Available with Image Server
在 Deep Learning Studio 中，您将根据所需的输出，使用两个工作流之一管理深度学习过程。
建议工作流
由于每个深度学习工程可能具有不同的输入和不同的团队成员，因此 Deep Learning Studio 中的工作流十分灵活，并且支持自定义步骤。 两个 Deep Learning Studio 工作流为完整工作流和自定义工作流。 要确定哪个工作流适用于深度学习工程，可以向自己提出以下问题：
- 将使用哪种影像数据源？
- 将使用哪种训练样本方案？
- 将如何管理协作？ 将使用 ArcGIS Enterprise 中的哪些现有群组，或者是否创建群组？ （此问题适用于涉及附加群组成员的工程。）
- 将使用哪种深度学习推断工具？ 哪种工具将创建所需输出？ （您将在创建工程时选择推断工具类型，并且无法更改工具。）
完整工作流
如果您需要一个从头至尾的解决方案来指导您完成创建训练样本、训练模型并使用其中一种推断工具创建输出的深度学习过程，请考虑使用完整工作流。
下图显示深度学习工程的完整工作流。 过程中可以使用附加数据补充训练样本采集和模型训练。
- 创建工程 - 此步骤通过在您的组织中创建项目来开始 Deep Learning Studio 进程，该项目将组织深度学习模型的开发和使用。 工程创建是开始操作后要完成的第一步，并将定义要使用的推断工具类型。
- 准备训练样本 - 此步骤包括训练样本的创建，方法是选择和标注感兴趣要素和要素特性，或根据将用于分析的深度学习推断类型标注像素。 此步骤包含许多子步骤。 当您在应用程序中选择此步骤时，并非所有子步骤都是必需的，但是具备一组经过批准的训练样本可供您在下一步中训练深度学习模型。
- 训练模型 - 此步骤包括深度学习模型的创建，方法是根据在步骤中设置的参数使用样本训练模型。 现有模型可用作新模型的基础，同时允许针对特定要素进行自定义。
- 使用推断工具 - 此步骤根据所使用的推断工具使用深度学习模型检测或分类影像。 针对每种推断工具，您可以使用附加模型参数和选项自定义输出。
- 检查结果 - 推断工具运行完成后，结果会显示在应用程序的地图中。评估推断过程的结果并确定生成的输出是否可以用于分析。
- 共享结果 - 此步骤用于共享结果，但也可以共享中间步骤。 深度学习过程完成时，要素图层或影像图层将显示所需要素或标注的像素。 此结果可以通过应用程序或作为组织中的项目共享。
自定义工作流
如果工作流中的某些步骤已在 Deep Learning Studio 工程的外部完成，则您可以使用自定义工作流完成分析。 可以针对各个工程使用自定义工作流中不同的工具，具体取决于数据和已经完成的处理过程。 例如，如果深度学习工程不需要训练模型，则可以在自定义工作流中使用完整工作流的“使用推断工具”步骤中的推断工具。 如果深度学习模型不存在，但已采集模型的训练信息，则可以使用完整工作流的“训练模型”步骤训练深度学习模型，以在自定义工作流中进行推断。
使用自定义工作流，您可以按照最适合工程的顺序执行各步骤。 可以迭代执行步骤，也可以根据需要重复步骤。