获取有关深度学习常见问题的答案。
用于具有 2D 图像的深度学习的所有 Image Analyst 深度学习地理处理工具和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。
分类(深度学习)工具集和对象检测(深度学习)工具集均需要 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。
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。
多种地理处理工具将在一台计算机上使用多个 GPU:
- ArcGIS Image Analyst 推断工具,例如:使用深度学习分类对象、使用深度学习分类像素、使用深度学习检测变化和使用深度学习检测对象。
- 当模型类型参数设置为以下选项之一时,训练深度学习模型工具:ConnectNet、要素分类器、MaskRCNN、多任务道路提取器、单帧检测器或 U-Net。
- 以及用于训练深度学习模型的 arcgis.learn 模型。
如果没有所需的 4-8 GB VRAM,则可以在 CPU 上运行大多数工具,但处理时间会更长。
使用训练模型根据点云检测对象工具和训练点云对象检测模型工具不支持 CPU 处理;它们只能在 GPU 上运行。 将 CPU 指定为处理器类型时,这些工具将返回错误。
使用 nvidia-smi,这是随 NVIDIA 驱动程序一起安装的命令行实用程序。
- 打开 Windows 命令提示符窗口。
- 键入 nvidia-smi。
- 按 Enter 键。
注:
如果未找到 nvidia-smi,则在运行该命令之前,您需要在“命令提示符”窗口中更改为正确的目录。 使用 Windows 搜索栏定位 nvidia-smi。
在 GPU 内存使用情况下,可以确定是否正在使用 GPU 内存。
要在运行工具时监控 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处理大小。 如果您发现未使用内存,则可以增大批处理大小。 如果您发现内存使用量已达到最大值,并且该工具失败,则减小批处理大小应该会有所帮助。
以下是可能的原因:
- 过旧的 GPU 驱动程序将导致深度学习工具运行失败,并出现表明未安装 CUDA 或存在不受支持的工具链的运行时错误。 验证您是否拥有来自 NVIDIA 的最新 GPU 驱动程序。
- 某些 GPU 需要 NVIDIA CUDA 工具包,但 ArcGIS 不支持该工具包。 可以在 ArcGIS 深度学习库安装程序 GitHub 页面的包含包清单部分中找到每个 ArcGIS 版本的 CUDA 工具包版本。
可以通过多种方法来验证深度学习模型的结果。 有关详细信息,请参阅查看结果。
有关所需库的最新列表,请参阅 ArcGIS 深度学习库安装程序 GitHub 页面。 每个版本的手动安装指南 (PDF) 中列出了早期版本 ArcGIS AllSource 的所需库版本。