Paramètres de l'outil Train model (Entraîner le modèle)

L'étape Train model (Entraîner le modèle) crée un modèle de Deep Learning qui peut être utilisé pour l'analyse de Deep Learning dans tout ArcGIS. Plusieurs paramètres permettent de contrôler la création du modèle de Deep Learning.

Une fois que les fragments d'image étiquetés ont été créés et enregistrés à partir des échantillons d'entraînement, l'étape suivate consiste à entraîner le modèle de Deep Learning pour l'inférence. À l'étape Train model (Entraîner le modèle), vous pouvez spécifier l'itération d'entraînement, sélectionner un modèle pré-entraîné ou configurer les paramètres d'entraînement du modèle. Les paramètres de configuration utilisés pour entraîner le modèle sont décrits dans le tableau suivant :

Paramètre	Description
Modèle pré-entraîné	Utilisez un modèle existant. Sélectionnez le modèle à utiliser pour l'entraînement.
Sélectionner un type de modèle	Sélectionnez dans la liste déroulante le type de modèle à utiliser lors de l'entraînement du modèle.
Nombre maximal d’époques	Définissez le nombre de fois que l'algorithme d'entraînement utilisera l'intégralité du jeu de données d'entraînement.
Taille du lot	Définissez le nombre d'échantillons qui seront traités via le réseau.
Vitesse d’apprentissage	Spécifiez la vitesse d'acquisition des nouvelles informations par l'intermédiaire de l'entraînement.
Modèle de backbone	Spécifiez le réseau neuronal Deep Learning préconfiguré qui sera utilisé pour créer le modèle.
Pourcentage d’images pour la validation	Spécifiez la portion d'échantillons d'entraînement à utiliser pour la validation du modèle.
Terminer l’entraînement lorsque le modèle ne s’améliore plus	Arrêtez l’entraînement du modèle en l'absence d'amélioration.
Figer le modèle	Empêchez la modification des pondérations et des biais des couches de backbone dans le modèle pré-entraîné.

Remarque :

Tous ces paramètres sont liés au traitement Deep Learning. Pour plus d'informations sur ces paramètres, reportez-vous à la rubrique Deep Learning dans l’analyse raster.

Une fois que vous avez configuré le modèle, vous pouvez l'utiliser pour l'inférence ou modifier les options, puis exécuter à nouveau le modèle jusqu'à l'obtention des résultats souhaités. Une fois que le modèle est entraîné, l'étape suivante consiste à l'utiliser pour l'inférence. Sélectionnez l'étape Run inference (Exécuter l’inférence) pour terminer le traitement Deep Learning.