Etiqueta | Explicación | Tipo de datos |
Datos de entrenamiento de entrada | Los datos de entrenamiento de la nube de puntos (*.pctd) que se usarán para entrenar el modelo de clasificación. | File |
Ubicación de modelo de salida | La carpeta existente que almacenará el nuevo directorio que contiene el modelo de aprendizaje profundo. | Folder |
Nombre de modelo de salida | El nombre del archivo de definición de modelo de Esri de salida (*.emd), el paquete de aprendizaje profundo (*.dlpk) y el nuevo directorio que se creará para almacenarlos. | String |
Modelo preentrenado (Opcional) | El modelo preentrenado que se perfeccionará. Si se proporciona un modelo preentrenado, los datos de entrenamiento de entrada deben tener los mismos atributos, códigos de clase y número máximo de puntos utilizados por los datos de entrenamiento que generaron este modelo. | File |
Selección de atributos (Opcional) | Especifica los atributos de punto que se utilizarán con el código de clasificación al entrenar el modelo. Solo estarán disponibles los atributos presentes en los datos de entrenamiento de la nube de puntos. No se incluye de forma predeterminada ningún atributo adicional.
| String |
Puntos mínimos por bloque (Opcional) | El número mínimo de puntos que deben estar presentes en un bloque determinado para que se utilice en el entrenamiento del modelo. El valor predeterminado es 0. | Long |
Reasignación de clase (Opcional) | Define cómo se asignarán los valores de código de clase a valores nuevos antes de entrenar el modelo de aprendizaje profundo. | Value Table |
Códigos de clase de interés (Opcional) | Los códigos de clase que se utilizarán para filtrar los bloqueos de los datos de entrenamiento. Cuando se especifican códigos de clase de interés, todos los demás códigos de clase se reasignan al código de clase de fondo. | Long |
Código de clase de fondo (Opcional) | El valor del código de clase que se utilizará para todos los demás códigos de clase cuando se hayan especificado códigos de clase de interés. | Long |
Descripción de la clase (Opcional) | Las descripciones de lo que representa cada código de clase en los datos de entrenamiento. | Value Table |
Criterios de selección de modelo (Opcional) | Especifica la base estadística que se utilizará para determinar el modelo final.
| String |
Número máximo de épocas (Opcional) | El número de veces que cada bloque de datos se transmite hacia delante y hacia atrás a través de la red neuronal. El valor predeterminado es 25. | Long |
Iteraciones por época (%) (Opcional) | El porcentaje de los datos que se procesan en cada época de entrenamiento. El valor predeterminado es 100. | Double |
Tasa de aprendizaje (Opcional) | La velocidad a la que se sobrescribirá la información existente con nueva información. Si no se especifica ningún valor, el índice de aprendizaje óptimo se extraerá de la curva de aprendizaje durante el proceso de entrenamiento. Esta es la opción predeterminada. | Double |
Tamaño de lote (Opcional) | El número de bloques de datos de entrenamiento que se procesarán en un momento dado. El valor predeterminado es 2. | Long |
Detener entrenamiento cuando el modelo ya no mejore (Opcional) | Especifica si el entrenamiento del modelo se detendrá cuando la métrica especificada para el parámetro Criterios de selección de modelo no registre ninguna mejora tras 5 épocas consecutivas.
| Boolean |
Estrategia de índice de aprendizaje (Opcional) | Especifica cómo se modificará el índice de aprendizaje durante el entrenamiento.
| String |
Salida derivada
Etiqueta | Explicación | Tipo de datos |
Modelo de salida | El modelo resultante generado por esta herramienta. | File |
Estadísticas de modelo de salida | El archivo .csv que contiene las puntuaciones de precisión, recuperación y F1 para cada código de clase y época. | Text File |
Resultados estadísticos de cada época | El archivo .csv que contiene las puntuaciones de pérdida de entrenamiento, pérdida de validación, exactitud, precisión, recuperación y F1 obtenidas en cada época. | Text File |