标注 | 说明 | 数据类型 |
输入训练数据 | 包含训练模型所需的影像片、标注和统计数据的文件夹。 此数据为导出训练数据进行深度学习工具的输出。 当满足以下所有条件时,支持多个输入文件夹:
| Folder |
输出模型 | 将存储经训练模型的输出文件夹位置。 | Folder |
最大新纪元 (可选) | 应用于将训练模型的最大新纪元数。 最大新纪元值为 1 意味着数据集将通过神经网络向前和向后传递一次。 默认值为 20。 | Long |
模型类型 (可选) | 指定将用于训练深度学习模型的模型类型。
| String |
批大小 (可选) | 一次需要处理以便用于训练的训练样本数。 默认值为 2。 如果您具有功能强大的 GPU,则可将此数字增加到 8、16、32 或 64。 | Long |
模型参数 (可选) | 函数参数在 Python 栅格函数类中定义。 您可以在此列出其他深度学习参数和用于试验和优化的参数,例如用于调整灵敏度的置信度阈值。 参数名称将通过读取 Python 模块进行填充。 当您将单帧检测器(对象检测)选为模型类型参数值时,模型参数参数将使用以下参数进行填充:
当您选择像素分类模型(例如,金字塔场景解析网络(像素分类)、U-Net(像素分类)或 DeepLabv3(像素分类))作为模型类型参数值时,模型参数参数将使用以下参数进行填充:
当选择 RetinaNet(对象检测)作为模型类型参数值时,模型参数参数将使用以下参数进行填充:
当您将多任务道路提取器(像素分类)或 ConnectNet(像素分类)选为模型类型参数值时,模型参数参数将使用以下参数进行填充:
当选择图像标题生成器(影像转换)作为模型类型参数值时,模型参数参数将使用以下参数进行填充:
当您将变化检测器(像素分类)选为模型类型参数值时,模型参数参数将使用以下参数进行填充:
当选择 MMDetection(对象检测)作为模型类型参数值时,模型参数参数将使用以下参数进行填充:
当您将 MMSegmentation(像素分类)选为模型类型参数值时,模型参数参数将使用以下参数进行填充:
所有模块类型均支持 chip_size 参数, 即训练样本的影像片大小。 将从输入训练数据参数中指定的文件夹中的 .emd 文件提取影像片大小。 | Value Table |
学习率 (可选) | 在整个训练过程中,现有信息将被新获取的信息覆盖的比率。 如果未指定任何值,则系统将在训练过程中从学习曲线中提取最佳学习率。 | Double |
骨干模型 (可选) | 指定要用作训练新模型的架构的、预先配置的神经网络。 这种方法称为迁移学习。
| String |
预训练模型 (可选) | 将用于微调新模型的预训练模型。 输入为 Esri 模型定义文件 (.emd) 或深度学习包文件 (.dlpk)。 可以对具有相似类的预训练模型进行微调以适应新模型。 预训练模型必须已使用将用于训练新模型的相同模型类型和骨干模型进行了训练。 | File |
验证百分比 (可选) | 将用于验证模型的训练样本的百分比。 默认值为 10。 | Double |
当模型停止改进时停止 (可选) | 指定是否将实施提前停止。
| Boolean |
冻结模型 (可选) | 指定是否冻结预训练模型中的骨干层,以使权重和偏差保持原始设计。
| Boolean |
派生输出
标注 | 说明 | 数据类型 |
输出模型 | 输出已训练模型文件。 | File |