TensorFlow là một nền tảng học máy nguồn mở hỗ trợ các phương pháp học máy nâng cao như học sâu. Trang này mô tả các tính năng dành riêng cho TensorFlow trong Earth Engine. Mặc dù các mô hình TensorFlow được phát triển và huấn luyện bên ngoài Earth Engine, nhưng API Earth Engine cung cấp các phương thức để xuất dữ liệu huấn luyện và kiểm thử ở định dạng TFRecord, cũng như nhập/xuất hình ảnh ở định dạng TFRecord. Hãy xem trang ví dụ về TensorFlow để biết thêm thông tin về cách phát triển quy trình sử dụng TensorFlow với dữ liệu từ Earth Engine. Hãy xem trang TFRecord để tìm hiểu thêm về cách Earth Engine ghi dữ liệu vào tệp TFRecord.
ee.Model
Gói ee.Model xử lý hoạt động tương tác với các mô hình học máy dựa trên TensorFlow.
Tương tác với các mô hình được lưu trữ trên Nền tảng AI
Bạn có thể tạo một thực thể ee.Model mới bằng ee.Model.fromAiPlatformPredictor(). Đây là một đối tượng ee.Model đóng gói dữ liệu Earth Engine thành các tensor, chuyển tiếp các tensor đó dưới dạng yêu cầu dự đoán đến Nền tảng AI của Google, sau đó tự động tập hợp lại các phản hồi thành các kiểu dữ liệu Earth Engine. Xin lưu ý rằng tuỳ thuộc vào kích thước
và độ phức tạp của mô hình cũng như dữ liệu đầu vào, bạn có thể muốn
điều chỉnh
kích thước nút tối thiểu của mô hình nền tảng AI để đáp ứng số lượng lớn
dự đoán.
Earth Engine yêu cầu các mô hình Nền tảng AI phải sử dụng định dạng SavedModel của TensorFlow. Trước khi một mô hình được lưu trữ có thể tương tác với Earth Engine, dữ liệu đầu vào/đầu ra của mô hình đó cần phải tương thích với định dạng trao đổi TensorProto, cụ thể là TensorProto được chuyển đổi tuần tự trong base64. Để giúp bạn thực hiện việc này dễ dàng hơn, Earth Engine CLI có lệnh model prepare để gói một SavedModel hiện có trong các thao tác cần thiết nhằm chuyển đổi định dạng đầu vào/đầu ra.
Để sử dụng một mô hình với ee.Model.fromAiPlatformPredictor(), bạn phải có đủ quyền sử dụng mô hình đó. Cụ thể, bạn (hoặc bất kỳ ai sử dụng mô hình) cần có ít nhất vai trò Người dùng mô hình ML Engine. Bạn có thể kiểm tra và đặt quyền đối với mô hình trên trang mô hình của Cloud Console.
Khu vực
Bạn nên sử dụng điểm cuối theo khu vực cho các mô hình của mình, chỉ định khu vực khi tạo mô hình,
tạo phiên bản và trong ee.Model.fromAiPlatformPredictor(). Bạn có thể sử dụng bất kỳ khu vực nào (đừng sử dụng toàn cầu), nhưng bạn nên dùng us-central1. Đừng chỉ định tham số REGIONS. Nếu bạn đang tạo một mô hình từ
Cloud Console,
hãy đảm bảo rằng bạn đã đánh dấu vào hộp khu vực.
Chi phí
Dự đoán hình ảnh
Sử dụng model.predictImage() để đưa ra dự đoán về ee.Image bằng mô hình được lưu trữ. Kiểu dữ liệu trả về của predictImage() là một
ee.Image có thể được thêm vào bản đồ, dùng trong các phép tính khác,
xuất, v.v. Earth Engine sẽ tự động phân chia các dải đầu vào và điều chỉnh
phép chiếu đầu ra cho các thay đổi về tỷ lệ và phân chia quá mức nếu cần. (Hãy xem tài liệu về TFRecord để biết thêm thông tin về cách hoạt động của tính năng phân chia). Xin lưu ý rằng Earth Engine sẽ luôn chuyển tiếp các tensor 3D đến mô hình của bạn ngay cả khi
các dải là đại lượng vô hướng (chiều cuối cùng sẽ là 1).
Hầu hết các mô hình tích chập đều có phép chiếu đầu vào cố định (phép chiếu của dữ liệu mà mô hình được huấn luyện). Trong trường hợp này, hãy đặt tham số fixInputProj thành true trong lệnh gọi đến ee.Model.fromAiPlatformPredictor().
Khi trực quan hoá thông tin dự đoán, hãy thận trọng khi thu nhỏ một mô hình có phép chiếu đầu vào cố định. Điều này là do cùng một lý do như được mô tả tại đây. Cụ thể, việc thu phóng đến một phạm vi không gian lớn có thể dẫn đến yêu cầu quá nhiều dữ liệu và có thể biểu hiện dưới dạng chậm hoặc bị nền tảng AI từ chối.