使用 TensorFlow 和 Cloud AI Platform 进行预测

TensorFlow 是一个开源机器学习平台,支持深度学习等高级机器学习方法。本页面介绍了 Earth Engine 中 TensorFlow 的特定功能。虽然 TensorFlow 模型是在 Earth Engine 之外开发和训练的,但 Earth Engine API 提供了以 TFRecord 格式导出训练和测试数据以及以 TFRecord 格式导入/导出图像的方法。如需详细了解如何开发流水线以将 TensorFlow 与 Earth Engine 中的数据搭配使用,请参阅 TensorFlow 示例页面。如需详细了解 Earth Engine 如何将数据写入 TFRecord 文件,请参阅 TFRecord 页面。

ee.Model

ee.Model 软件包负责处理与 TensorFlow 支持的机器学习模型的交互。

与 AI Platform 上托管的模型交互

您可以使用 ee.Model.fromAiPlatformPredictor() 创建新的 ee.Model 实例。这是一个 ee.Model 对象,可将 Earth Engine 数据打包成张量,作为预测请求转发到 Google AI Platform,然后自动将响应重新组合成 Earth Engine 数据类型。请注意,根据模型及其输入的大小和复杂性,您可能需要调整 AI Platform 模型的最小节点大小,以适应大量预测。

Earth Engine 要求 AI 平台 模型使用 TensorFlow 的 SavedModel 格式。托管模型必须先使其输入/输出与 TensorProto 交换格式(特别是 base64 格式的序列化 TensorProto)兼容,然后才能与 Earth Engine 交互。为简化此过程,Earth Engine CLI 提供了 model prepare 命令,该命令会使用所需的操作封装现有 SavedModel,以转换输入/输出格式。

如需将模型与 ee.Model.fromAiPlatformPredictor() 搭配使用,您必须拥有足够的权限。具体而言,您(或使用模型的任何人)至少需要 ML Engine Model User 角色。您可以在 Cloud 控制台的模型页面中检查和设置模型权限。

地区

您应为模型使用区域级端点,并在模型创建、版本创建和 ee.Model.fromAiPlatformPredictor() 中指定区域。任何区域都可以(请勿使用全球),但首选 us-central1。请勿指定 REGIONS 参数。如果您要从 Cloud 控制台创建模型,请确保选中区域复选框。

费用

图片预测

使用 model.predictImage() 通过托管模型对 ee.Image 进行预测。predictImage() 的返回值类型为 ee.Image,可添加到地图中、用于其他计算、导出等。Earth Engine 会自动对输入波段进行切片,并根据需要调整输出投影,以适应比例变化和过度切片。(如需详细了解分块的工作原理,请参阅 TFRecord 文档)。请注意,即使波段是标量(最后一个维度为 1),Earth Engine 也会始终将 3D 张量转发到您的模型。

几乎所有卷积模型都具有固定的输入投影(即模型训练所基于的数据的投影)。在这种情况下,请在调用 ee.Model.fromAiPlatformPredictor() 时将 fixInputProj 参数设置为 true。 在直观呈现预测结果时,如果模型具有固定的输入投影,请谨慎缩小。原因与此处所述相同。具体而言,缩放到较大的空间范围可能会导致请求的数据过多,并可能表现为 AI Platform 速度变慢或拒绝。