ee.Model.fromAiPlatformPredictor
با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
یک ee.Model را از توضیح یک مدل پیشبینی پلتفرم هوش مصنوعی برمیگرداند. (به https://cloud.google.com/ml-engine/ مراجعه کنید).
| استفاده | برمی گرداند | ee.Model.fromAiPlatformPredictor( projectName , projectId , modelName , version , region , inputProperties , inputTypeOverride , inputShapes , proj , fixInputProj , inputTileSize , inputOverlapSize , outputTileSize , outputBands , outputProperties , outputMultiplier ) | مدل |
| استدلال | تایپ کنید | جزئیات | projectName | Object، پیش فرض: null | پروژه Google Cloud که مالک این مدل است. منسوخ شده: به جای آن از "projectId" استفاده کنید. |
projectId | رشته، پیش فرض: null | شناسه پروژه Google Cloud که صاحب مدل است. |
modelName | رشته، پیش فرض: null | نام مدل. |
version | رشته، پیش فرض: null | نسخه مدل. پیشفرض نسخه مدل پیشفرض پلتفرم هوش مصنوعی. |
region | رشته، پیش فرض: null | منطقه استقرار مدل پیشفرض «us-central1» است. |
inputProperties | لیست، پیش فرض: null | ویژگیها با هر نمونه پیشبینی منتقل میشوند. پیشبینیهای تصویر کاشیشده هستند، بنابراین این ویژگیها در هر نمونه کاشی تصویر تکرار میشوند. پیشفرض بدون خاصیت است. |
inputTypeOverride | دیکشنری، پیش فرض: null | در صورت مشخص شدن، انواع ورودیهای مدل اجباری میشوند. هر دو باند تصویر و ویژگی های تصویر/ویژگی معتبر هستند. |
inputShapes | دیکشنری، پیش فرض: null | شکل ثابت باندهای آرایه ورودی. برای هر باند آرایه ای که مشخص نشده است، شکل آرایه ثابت به طور خودکار از یک پیکسل بدون ماسک استنتاج می شود. |
proj | Projection، پیش فرض: null | پیش بینی ورودی که در آن از همه باندها نمونه برداری می شود. پیشفرض به پیشفرض پیشفرض اولین باند تصویر میرسد. |
fixInputProj | Boolean، پیشفرض: null | اگر درست باشد، پیکسل ها در یک طرح ریزی ثابت که توسط 'proj' مشخص شده است نمونه برداری می شوند. پیش بینی خروجی در غیر این صورت استفاده می شود. پیش فرض به نادرست. |
inputTileSize | لیست، پیش فرض: null | ابعاد مستطیلی کاشی های پیکسلی به نمونه های پیش بینی منتقل می شود. برای پیش بینی تصویر مورد نیاز است. |
inputOverlapSize | لیست، پیش فرض: null | مقدار همپوشانی کاشی های مجاور در X/Y در امتداد هر لبه کاشی های پیکسلی به نمونه های پیش بینی منتقل می شود. پیشفرض [0، 0] است. |
outputTileSize | لیست، پیش فرض: null | ابعاد مستطیلی کاشیهای پیکسلی که از پلتفرم هوش مصنوعی برگردانده شدهاند. مقدار پیشفرض در 'inputTileSize' است. |
outputBands | دیکشنری، پیش فرض: null | نقشه ای از نام باندهای خروجی تا فرهنگ لغت اطلاعات باند خروجی. فیلدهای اطلاعات باند معتبر «نوع» و «ابعاد» هستند. 'type' باید ee باشد. PixelType که نوار خروجی را توصیف می کند، و 'dimensions' یک عدد صحیح اختیاری با تعداد ابعاد در آن باند است، به عنوان مثال، "outputBands: {'p': {'type': ee.PixelType.int8()، 'dimensions': 1}}. برای پیش بینی تصویر مورد نیاز است. |
outputProperties | دیکشنری، پیش فرض: null | نقشه ای از نام ویژگی های خروجی تا فرهنگ لغت اطلاعات ویژگی های خروجی. فیلدهای اطلاعات دارایی معتبر «نوع» و «ابعاد» هستند. 'type' باید ee باشد.PixelType که ویژگی خروجی را توصیف می کند، و 'dimensions' یک عدد صحیح اختیاری با تعداد ابعاد برای آن ویژگی است اگر آرایه ای باشد، به عنوان مثال، "outputBands: {'p': {'type': ee.PixelType.int8(), '1}}:': برای پیشبینیهای FeatureCollections مورد نیاز است. |
outputMultiplier | شناور، پیش فرض: null | تقریبی برای افزایش حجم داده برای خروجی های مدل نسبت به ورودی های مدل. اگر مشخص شده باشد باید >= 1 باشد. این تنها زمانی مورد نیاز است که مدل بیش از آنچه مصرف می کند داده تولید کند، به عنوان مثال، مدلی که 5 باند می گیرد و 10 خروجی در هر پیکسل تولید می کند. |
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-24 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-24 بهوقت ساعت هماهنگ جهانی."],[],["This document describes the `ee.Model.fromAiPlatformPredictor` function, which retrieves an `ee.Model` from an AI Platform prediction model. Key parameters include `projectId`, `modelName`, `version`, and `region` to locate the model. Input and output specifications are defined by `inputProperties`, `inputTypeOverride`, `inputShapes`, `outputBands`, and `outputProperties`. Image predictions require `inputTileSize`, and optional tile overlap can be specified using `inputOverlapSize`. The output tile size can be adjusted using `outputTileSize`, and the `outputMultiplier` can be specified for models that increase data size.\n"]]