深度学习常见问题

查找有关深度学习的常见问题。

深度学习工具需要何种许可?

用于具有 2D 图像的深度学习的所有深度学习地理处理工具用于深度学习的标注对象窗格均需要 ArcGIS Image Analyst 扩展模块。 某些工具也可用于 ArcGIS Spatial Analyst extension

用于对点云数据进行分类的“分类(深度学习)”工具集需要 ArcGIS 3D Analyst extension

用于 3D 场景中的影像的交互式对象检测工具需要 ArcGIS Pro Advanced 许可或 ArcGIS Image Analyst 扩展模块。

我是否必须安装所有深度学习库才能运行深度学习工具?

是的,您需要按照安装 ArcGIS 的深度学习框架中列出的说明进行操作。

我安装了其他版本的深度学习库。 是否可以使用当前版本的 AllSource

否,每个版本的 AllSource 都需要特定版本的深度学习库。 您必须卸载现有的软件包和库,并安装安装说明中所列出的版本。

运行深度学习工具的 GPU 要求是什么?

建议用于在 AllSource 中运行训练和推断深度学习工具的 VRAM 为 8GB。 如果仅执行推断(使用经过预训练模型进行检测或分类),则所需的最低 VRAM 为 4GB,但建议为 8GB。

我有一个与该软件不兼容的较旧的 GPU,或者我的 GPU 内存不足。 要求有哪些?

如果没有所需的 4–8GB VRAM,则可以在 CPU 上运行这些工具,尽管处理时间会更长。

您如何监控正在使用的 GPU 内存量?

使用 nvidia-smi,这是随 Nvidia 驱动程序一起安装的命令行实用程序。

  1. 打开 Windows 命令提示符窗口。
  2. 输入 nvidia-smi
  3. Enter 键。
    注:

    如果未找到 nvidia-smi,则在执行命令之前,您需要在“命令提示符”窗口中更改到正确的目录。 使用 Windows 搜索栏定位 nvidia-smi

内存使用情况部分下,您可以查看是否正在使用 GPU 内存。 使用 nvidia-smi 监控 GPU

如果要在工具执行期间监控 GPU 的连续使用情况,可以运行 nvidia-smi -l 10。 您可以使用它来确定运行深度学习工具时的批量大小。 如果看到没有使用某些内存,则可以在执行过程中增加批量大小。 如果您发现内存使用量已达到最大值,并且该工具失败了,则减小批量大小应该会有所帮助。

如何加速推断工具?

如果尚未使用 GPU,请在工具的环境设置中将处理器类型设置为 GPU。 您也可以尝试增加批量大小,以获得最佳的 GPU 利用率。 如果批量大小太大,您可能会看到 CUDA_OUT_MEMORY 错误,因此您将需要尝试使用批量大小来找到适合您的模式的大小。

为什么在尝试手动安装库时看到 conda or jupyter notebook not recognized as internal or external command

如果您使用标准 Windows 命令提示符而不是 AllSource Python 命令提示符,则可能会看到上述错误。 您可以通过搜索 Python 命令提示符从“开始”菜单访问 AllSource Python 命令提示符,也可以在 AllSource 安装位置找到它。 AllSource Python 命令提示符允许您访问 conda 或 jupyter 随附的标准工具和库。

如果尝试手动安装库时看到 conda 损坏的包错误或验证错误,该怎么办?

使用 conda clean –t 清理您的本地缓存。

训练后,我如何知道我的模型的表现如何?

经过训练的模型的输出文件夹包含一个名为 model_metrics.html 的文件。 该文件包含有关训练模型的信息,例如学习率、训练和验证损失以及平均精度得分。

在运行推断工具之后,我如何知道我的模型的表现如何?

有多种方法可以验证深度学习模型的结果。 有关详细信息,请参阅查看结果

ArcGIS Pro 3.1 需要何种库版本?

有关所需库的最新列表,请参阅深度学习包深度学习库 PDF。 每个版本的手动安装指南 (PDF) 中列出了 AllSource 的早期版本所需的库版本。


在本主题中