TensorFlow और Cloud AI Platform का इस्तेमाल करके अनुमान लगाना

TensorFlow एक ओपन सोर्स एमएल प्लैटफ़ॉर्म है. यह डीप लर्निंग जैसे ऐडवांस एमएल तरीकों के साथ काम करता है. इस पेज पर, Earth Engine में TensorFlow की खास सुविधाओं के बारे में बताया गया है. TensorFlow मॉडल, Earth Engine के बाहर डेवलप और ट्रेन किए जाते हैं. हालांकि, Earth Engine API, TFRecord फ़ॉर्मैट में ट्रेनिंग और टेस्टिंग डेटा को एक्सपोर्ट करने के तरीके उपलब्ध कराता है. साथ ही, TFRecord फ़ॉर्मैट में इमेज को इंपोर्ट/एक्सपोर्ट करने के तरीके भी उपलब्ध कराता है. Earth Engine के डेटा के साथ TensorFlow का इस्तेमाल करने के लिए, पाइपलाइन डेवलप करने के तरीके के बारे में ज़्यादा जानकारी पाने के लिए, TensorFlow के उदाहरणों वाला पेज देखें. Earth Engine, TFRecord फ़ाइलों में डेटा कैसे लिखता है, इस बारे में ज़्यादा जानने के लिए TFRecord पेज देखें.

ee.Model

ee.Model पैकेज, TensorFlow की मदद से काम करने वाले मशीन लर्निंग मॉडल के साथ इंटरैक्शन को मैनेज करता है.

एआई प्लैटफ़ॉर्म पर होस्ट किए गए मॉडल के साथ इंटरैक्ट करना

ee.Model.fromAiPlatformPredictor() का इस्तेमाल करके, एक नया ee.Model इंस्टेंस बनाया जा सकता है. यह एक ee.Model ऑब्जेक्ट है, जो Earth Engine के डेटा को टेंसर में पैकेज करता है. इसके बाद, उन्हें अनुमान लगाने के अनुरोधों के तौर पर Google के एआई प्लैटफ़ॉर्म पर भेजता है. इसके बाद, जवाबों को Earth Engine के डेटा टाइप में अपने-आप फिर से असेंबल करता है. ध्यान दें कि आपके मॉडल और उसके इनपुट के साइज़ और जटिलता के आधार पर, आपको अपने एआई प्लैटफ़ॉर्म मॉडल के नोड के कम से कम साइज़ में बदलाव करना पड़ सकता है. इससे, अनुमानों की ज़्यादा संख्या को मैनेज किया जा सकता है.

Earth Engine को एआई प्लैटफ़ॉर्म के मॉडल के लिए, TensorFlow के SavedModel फ़ॉर्मैट की ज़रूरत होती है. होस्ट किए गए मॉडल को Earth Engine के साथ इंटरैक्ट करने के लिए, उसके इनपुट/आउटपुट को TensorProto इंटरचेंज फ़ॉर्मैट के साथ काम करना चाहिए. खास तौर पर, base64 में सीरियलाइज़ किए गए TensorProtos के साथ. इसे आसान बनाने के लिए, Earth Engine सीएलआई में model prepare कमांड होता है. यह कमांड, इनपुट/आउटपुट फ़ॉर्मैट को बदलने के लिए, ज़रूरी कार्रवाइयों में मौजूदा सेव मॉडल को रैप करता है.

ee.Model.fromAiPlatformPredictor() के साथ किसी मॉडल का इस्तेमाल करने के लिए, आपके पास उस मॉडल को इस्तेमाल करने की ज़रूरी अनुमतियां होनी चाहिए. खास तौर पर, आपके पास (या मॉडल का इस्तेमाल करने वाले किसी भी व्यक्ति के पास) कम से कम एमएल इंजन मॉडल उपयोगकर्ता की भूमिका होनी चाहिए. Cloud Console के मॉडल पेज पर जाकर, मॉडल की अनुमतियों की जांच की जा सकती है और उन्हें सेट किया जा सकता है.

देश/इलाके

आपको अपने मॉडल के लिए रीजनल एंडपॉइंट इस्तेमाल करने चाहिए. इसके लिए, मॉडल बनाते समय, वर्शन बनाते समय, और ee.Model.fromAiPlatformPredictor() में रीजन की जानकारी दें. कोई भी क्षेत्र काम करेगा (ग्लोबल का इस्तेमाल न करें), लेकिन us-central1 को प्राथमिकता दी जाती है. REGIONS पैरामीटर की वैल्यू न दें. अगर Cloud Console से कोई मॉडल बनाया जा रहा है, तो पक्का करें कि रीजनल बॉक्स पर सही का निशान लगा हो.

लागत

इमेज के अनुमान

होस्ट किए गए मॉडल का इस्तेमाल करके, ee.Image पर अनुमान लगाने के लिए, model.predictImage() का इस्तेमाल करें. predictImage() का रिटर्न टाइप ee.Image होता है. इसे मैप में जोड़ा जा सकता है, अन्य कंप्यूटेशन में इस्तेमाल किया जा सकता है, एक्सपोर्ट किया जा सकता है वगैरह. Earth Engine, इनपुट बैंड को अपने-आप टाइल कर देगा. साथ ही, स्केल में बदलावों और ज़रूरत के हिसाब से ओवरटाइलिंग के लिए, आउटपुट प्रोजेक्शन को अडजस्ट कर देगा. (टाइलिंग के काम करने के तरीके के बारे में ज़्यादा जानने के लिए, TFRecord दस्तावेज़ देखें). ध्यान दें कि Earth Engine आपके मॉडल को हमेशा 3D टेंसर फ़ॉरवर्ड करेगा. भले ही, बैंड स्केलर हों (आखिरी डाइमेंशन 1 होगा).

करीब-करीब सभी कॉन्वोलूशनल मॉडल में, इनपुट प्रोजेक्शन तय होता है. यह उस डेटा का प्रोजेक्शन होता है जिस पर मॉडल को ट्रेन किया गया था. इस मामले में, ee.Model.fromAiPlatformPredictor() को किए गए कॉल में, fixInputProj पैरामीटर को सही पर सेट करें. अनुमानों को विज़ुअलाइज़ करते समय, ऐसे मॉडल को ज़ूम आउट करते समय सावधानी बरतें जिसमें तय इनपुट प्रोजेक्शन हो. इसकी वजह वही है जो यहां बताई गई है. खास तौर पर, बड़े भौगोलिक दायरे में ज़ूम करने पर, बहुत ज़्यादा डेटा के अनुरोध किए जा सकते हैं. इससे, एआई प्लैटफ़ॉर्म पर डेटा लोड होने में ज़्यादा समय लग सकता है या अनुरोध अस्वीकार किए जा सकते हैं.