Previsões usando o TensorFlow e a Cloud AI Platform

O TensorFlow é uma plataforma de ML de código aberto que oferece suporte a métodos avançados de ML, como aprendizado profundo. Nesta página, descrevemos os recursos específicos do TensorFlow no Earth Engine. Embora os modelos do TensorFlow sejam desenvolvidos e treinados fora do Earth Engine, a API Earth Engine oferece métodos para exportar dados de treinamento e teste no formato TFRecord e importar/exportar imagens no formato TFRecord. Consulte a página de exemplos do TensorFlow para mais informações sobre como desenvolver pipelines para usar o TensorFlow com dados do Earth Engine. Consulte a página do TFRecord para saber mais sobre como o Earth Engine grava dados em arquivos TFRecord.

ee.Model

O pacote ee.Model lida com a interação com modelos de machine learning com suporte do TensorFlow.

Interagir com modelos hospedados na plataforma de IA

Uma nova instância de ee.Model pode ser criada com ee.Model.fromAiPlatformPredictor(). Esse é um objeto ee.Model que empacota dados do Earth Engine em tensores, os encaminha como solicitações de previsão para a plataforma de IA do Google e, em seguida, reagrupa automaticamente as respostas em tipos de dados do Earth Engine. Dependendo do tamanho e da complexidade do modelo e das entradas, talvez seja necessário ajustar o tamanho mínimo do nó do modelo da plataforma de IA para acomodar um grande volume de previsões.

O Earth Engine exige que os modelos da plataforma de IA usem o formato SavedModel do TensorFlow. Para que um modelo hospedado possa interagir com o Earth Engine, as entradas/saídas dele precisam ser compatíveis com o formato de intercâmbio TensorProto, especificamente TensorProtos serializados em base64. Para facilitar, a CLI do Earth Engine tem o comando model prepare, que envolve um SavedModel nas operações necessárias para converter formatos de entrada/saída.

Para usar um modelo com ee.Model.fromAiPlatformPredictor(), é preciso ter permissões suficientes para usar o modelo. Especificamente, você (ou qualquer pessoa que use o modelo) precisa ter, no mínimo, o papel de usuário do modelo do ML Engine. É possível inspecionar e definir permissões de modelo na página de modelos do console do Cloud.

Regiões

Use endpoints regionais para seus modelos, especificando a região na criação do modelo, na criação da versão e em ee.Model.fromAiPlatformPredictor(). Qualquer região funciona (não use global), mas us-central1 é preferível. Não especifique o parâmetro REGIONS. Se você estiver criando um modelo no Console do Cloud, verifique se a caixa regional está marcada.

Custos

Previsões de imagem

Use model.predictImage() para fazer previsões em um ee.Image usando um modelo hospedado. O tipo de retorno de predictImage() é um ee.Image que pode ser adicionado ao mapa, usado em outros cálculos, exportado etc. O Earth Engine vai organizar automaticamente as bandas de entrada e ajustar a projeção de saída para mudanças de escala e organização em blocos, conforme necessário. Consulte o documento do TFRecord para mais informações sobre como funciona o agrupamento. O Earth Engine sempre encaminha tensores 3D para seu modelo, mesmo quando as bandas são escalares (a última dimensão será 1).

Quase todos os modelos convolucionais têm uma projeção de entrada fixa (a dos dados em que o modelo foi treinado). Nesse caso, defina o parâmetro fixInputProj como true na chamada para ee.Model.fromAiPlatformPredictor(). Ao visualizar previsões, tenha cuidado ao diminuir o zoom em um modelo que tenha uma projeção de entrada fixa. Isso ocorre pelo mesmo motivo descrito aqui. Especificamente, o zoom em um grande escopo espacial pode resultar em solicitações de muitos dados e se manifestar como lentidão ou rejeições pela plataforma de IA.