Dự đoán về cơ sở lưu trú

Sử dụng model.predictProperties() để đưa ra dự đoán về ee.FeatureCollection. Mỗi đặc điểm là một điểm dữ liệu và mỗi thuộc tính là một đặc điểm đầu vào của mô hình. Đầu vào và đầu ra có thể là giá trị chuỗi vô hướng, giá trị boolean vô hướng hoặc giá trị số học của bất kỳ hình dạng nào, từ vô hướng đến mảng nhiều chiều. Kết quả của mô hình được biểu thị dưới dạng các thuộc tính mới trong bảng đầu ra.

Đầu vào và đầu ra

Để kiểm soát dữ liệu đầu vào và đầu ra của mô hình, hãy sử dụng các đối số sau:

inputProperties

Đặt các thuộc tính đầu vào thành danh sách các thuộc tính mà bạn muốn gửi đến mô hình được lưu trữ.

inputTypeOverride

inputTypeOverride là một từ điển tên thuộc tính có cung cấp thông tin về loại và kích thước cụ thể. Điều này có thể cần thiết vì nhiều thuật toán Earth Engine tạo ra đầu ra có các loại động không thể suy luận được cho đến thời gian chạy.

Ví dụ: chúng ta có thể tính toán giá trị "độ dốc" bằng cách liên kết hàm ee.Terrain.slope trên một tập hợp, chúng ta có thể cần chỉ định loại đầu ra của "độ dốc" trong dữ liệu đầu vào suy luận như sau:

inputTypeOverride = {
  "slope": {
    "type": "PixelType",
    "precision": "float",
    "dimensions": 0,
    "min": -100.0,
    "max": 100.0
  }
}

MẸO: Đôi khi, bạn có thể gặp thông báo lỗi cho biết "không thể chuyển đổi một thuộc tính thành tensor". Giải pháp có thể là sử dụng tính năng ghi đè kiểu để buộc đầu vào thành một kiểu nhất định.

outputProperties

Bản đồ từ tên thuộc tính đầu ra đến từ điển thông tin thuộc tính đầu ra. Các trường thông tin thuộc tính hợp lệ là "type" (loại) và "dimensions" (phương diện). "type" phải là ee.PixelType mô tả thuộc tính đầu ra và "dimensions" là một số nguyên tuỳ chọn có số lượng phương diện cho thuộc tính đó nếu thuộc tính đó là một mảng. Ví dụ: với thuộc tính mảng 1D "p", hãy chỉ định thuộc tính đầu ra sau:

outputProperties = {
  "p": {
    "type": ee.PixelType.int8(),
    "dimensions": 1
  }
}