et les prévisions sont également comparées.

Dans la page d'information de l'itération, les trois options suivantes sont disponibles pour la prochaine étape :

• Train new interation from this one (Entraîner une nouvelle itération à partir de celle-ci) : entraînez davantage le modèle de Deep Learning existant pour l'améliorer.
• Run inference (Exécuter l’inférence) : utilisez le modèle de Deep Learning dans la prochaine étape du processus.
• Publish as Deep Learning Package (Publier en tant que paquetage de Deep Learning) : partagez le modèle de Deep Learning comme élément dansArcGIS Enterprise pour l'utiliser dans d'autres applications.

8. Étudiez la prochaine étape et cliquez sur l'un des boutons pour continuer.

Solution :

Si les résultats de l'entraînement du modèle ne sont pas satisfaisants, vous pouvez retourner à l'étape Prepare training data (Préparer les données d’entraînement) pour collecter des échantillons d'entraînement supplémentaires ou différents. Les résultats peuvent ne pas être satisfaisants si des objets sont manquants ou mal étiquetés dans les visualisations de la réalité de terrain, en cas de score de précision faible ou si le graphique de perte d'entraînement et de validation indique un problème avec le modèle.

L'étape Train model (Entraîner le modèle) crée un modèle de Deep Learning qui peut être utilisé dans Deep Learning Studio ou dans d'autres applications ArcGIS. L'étape Run inference (Exécuter l’inférence) requiert un modèle de Deep Learning à traiter. Selon les résultats de cette étape, la prochaine étape peut consister à utiliser le modèle dans une analyse de Deep Learning ou à continuer d'affiner le modèle.