এই পৃষ্ঠার উদাহরণগুলি আর্থ ইঞ্জিনের সাথে Vertex AI-এর ব্যবহার প্রদর্শন করে৷ বিস্তারিত জানার জন্য হোস্ট করা মডেল পৃষ্ঠা দেখুন। এই উদাহরণগুলি Colab Notebook- এ চলমান Earth Engine Python API ব্যবহার করে।
খরচ
অটোএমএল
লো-কোড ক্রপ ক্লাসিফিকেশন
অটোএমএল ন্যূনতম প্রযুক্তিগত প্রচেষ্টা সহ একটি মডেল তৈরি এবং প্রশিক্ষণ সক্ষম করে। এই উদাহরণটি ভারটেক্স এআই পাইথন এসডিকে ব্যবহার করে একটি অটোএমএল ট্যাবুলার মডেলের প্রশিক্ষণ এবং স্থাপন এবং তারপর ন্যাশনাল এগ্রিকালচার ইমেজারি প্রোগ্রাম (এনএআইপি) এরিয়াল ইমেজরি থেকে ফসলের ধরন শ্রেণীবদ্ধ করার জন্য আর্থ ইঞ্জিন থেকে এটির সাথে সংযোগ প্রদর্শন করে।
Google Colab-এ চালান
GitHub-এ উৎস দেখুনপাইটর্চ
একটি CNN সঙ্গে ল্যান্ডকভার শ্রেণীবিভাগ
এই উদাহরণটি একটি সাধারণ CNN প্রদর্শন করে যা ইনপুট হিসাবে বেশ কয়েকটি বর্ণালী ভেক্টর নেয় (যেমন এক সময়ে একটি পিক্সেল) এবং প্রতি-পিক্সেলে একটি একক শ্রেণীর লেবেল আউটপুট করে। Colab নোটবুক প্রদর্শন করে CNN তৈরি করা, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ দেওয়া, মডেলটিকে Vertex AI-তে স্থাপন করা এবং আর্থ ইঞ্জিনের মডেল থেকে ভবিষ্যদ্বাণী পাওয়া।
টেনসরফ্লো
স্ক্র্যাচ থেকে একটি DNN সহ বহু-শ্রেণীর পূর্বাভাস
একটি "গভীর" নিউরাল নেটওয়ার্ক (DNN) হল একটি কৃত্রিম নিউরাল নেটওয়ার্ক (ANN) যার এক বা একাধিক লুকানো স্তর রয়েছে। এই উদাহরণটি একটি একক লুকানো স্তর সহ একটি সাধারণ DNN প্রদর্শন করে৷ DNN বর্ণালী ভেক্টরকে ইনপুট হিসাবে নেয় (অর্থাৎ এক সময়ে একটি পিক্সেল) এবং প্রতি পিক্সেলে একটি একক শ্রেণীর লেবেল এবং শ্রেণী সম্ভাব্যতা আউটপুট করে। Colab নোটবুক DNN তৈরি, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ, রপ্তানি করা ছবির ভবিষ্যদ্বাণী করা এবং আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী আমদানি করে।
Vertex AI-তে হোস্ট করা একটি DNN সহ বহু-শ্রেণীর ভবিষ্যদ্বাণী
আপনি সরাসরি আর্থ ইঞ্জিনে (যেমন কোড এডিটরে ) Vertex AI- তে হোস্ট করা একটি মডেল থেকে ভবিষ্যদ্বাণী পেতে পারেন। এই নির্দেশিকাটি প্রদর্শন করে যে কীভাবে হোস্টিংয়ের জন্য একটি টেনসরফ্লো মডেলকে প্রশিক্ষণ, সংরক্ষণ এবং প্রস্তুত করতে হয়, মডেলটিকে একটি ভার্টেক্স এআই এন্ডপয়েন্টে স্থাপন করতে হয় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
Vertex AI-তে প্রশিক্ষিত এবং হোস্ট করা FCNN-এর সাথে শব্দার্থিক বিভাজন
এই গাইড ল্যান্ড কভার ম্যাপিংয়ের জন্য শব্দার্থিক বিভাজন প্রদর্শন করে। ইনপুট বা প্রশিক্ষণ ডেটার বিশদ বিবরণ এই 2022 জিও ফর গুড সেশনে রয়েছে। আর্থ ইঞ্জিনের ডেটা দ্বারা চালিত, এই নির্দেশিকাটি দেখায় যে কীভাবে একটি কাস্টম মেশিন ব্যবহার করে Vertex AI-তে একটি মডেলকে প্রশিক্ষণ দেওয়া যায়, হোস্টিংয়ের জন্য মডেলটি প্রস্তুত করা যায়, মডেলটিকে একটি এন্ডপয়েন্টে স্থাপন করা যায় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
একটি প্রাক-প্রশিক্ষিত বৃক্ষ-মুকুট সেগমেন্টেশন মডেল হোস্ট করা
আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে আপনি পূর্বপ্রশিক্ষিত মডেলগুলি হোস্ট করতে পারেন। উদাহরণস্বরূপ, লি এট আল। (2023) TensorFlow-এ বাস্তবায়িত বেশ কিছু গাছ-মুকুট সেগমেন্টেশন মডেল প্রকাশ করেছে। যদি ইনপুট এবং আউটপুটগুলি সেই অনুযায়ী আকার দেওয়া হয়, তাহলে এই মডেলগুলি সরাসরি হোস্ট করা যেতে পারে এবং যেখানেই ইনপুট চিত্র রয়েছে সেখানে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে ব্যবহার করা যেতে পারে। এই নির্দেশিকাটি দেখায় কিভাবে একটি প্রাক-প্রশিক্ষিত মডেল ডাউনলোড করতে হয়, এটিকে Vertex AI-তে হোস্ট করার জন্য প্রস্তুত করতে হয় এবং আর্থ ইঞ্জিন পাবলিক ক্যাটালগে চিত্রের পূর্বাভাস পেতে হয়।
অবচয়
TensorFlow সিদ্ধান্ত বন
TensorFlow ডিসিশন ফরেস্ট (TF-DF) হল TensorFlow-এ জনপ্রিয় ট্রি-ভিত্তিক মেশিন লার্নিং মডেলগুলির একটি বাস্তবায়ন। টেনসরফ্লো নিউরাল নেটওয়ার্কগুলির মতো এই মডেলগুলি ভার্টেক্স এআই-তে প্রশিক্ষিত, সংরক্ষিত এবং হোস্ট করা যেতে পারে। এই নোটবুকটি দেখায় কিভাবে TF-DF ইনস্টল করতে হয়, একটি এলোমেলো বনকে প্রশিক্ষণ দিতে হয়, Vertex AI-তে মডেলটি হোস্ট করতে হয় এবং আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে হয়।
একটি FCNN এর সাথে রিগ্রেশন
একটি "কনভোলিউশনাল" নিউরাল নেটওয়ার্ক (CNN) এক বা একাধিক কনভোলিউশনাল লেয়ার ধারণ করে, যেখানে ইনপুটগুলি পিক্সেলের আশেপাশের হয়, যার ফলে এমন একটি নেটওয়ার্ক তৈরি হয় যা সম্পূর্ণ-সংযুক্ত নয়, কিন্তু স্থানিক নিদর্শনগুলি সনাক্ত করার জন্য উপযুক্ত। একটি সম্পূর্ণ কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (FCNN) আউটপুট হিসাবে একটি সম্পূর্ণ-সংযুক্ত স্তর ধারণ করে না। এর মানে হল যে এটি একটি গ্লোবাল আউটপুট (যেমন প্রতি ইমেজ একটি একক আউটপুট) শেখে না, বরং স্থানীয় আউটপুট (যেমন প্রতি-পিক্সেল) শেখে।
এই Colab নোটবুকটি UNET মডেলের ব্যবহার প্রদর্শন করে, একটি FCNN যা মেডিকেল ইমেজ সেগমেন্টেশনের জন্য তৈরি করা হয়েছে, প্রতি পিক্সেলে 256x256 পিক্সেল থেকে একটি অবিচ্ছিন্ন [0,1] আউটপুট অনুমান করার জন্য। বিশেষত, এই উদাহরণটি দেখায় যে কীভাবে নেটওয়ার্ককে প্রশিক্ষণ দিতে ডেটার প্যাচগুলি রপ্তানি করতে হয় এবং কীভাবে টাইল বাউন্ডারি আর্টিফ্যাক্টগুলিকে নির্মূল করার জন্য অনুমানের জন্য চিত্র প্যাচগুলিকে ওভারটাইল করতে হয়।
এআই প্ল্যাটফর্মে প্রশিক্ষণ
তুলনামূলকভাবে বড় মডেলের জন্য (যেমন FCNN উদাহরণ), বিনামূল্যের ভার্চুয়াল মেশিনের দীর্ঘায়ু যেটাতে Colab নোটবুক চলে তা দীর্ঘমেয়াদী প্রশিক্ষণের কাজের জন্য যথেষ্ট নাও হতে পারে। বিশেষ করে, যদি মূল্যায়ন ডেটাসেটে প্রত্যাশিত ভবিষ্যদ্বাণী ত্রুটি কম করা না হয়, তাহলে আরও প্রশিক্ষণের পুনরাবৃত্তি বিচক্ষণ হতে পারে। ক্লাউডে বড় প্রশিক্ষণের কাজ করার জন্য, এই Colab নোটবুকটি দেখায় কিভাবে আপনার প্রশিক্ষণ কোড প্যাকেজ করতে হয়, একটি প্রশিক্ষণের কাজ শুরু করতে হয় , earthengine model prepare কমান্ডের সাহায্যে একটি SavedModel প্রস্তুত করতে হয় এবং ee.Model.fromAiPlatformPredictor সাথে ইন্টারেক্টিভভাবে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে হয়।
এই পৃষ্ঠার উদাহরণগুলি আর্থ ইঞ্জিনের সাথে Vertex AI-এর ব্যবহার প্রদর্শন করে৷ বিস্তারিত জানার জন্য হোস্ট করা মডেল পৃষ্ঠা দেখুন। এই উদাহরণগুলি Colab Notebook- এ চলমান Earth Engine Python API ব্যবহার করে।
খরচ
অটোএমএল
লো-কোড ক্রপ ক্লাসিফিকেশন
অটোএমএল ন্যূনতম প্রযুক্তিগত প্রচেষ্টা সহ একটি মডেল তৈরি এবং প্রশিক্ষণ সক্ষম করে। এই উদাহরণটি ভারটেক্স এআই পাইথন এসডিকে ব্যবহার করে একটি অটোএমএল ট্যাবুলার মডেলের প্রশিক্ষণ এবং স্থাপন এবং তারপর ন্যাশনাল এগ্রিকালচার ইমেজারি প্রোগ্রাম (এনএআইপি) এরিয়াল ইমেজরি থেকে ফসলের ধরন শ্রেণীবদ্ধ করার জন্য আর্থ ইঞ্জিন থেকে এটির সাথে সংযোগ প্রদর্শন করে।
পাইটর্চ
একটি CNN সঙ্গে ল্যান্ডকভার শ্রেণীবিভাগ
এই উদাহরণটি একটি সাধারণ CNN প্রদর্শন করে যা ইনপুট হিসাবে বেশ কয়েকটি বর্ণালী ভেক্টর নেয় (যেমন এক সময়ে একটি পিক্সেল) এবং প্রতি-পিক্সেলে একটি একক শ্রেণীর লেবেল আউটপুট করে। Colab নোটবুক প্রদর্শন করে CNN তৈরি করা, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ দেওয়া, মডেলটিকে Vertex AI-তে স্থাপন করা এবং আর্থ ইঞ্জিনের মডেল থেকে ভবিষ্যদ্বাণী পাওয়া।
টেনসরফ্লো
স্ক্র্যাচ থেকে একটি DNN সহ বহু-শ্রেণীর পূর্বাভাস
একটি "গভীর" নিউরাল নেটওয়ার্ক (DNN) হল একটি কৃত্রিম নিউরাল নেটওয়ার্ক (ANN) যার এক বা একাধিক লুকানো স্তর রয়েছে। এই উদাহরণটি একটি একক লুকানো স্তর সহ একটি সাধারণ DNN প্রদর্শন করে৷ DNN বর্ণালী ভেক্টরকে ইনপুট হিসাবে নেয় (অর্থাৎ এক সময়ে একটি পিক্সেল) এবং প্রতি পিক্সেলে একটি একক শ্রেণীর লেবেল এবং শ্রেণী সম্ভাব্যতা আউটপুট করে। Colab নোটবুক DNN তৈরি, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ, রপ্তানি করা ছবির ভবিষ্যদ্বাণী করা এবং আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী আমদানি করে।
Vertex AI-তে হোস্ট করা একটি DNN সহ বহু-শ্রেণীর ভবিষ্যদ্বাণী
আপনি সরাসরি আর্থ ইঞ্জিনে (যেমন কোড এডিটরে ) Vertex AI- তে হোস্ট করা একটি মডেল থেকে ভবিষ্যদ্বাণী পেতে পারেন। এই নির্দেশিকাটি প্রদর্শন করে যে কীভাবে হোস্টিংয়ের জন্য একটি টেনসরফ্লো মডেলকে প্রশিক্ষণ, সংরক্ষণ এবং প্রস্তুত করতে হয়, মডেলটিকে একটি ভার্টেক্স এআই এন্ডপয়েন্টে স্থাপন করতে হয় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
Vertex AI-তে প্রশিক্ষিত এবং হোস্ট করা FCNN-এর সাথে শব্দার্থিক বিভাজন
এই গাইড ল্যান্ড কভার ম্যাপিংয়ের জন্য শব্দার্থিক বিভাজন প্রদর্শন করে। ইনপুট বা প্রশিক্ষণ ডেটার বিশদ বিবরণ এই 2022 জিও ফর গুড সেশনে রয়েছে। আর্থ ইঞ্জিনের ডেটা দ্বারা চালিত, এই নির্দেশিকাটি দেখায় যে কীভাবে একটি কাস্টম মেশিন ব্যবহার করে Vertex AI-তে একটি মডেলকে প্রশিক্ষণ দেওয়া যায়, হোস্টিংয়ের জন্য মডেলটি প্রস্তুত করা যায়, মডেলটিকে একটি এন্ডপয়েন্টে স্থাপন করা যায় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
একটি প্রাক-প্রশিক্ষিত বৃক্ষ-মুকুট সেগমেন্টেশন মডেল হোস্ট করা
আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে আপনি পূর্বপ্রশিক্ষিত মডেলগুলি হোস্ট করতে পারেন। উদাহরণস্বরূপ, লি এট আল। (2023) TensorFlow-এ বাস্তবায়িত বেশ কিছু গাছ-মুকুট সেগমেন্টেশন মডেল প্রকাশ করেছে। যদি ইনপুট এবং আউটপুটগুলি সেই অনুযায়ী আকার দেওয়া হয়, তাহলে এই মডেলগুলি সরাসরি হোস্ট করা যেতে পারে এবং যেখানেই ইনপুট চিত্র রয়েছে সেখানে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে ব্যবহার করা যেতে পারে। এই নির্দেশিকাটি দেখায় কিভাবে একটি প্রাক-প্রশিক্ষিত মডেল ডাউনলোড করতে হয়, এটিকে Vertex AI-তে হোস্ট করার জন্য প্রস্তুত করতে হয় এবং আর্থ ইঞ্জিন পাবলিক ক্যাটালগে চিত্রের পূর্বাভাস পেতে হয়।
অবচয়
TensorFlow সিদ্ধান্ত বন
TensorFlow ডিসিশন ফরেস্ট (TF-DF) হল TensorFlow-এ জনপ্রিয় ট্রি-ভিত্তিক মেশিন লার্নিং মডেলগুলির একটি বাস্তবায়ন। টেনসরফ্লো নিউরাল নেটওয়ার্কগুলির মতো এই মডেলগুলি ভার্টেক্স এআই-তে প্রশিক্ষিত, সংরক্ষিত এবং হোস্ট করা যেতে পারে। এই নোটবুকটি দেখায় কিভাবে TF-DF ইনস্টল করতে হয়, একটি এলোমেলো বনকে প্রশিক্ষণ দিতে হয়, Vertex AI-তে মডেলটি হোস্ট করতে হয় এবং আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে হয়।
একটি FCNN এর সাথে রিগ্রেশন
একটি "কনভোলিউশনাল" নিউরাল নেটওয়ার্ক (CNN) এক বা একাধিক কনভোলিউশনাল লেয়ার ধারণ করে, যেখানে ইনপুটগুলি পিক্সেলের আশেপাশের হয়, যার ফলে এমন একটি নেটওয়ার্ক তৈরি হয় যা সম্পূর্ণ-সংযুক্ত নয়, কিন্তু স্থানিক নিদর্শনগুলি সনাক্ত করার জন্য উপযুক্ত। একটি সম্পূর্ণ কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (FCNN) আউটপুট হিসাবে একটি সম্পূর্ণ-সংযুক্ত স্তর ধারণ করে না। এর মানে হল যে এটি একটি গ্লোবাল আউটপুট (যেমন প্রতি ইমেজ একটি একক আউটপুট) শেখে না, বরং স্থানীয় আউটপুট (যেমন প্রতি-পিক্সেল) শেখে।
এই Colab নোটবুকটি UNET মডেলের ব্যবহার প্রদর্শন করে, একটি FCNN যা মেডিকেল ইমেজ সেগমেন্টেশনের জন্য তৈরি করা হয়েছে, প্রতি পিক্সেলে 256x256 পিক্সেল থেকে একটি অবিচ্ছিন্ন [0,1] আউটপুট অনুমান করার জন্য। বিশেষত, এই উদাহরণটি দেখায় যে কীভাবে নেটওয়ার্ককে প্রশিক্ষণ দিতে ডেটার প্যাচগুলি রপ্তানি করতে হয় এবং কীভাবে টাইল বাউন্ডারি আর্টিফ্যাক্টগুলিকে নির্মূল করার জন্য অনুমানের জন্য চিত্র প্যাচগুলিকে ওভারটাইল করতে হয়।
এআই প্ল্যাটফর্মে প্রশিক্ষণ
তুলনামূলকভাবে বড় মডেলের জন্য (যেমন FCNN উদাহরণ), বিনামূল্যের ভার্চুয়াল মেশিনের দীর্ঘায়ু যেটাতে Colab নোটবুক চলে তা দীর্ঘমেয়াদী প্রশিক্ষণের কাজের জন্য যথেষ্ট নাও হতে পারে। বিশেষ করে, যদি মূল্যায়ন ডেটাসেটে প্রত্যাশিত ভবিষ্যদ্বাণী ত্রুটি কম করা না হয়, তাহলে আরও প্রশিক্ষণের পুনরাবৃত্তি বিচক্ষণ হতে পারে। ক্লাউডে বড় প্রশিক্ষণের কাজ করার জন্য, এই Colab নোটবুকটি দেখায় কিভাবে আপনার প্রশিক্ষণ কোড প্যাকেজ করতে হয়, একটি প্রশিক্ষণের কাজ শুরু করতে হয় , earthengine model prepare কমান্ডের সাহায্যে একটি SavedModel প্রস্তুত করতে হয় এবং ee.Model.fromAiPlatformPredictor সাথে ইন্টারেক্টিভভাবে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে হয়।
এই পৃষ্ঠার উদাহরণগুলি আর্থ ইঞ্জিনের সাথে Vertex AI-এর ব্যবহার প্রদর্শন করে৷ বিস্তারিত জানার জন্য হোস্ট করা মডেল পৃষ্ঠা দেখুন। এই উদাহরণগুলি Colab Notebook- এ চলমান Earth Engine Python API ব্যবহার করে।
খরচ
অটোএমএল
লো-কোড ক্রপ ক্লাসিফিকেশন
অটোএমএল ন্যূনতম প্রযুক্তিগত প্রচেষ্টা সহ একটি মডেল তৈরি এবং প্রশিক্ষণ সক্ষম করে। এই উদাহরণটি ভারটেক্স এআই পাইথন এসডিকে ব্যবহার করে একটি অটোএমএল ট্যাবুলার মডেলের প্রশিক্ষণ এবং স্থাপন এবং তারপর ন্যাশনাল এগ্রিকালচার ইমেজারি প্রোগ্রাম (এনএআইপি) এরিয়াল ইমেজরি থেকে ফসলের ধরন শ্রেণীবদ্ধ করার জন্য আর্থ ইঞ্জিন থেকে এটির সাথে সংযোগ প্রদর্শন করে।
পাইটর্চ
একটি CNN সঙ্গে ল্যান্ডকভার শ্রেণীবিভাগ
এই উদাহরণটি একটি সাধারণ CNN প্রদর্শন করে যা ইনপুট হিসাবে বেশ কয়েকটি বর্ণালী ভেক্টর নেয় (যেমন এক সময়ে একটি পিক্সেল) এবং প্রতি-পিক্সেলে একটি একক শ্রেণীর লেবেল আউটপুট করে। Colab নোটবুক প্রদর্শন করে CNN তৈরি করা, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ দেওয়া, মডেলটিকে Vertex AI-তে স্থাপন করা এবং আর্থ ইঞ্জিনের মডেল থেকে ভবিষ্যদ্বাণী পাওয়া।
টেনসরফ্লো
স্ক্র্যাচ থেকে একটি DNN সহ বহু-শ্রেণীর পূর্বাভাস
একটি "গভীর" নিউরাল নেটওয়ার্ক (DNN) হল একটি কৃত্রিম নিউরাল নেটওয়ার্ক (ANN) যার এক বা একাধিক লুকানো স্তর রয়েছে। এই উদাহরণটি একটি একক লুকানো স্তর সহ একটি সাধারণ DNN প্রদর্শন করে৷ DNN বর্ণালী ভেক্টরকে ইনপুট হিসাবে নেয় (অর্থাৎ এক সময়ে একটি পিক্সেল) এবং প্রতি পিক্সেলে একটি একক শ্রেণীর লেবেল এবং শ্রেণী সম্ভাব্যতা আউটপুট করে। Colab নোটবুক DNN তৈরি, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ, রপ্তানি করা ছবির ভবিষ্যদ্বাণী করা এবং আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী আমদানি করে।
Vertex AI-তে হোস্ট করা একটি DNN সহ বহু-শ্রেণীর ভবিষ্যদ্বাণী
আপনি সরাসরি আর্থ ইঞ্জিনে (যেমন কোড এডিটরে ) Vertex AI- তে হোস্ট করা একটি মডেল থেকে ভবিষ্যদ্বাণী পেতে পারেন। এই নির্দেশিকাটি প্রদর্শন করে যে কীভাবে হোস্টিংয়ের জন্য একটি টেনসরফ্লো মডেলকে প্রশিক্ষণ, সংরক্ষণ এবং প্রস্তুত করতে হয়, মডেলটিকে একটি ভার্টেক্স এআই এন্ডপয়েন্টে স্থাপন করতে হয় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
Vertex AI-তে প্রশিক্ষিত এবং হোস্ট করা FCNN-এর সাথে শব্দার্থিক বিভাজন
এই গাইড ল্যান্ড কভার ম্যাপিংয়ের জন্য শব্দার্থিক বিভাজন প্রদর্শন করে। ইনপুট বা প্রশিক্ষণ ডেটার বিশদ বিবরণ এই 2022 জিও ফর গুড সেশনে রয়েছে। আর্থ ইঞ্জিনের ডেটা দ্বারা চালিত, এই নির্দেশিকাটি দেখায় যে কীভাবে একটি কাস্টম মেশিন ব্যবহার করে Vertex AI-তে একটি মডেলকে প্রশিক্ষণ দেওয়া যায়, হোস্টিংয়ের জন্য মডেলটি প্রস্তুত করা যায়, মডেলটিকে একটি এন্ডপয়েন্টে স্থাপন করা যায় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
একটি প্রাক-প্রশিক্ষিত বৃক্ষ-মুকুট সেগমেন্টেশন মডেল হোস্ট করা
আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে আপনি পূর্বপ্রশিক্ষিত মডেলগুলি হোস্ট করতে পারেন। উদাহরণস্বরূপ, লি এট আল। (2023) TensorFlow-এ বাস্তবায়িত বেশ কিছু গাছ-মুকুট সেগমেন্টেশন মডেল প্রকাশ করেছে। যদি ইনপুট এবং আউটপুটগুলি সেই অনুযায়ী আকার দেওয়া হয়, তাহলে এই মডেলগুলি সরাসরি হোস্ট করা যেতে পারে এবং যেখানেই ইনপুট চিত্র রয়েছে সেখানে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে ব্যবহার করা যেতে পারে। এই নির্দেশিকাটি দেখায় কিভাবে একটি প্রাক-প্রশিক্ষিত মডেল ডাউনলোড করতে হয়, এটিকে Vertex AI-তে হোস্ট করার জন্য প্রস্তুত করতে হয় এবং আর্থ ইঞ্জিন পাবলিক ক্যাটালগে চিত্রের পূর্বাভাস পেতে হয়।
অবচয়
TensorFlow সিদ্ধান্ত বন
TensorFlow ডিসিশন ফরেস্ট (TF-DF) হল TensorFlow-এ জনপ্রিয় ট্রি-ভিত্তিক মেশিন লার্নিং মডেলগুলির একটি বাস্তবায়ন। টেনসরফ্লো নিউরাল নেটওয়ার্কগুলির মতো এই মডেলগুলি ভার্টেক্স এআই-তে প্রশিক্ষিত, সংরক্ষিত এবং হোস্ট করা যেতে পারে। এই নোটবুকটি দেখায় কিভাবে TF-DF ইনস্টল করতে হয়, একটি এলোমেলো বনকে প্রশিক্ষণ দিতে হয়, Vertex AI-তে মডেলটি হোস্ট করতে হয় এবং আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে হয়।
একটি FCNN এর সাথে রিগ্রেশন
একটি "কনভোলিউশনাল" নিউরাল নেটওয়ার্ক (CNN) এক বা একাধিক কনভোলিউশনাল লেয়ার ধারণ করে, যেখানে ইনপুটগুলি পিক্সেলের আশেপাশের হয়, যার ফলে এমন একটি নেটওয়ার্ক তৈরি হয় যা সম্পূর্ণ-সংযুক্ত নয়, কিন্তু স্থানিক নিদর্শনগুলি সনাক্ত করার জন্য উপযুক্ত। একটি সম্পূর্ণ কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (FCNN) আউটপুট হিসাবে একটি সম্পূর্ণ-সংযুক্ত স্তর ধারণ করে না। এর মানে হল যে এটি একটি গ্লোবাল আউটপুট (যেমন প্রতি ইমেজ একটি একক আউটপুট) শেখে না, বরং স্থানীয় আউটপুট (যেমন প্রতি-পিক্সেল) শেখে।
এই Colab নোটবুকটি UNET মডেলের ব্যবহার প্রদর্শন করে, একটি FCNN যা মেডিকেল ইমেজ সেগমেন্টেশনের জন্য তৈরি করা হয়েছে, প্রতি পিক্সেলে 256x256 পিক্সেল থেকে একটি অবিচ্ছিন্ন [0,1] আউটপুট অনুমান করার জন্য। বিশেষত, এই উদাহরণটি দেখায় যে কীভাবে নেটওয়ার্ককে প্রশিক্ষণ দিতে ডেটার প্যাচগুলি রপ্তানি করতে হয় এবং কীভাবে টাইল বাউন্ডারি আর্টিফ্যাক্টগুলিকে নির্মূল করার জন্য অনুমানের জন্য চিত্র প্যাচগুলিকে ওভারটাইল করতে হয়।
এআই প্ল্যাটফর্মে প্রশিক্ষণ
তুলনামূলকভাবে বড় মডেলের জন্য (যেমন FCNN উদাহরণ), বিনামূল্যের ভার্চুয়াল মেশিনের দীর্ঘায়ু যেটাতে Colab নোটবুক চলে তা দীর্ঘমেয়াদী প্রশিক্ষণের কাজের জন্য যথেষ্ট নাও হতে পারে। বিশেষ করে, যদি মূল্যায়ন ডেটাসেটে প্রত্যাশিত ভবিষ্যদ্বাণী ত্রুটি কম করা না হয়, তাহলে আরও প্রশিক্ষণের পুনরাবৃত্তি বিচক্ষণ হতে পারে। ক্লাউডে বড় প্রশিক্ষণের কাজ করার জন্য, এই Colab নোটবুকটি দেখায় কিভাবে আপনার প্রশিক্ষণ কোড প্যাকেজ করতে হয়, একটি প্রশিক্ষণের কাজ শুরু করতে হয় , earthengine model prepare কমান্ডের সাহায্যে একটি SavedModel প্রস্তুত করতে হয় এবং ee.Model.fromAiPlatformPredictor সাথে ইন্টারেক্টিভভাবে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে হয়।
এই পৃষ্ঠার উদাহরণগুলি আর্থ ইঞ্জিনের সাথে Vertex AI-এর ব্যবহার প্রদর্শন করে৷ বিস্তারিত জানার জন্য হোস্ট করা মডেল পৃষ্ঠা দেখুন। এই উদাহরণগুলি Colab Notebook- এ চলমান Earth Engine Python API ব্যবহার করে।
খরচ
অটোএমএল
লো-কোড ক্রপ ক্লাসিফিকেশন
অটোএমএল ন্যূনতম প্রযুক্তিগত প্রচেষ্টা সহ একটি মডেল তৈরি এবং প্রশিক্ষণ সক্ষম করে। এই উদাহরণটি ভারটেক্স এআই পাইথন এসডিকে ব্যবহার করে একটি অটোএমএল ট্যাবুলার মডেলের প্রশিক্ষণ এবং স্থাপন এবং তারপর ন্যাশনাল এগ্রিকালচার ইমেজারি প্রোগ্রাম (এনএআইপি) এরিয়াল ইমেজরি থেকে ফসলের ধরন শ্রেণীবদ্ধ করার জন্য আর্থ ইঞ্জিন থেকে এটির সাথে সংযোগ প্রদর্শন করে।
পাইটর্চ
একটি CNN সঙ্গে ল্যান্ডকভার শ্রেণীবিভাগ
এই উদাহরণটি একটি সাধারণ CNN প্রদর্শন করে যা ইনপুট হিসাবে বেশ কয়েকটি বর্ণালী ভেক্টর নেয় (যেমন এক সময়ে একটি পিক্সেল) এবং প্রতি-পিক্সেলে একটি একক শ্রেণীর লেবেল আউটপুট করে। Colab নোটবুক প্রদর্শন করে CNN তৈরি করা, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ দেওয়া, মডেলটিকে Vertex AI-তে স্থাপন করা এবং আর্থ ইঞ্জিনের মডেল থেকে ভবিষ্যদ্বাণী পাওয়া।
টেনসরফ্লো
স্ক্র্যাচ থেকে একটি DNN সহ বহু-শ্রেণীর পূর্বাভাস
একটি "গভীর" নিউরাল নেটওয়ার্ক (DNN) হল একটি কৃত্রিম নিউরাল নেটওয়ার্ক (ANN) যার এক বা একাধিক লুকানো স্তর রয়েছে। এই উদাহরণটি একটি একক লুকানো স্তর সহ একটি সাধারণ DNN প্রদর্শন করে৷ DNN বর্ণালী ভেক্টরকে ইনপুট হিসাবে নেয় (অর্থাৎ এক সময়ে একটি পিক্সেল) এবং প্রতি পিক্সেলে একটি একক শ্রেণীর লেবেল এবং শ্রেণী সম্ভাব্যতা আউটপুট করে। Colab নোটবুক DNN তৈরি, আর্থ ইঞ্জিন থেকে ডেটা দিয়ে প্রশিক্ষণ, রপ্তানি করা ছবির ভবিষ্যদ্বাণী করা এবং আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী আমদানি করে।
Vertex AI-তে হোস্ট করা একটি DNN সহ বহু-শ্রেণীর ভবিষ্যদ্বাণী
আপনি সরাসরি আর্থ ইঞ্জিনে (যেমন কোড এডিটরে ) Vertex AI- তে হোস্ট করা একটি মডেল থেকে ভবিষ্যদ্বাণী পেতে পারেন। এই নির্দেশিকাটি প্রদর্শন করে যে কীভাবে হোস্টিংয়ের জন্য একটি টেনসরফ্লো মডেলকে প্রশিক্ষণ, সংরক্ষণ এবং প্রস্তুত করতে হয়, মডেলটিকে একটি ভার্টেক্স এআই এন্ডপয়েন্টে স্থাপন করতে হয় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
Vertex AI-তে প্রশিক্ষিত এবং হোস্ট করা FCNN-এর সাথে শব্দার্থিক বিভাজন
এই গাইড ল্যান্ড কভার ম্যাপিংয়ের জন্য শব্দার্থিক বিভাজন প্রদর্শন করে। ইনপুট বা প্রশিক্ষণ ডেটার বিশদ বিবরণ এই 2022 জিও ফর গুড সেশনে রয়েছে। আর্থ ইঞ্জিনের ডেটা দ্বারা চালিত, এই নির্দেশিকাটি দেখায় যে কীভাবে একটি কাস্টম মেশিন ব্যবহার করে Vertex AI-তে একটি মডেলকে প্রশিক্ষণ দেওয়া যায়, হোস্টিংয়ের জন্য মডেলটি প্রস্তুত করা যায়, মডেলটিকে একটি এন্ডপয়েন্টে স্থাপন করা যায় এবং আর্থ ইঞ্জিন থেকে ইন্টারেক্টিভ মডেলের ভবিষ্যদ্বাণীগুলির একটি মানচিত্র পান এবং পান৷
একটি প্রাক-প্রশিক্ষিত বৃক্ষ-মুকুট সেগমেন্টেশন মডেল হোস্ট করা
আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে আপনি পূর্বপ্রশিক্ষিত মডেলগুলি হোস্ট করতে পারেন। উদাহরণস্বরূপ, লি এট আল। (2023) TensorFlow-এ বাস্তবায়িত বেশ কিছু গাছ-মুকুট সেগমেন্টেশন মডেল প্রকাশ করেছে। যদি ইনপুট এবং আউটপুটগুলি সেই অনুযায়ী আকার দেওয়া হয়, তাহলে এই মডেলগুলি সরাসরি হোস্ট করা যেতে পারে এবং যেখানেই ইনপুট চিত্র রয়েছে সেখানে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে ব্যবহার করা যেতে পারে। এই নির্দেশিকাটি দেখায় কিভাবে একটি প্রাক-প্রশিক্ষিত মডেল ডাউনলোড করতে হয়, এটিকে Vertex AI-তে হোস্ট করার জন্য প্রস্তুত করতে হয় এবং আর্থ ইঞ্জিন পাবলিক ক্যাটালগে চিত্রের পূর্বাভাস পেতে হয়।
অবচয়
TensorFlow সিদ্ধান্ত বন
TensorFlow ডিসিশন ফরেস্ট (TF-DF) হল TensorFlow-এ জনপ্রিয় ট্রি-ভিত্তিক মেশিন লার্নিং মডেলগুলির একটি বাস্তবায়ন। টেনসরফ্লো নিউরাল নেটওয়ার্কগুলির মতো এই মডেলগুলি ভার্টেক্স এআই-তে প্রশিক্ষিত, সংরক্ষিত এবং হোস্ট করা যেতে পারে। এই নোটবুকটি দেখায় কিভাবে TF-DF ইনস্টল করতে হয়, একটি এলোমেলো বনকে প্রশিক্ষণ দিতে হয়, Vertex AI-তে মডেলটি হোস্ট করতে হয় এবং আর্থ ইঞ্জিনে ইন্টারেক্টিভ ভবিষ্যদ্বাণী পেতে হয়।
একটি FCNN এর সাথে রিগ্রেশন
একটি "কনভোলিউশনাল" নিউরাল নেটওয়ার্ক (CNN) এক বা একাধিক কনভোলিউশনাল লেয়ার ধারণ করে, যেখানে ইনপুটগুলি পিক্সেলের আশেপাশের হয়, যার ফলে এমন একটি নেটওয়ার্ক তৈরি হয় যা সম্পূর্ণ-সংযুক্ত নয়, কিন্তু স্থানিক নিদর্শনগুলি সনাক্ত করার জন্য উপযুক্ত। একটি সম্পূর্ণ কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (FCNN) আউটপুট হিসাবে একটি সম্পূর্ণ-সংযুক্ত স্তর ধারণ করে না। এর মানে হল যে এটি একটি গ্লোবাল আউটপুট (যেমন প্রতি ইমেজ একটি একক আউটপুট) শেখে না, বরং স্থানীয় আউটপুট (যেমন প্রতি-পিক্সেল) শেখে।
এই Colab নোটবুকটি UNET মডেলের ব্যবহার প্রদর্শন করে, একটি FCNN যা মেডিকেল ইমেজ সেগমেন্টেশনের জন্য তৈরি করা হয়েছে, প্রতি পিক্সেলে 256x256 পিক্সেল থেকে একটি অবিচ্ছিন্ন [0,1] আউটপুট অনুমান করার জন্য। বিশেষত, এই উদাহরণটি দেখায় যে কীভাবে নেটওয়ার্ককে প্রশিক্ষণ দিতে ডেটার প্যাচগুলি রপ্তানি করতে হয় এবং কীভাবে টাইল বাউন্ডারি আর্টিফ্যাক্টগুলিকে নির্মূল করার জন্য অনুমানের জন্য চিত্র প্যাচগুলিকে ওভারটাইল করতে হয়।
এআই প্ল্যাটফর্মে প্রশিক্ষণ
তুলনামূলকভাবে বড় মডেলের জন্য (যেমন FCNN উদাহরণ), বিনামূল্যের ভার্চুয়াল মেশিনের দীর্ঘায়ু যেটাতে Colab নোটবুক চলে তা দীর্ঘমেয়াদী প্রশিক্ষণের কাজের জন্য যথেষ্ট নাও হতে পারে। বিশেষ করে, যদি মূল্যায়ন ডেটাসেটে প্রত্যাশিত ভবিষ্যদ্বাণী ত্রুটি কম করা না হয়, তাহলে আরও প্রশিক্ষণের পুনরাবৃত্তি বিচক্ষণ হতে পারে। ক্লাউডে বড় প্রশিক্ষণের কাজ করার জন্য, এই Colab নোটবুকটি দেখায় কিভাবে আপনার প্রশিক্ষণ কোড প্যাকেজ করতে হয়, একটি প্রশিক্ষণের কাজ শুরু করতে হয় , earthengine model prepare কমান্ডের সাহায্যে একটি SavedModel প্রস্তুত করতে হয় এবং ee.Model.fromAiPlatformPredictor সাথে ইন্টারেক্টিভভাবে আর্থ ইঞ্জিনে ভবিষ্যদ্বাণী পেতে হয়।