ラベル | 説明 | データ タイプ |
入力トレーニング データ | モデルのトレーニングに必要な画像チップ、ラベル、統計情報を含むフォルダー。 [ディープ ラーニング用のトレーニング データをエクスポート (Export Training Data For Deep Learning)] ツールからの出力です。 次の条件を満たしている場合は複数の入力フォルダーがサポートされます。
| Folder |
出力フォルダー | トレーニング済みモデルが格納される出力フォルダーの場所。 | Folder |
最大エポック (オプション) | モデルをトレーニングする場合の対象となるエポックの最大数。 最大エポックを 1 に設定すると、データセットがニューラル ネットワークを通って前後に 1 回渡されます。 デフォルト値は 20 です。 | Long |
モデル タイプ (オプション) | ディープ ラーニング モデルのトレーニングに使用されるモデル タイプを指定します。
| String |
バッチ サイズ (オプション) | 1 回のトレーニングで処理されるトレーニング サンプルの数。 バッチ サイズを大きくすると、ツールのパフォーマンスが向上しますが、バッチ サイズが増加するにつれて、使用されるメモリ量が増加します。 設定されたバッチ サイズに対して GPU メモリが足りない場合、ツールが最適なバッチ サイズを計算して使用するよう試みます。 メモリ不足エラーが発生した場合は、より小さなバッチ サイズを使用してください。 | Long |
モデル引数 (オプション) | [モデル タイプ] パラメーターの情報は、このパラメーターに値を取り込むために使用されます。 これらの引数はモデル アーキテクチャによって異なります。 ArcGIS でトレーニングされるモデルのサポート対象モデル引数を以下で説明します。 ArcGIS 事前トレーニング済みモデルとカスタム ディープ ラーニング モデルでは、このツールでサポートされている追加の引数を利用できることがあります。 各モデル タイプで使用できる引数の詳細については、「ディープ ラーニングの引数」をご参照ください。
| Value Table |
学習率 (オプション) | トレーニング処理全体で、既存の情報を新たに取得した情報に上書きする割合。 値を指定しないと、トレーニング プロセス中に最適な学習率が学習曲線から抽出されます。 | Double |
バックボーン モデル (オプション) | 新しいモデルをトレーニングするアーキテクチャとして使用する、事前構成済みのニューラル ネットワークを指定します。 この方法は「転移学習」と呼ばれます。 また、たとえば timm:resnet31、timm:inception_v4、timm:efficientnet_b3 などのように timm を接頭辞として使用することで、PyTorch Image Models (timm) でサポートされている畳み込みニューラル ネットワークを指定できます。
| String |
事前トレーニング済みモデル (オプション) | 新しいモデルの微調整に使用される事前トレーニング済みモデル。 入力は、Esri モデル定義ファイル (.emd) またはディープ ラーニング パッケージ ファイル (.dlpk) です。 類似したクラスを持つ事前トレーニング済みモデルは、新しいモデルに合わせて微調整することができます。 事前トレーニング済みモデルは、新しいモデルのトレーニングに使用される同じモデル タイプおよびバックボーン モデルでトレーニングされている必要があります。 | File |
検証 % (オプション) | モデルの検証に使用するトレーニング サンプルの割合。 デフォルト値は 10 です。 | Double |
モデルの改善が見込めなくなった時点で停止 (オプション) | 早期停止を実施するかどうかを指定します。
| Boolean |
モデルの固定 (オプション) | 事前トレーニング済みモデルのバックボーン レイヤーを固定するかどうかを指定します。これにより、加重とバイアスが本来の設計どおりになります。
| Boolean |
データ拡張 (オプション) | 使用されるデータ拡張のタイプを指定します。 データ拡張は、既存のデータを使用してデータセットの変更済みコピーを作成することで人為的にトレーニング セットを増やす手法です。
| String |
拡張パラメーター (オプション) | 拡張パラメーター内の各変換の値を指定します。
| Value Table |
チップ サイズ (オプション) | モデルのトレーニングに使用される画像のサイズ。 画像は、指定のチップ サイズにトリミングされます。 画像サイズがパラメーター値より小さい場合は、画像サイズが適用されます。 デフォルトのチップ サイズは、トレーニング データのタイル サイズと同じになります。 x および y のタイル サイズが同じでない場合、大きい方の値が使用されます。 | Long |
サイズ変更 (オプション) | 画像のチップのサイズを変更します。 チップのサイズを変更したら、チップ サイズのピクセル ブロックがトリミングされ、トレーニングに使用されます。 このパラメーターは、オブジェクト検出 (PASCAL VOC)、オブジェクト分類 (ラベル付きタイル)、super-resolution データにのみ適用されます。 サイズ変更の値は、多くの場合、チップ サイズの半分です。 このサイズ変更の値がチップ サイズの値より小さい場合、サイズ変更の値は、トレーニング用ピクセル ブロックの作成に使用されます。 | String |
Weight Initialization Scheme (オプション) | レイヤーの重みが初期化される Scheme を指定します。 マルチスペクトル データを使用してモデルをトレーニングするには、モデルが使用可能なさまざまなタイプのバンドに対応する必要があります。 これは、モデルの第 1 レイヤーを再度初期化することで行われます。 このパラメーターは、マルチスペクトル画像がモデルで使用される場合のみ適用されます。
| String |
監視指標 (オプション) | チェックポイントおよび早期停止中に監視する指標を指定します。
| String |
派生した出力
ラベル | 説明 | データ タイプ |
出力モデル | 出力トレーニング済みモデル ファイル | File |