استخدام نماذج التعلم الشامل في ArcGIS Notebooks

يُعد التعلم الشامل طريقة سريعة التطور لتحليل بيانات التعلم الآلي التي تستخدم الشبكات العصبية لمحاكاة عمليات الدماغ البشري. عند دمجه مع نظم GIS، يمكن أن يوفر معالجة أفضل للبيانات وتحليلاً أكثر دقة للبيانات.

عادة ما تكون هناك ثلاثة تحديات رئيسية مرتبطة بخوارزميات التعلم الآلي: تحليل كميات كبيرة من البيانات، وعدم وجود قدر كافٍ من الموارد الحسابية، وكفاءة الخوارزميات ودقتها. من خلال دمج ArcGIS Notebook Server وخوارزميات التعلم الشامل، يمكنك التعامل مع هذه التحديات بشكل أفضل.

التعلم الشامل في ArcGIS Notebook Server

تُصنّف نماذج التعلم الشامل لبيانات الصور المتاحة في ArcGIS Notebook Server إلى أربع فئات رئيسية:

• تصنيف الكائن—يُستخدم لتحديد تصنيف المعلم. على سبيل المثال، يمكن استخدامه لتحديد ما إذا كان المبنى قد تضرر بعد وقوع كارثة طبيعية.
• اكتشاف الكائن—عملية التطويع المحلي للعثور على كائن في صورة داخل مربع الإحاطة. على سبيل المثال، يمكن استخدام اكتشاف الكائن لاكتشاف حمامات السباحة في الصورة.
• تصنيف البكسل—يُستخدم لتعيين تصنيفات إلى وحدات بكسل داخل صورة. على سبيل المثال، يمكن استخدام تصنيف البكسل لتصنيف الغطاء الأرضي.
• تصنيف المثيل—يدمج كلاً من اكتشاف الكائن وتصنيف البكسل. يمكن استخدام تصنيف المثيل لاكتشاف كائن وتصنيفه بشكل أكبر. على سبيل المثال، يمكن استخدام تصنيف البكسل في اكتشاف الضرر ليس فقط لتحديد الضرر، ولكن لتصنيف شدة الضرر أيضًا.

ملاحظة:‏

يدعم ArcGIS Notebook Server أيضًا النماذج التي تركز على مجموعات البيانات الجدولية ومجموعات بيانات السحابة النقطية وغيرها من مجموعات البيانات المهيكلة.

النماذج التي تم اختبارها مسبقًا مقابل نماذج الاختبار

توجد طريقتان لنماذج التعلم الشامل التي يمكنك استخدامها في ArcGIS:

• النماذج التي تم اختبارها مسبقًا—تُستخدم لاستنتاج رؤى أولية من البيانات دون الحاجة إلى مجموعات كبيرة من بيانات التدريب أو مدة اختبار طويلة للنماذج. بينما يعد أسرع، فستتأثر الدقة عند استخدام نموذج تم اختباره مسبقًا. يمكن إعادة اختبار هذه النماذج لتحسين دقتها.
  • مثال: تصنيف الغطاء الأرضي باستخدام بيانات اختبار متفرقة باستخدام مصنف UNet كنموذج تم اختباره مسبقًا
    unet = UnetClassifier(data, backbone='resnet34', ignore_classes=[0])
    unet.show_results()
    unet.per_class_metrics()

• اختبار نماذج التعلم الشامل—من خلال اختبار نموذج التعلم الشامل على مجموعة بيانات كبيرة بموارد ووقت اختبار كافيين، يمكنك تطوير نموذج أكثر دقة.
  • مثال: تصنيف الغطاء الأرضي باستخدام بيانات اختبار متفرقة من خلال استخدام مصنف UNet وإعادة اختبار النموذج
    unet = UnetClassifier(data, backbone='resnet34', ignore_classes=[0])
    unet.lr_find()
    unet.fit(10, lr)                   #10 iterations of model fitting
    unet.show_results()
    unet.per_class_metrics()

تشغيل نماذج التعلم الشامل في ArcGIS Notebooks

لاستخدام نموذج التعلم الشامل في ArcGIS Notebooks، اتبع الخطوات التالية:

ملاحظة:‏

يعد التعلم الشامل قويًا من الناحية الحسابية ويُوصى باستخدام وحدة معالجة رسومات قوية لمعالجة مجموعات البيانات الكبيرة.

1. حدد نموذج التعلم الشامل في المجموعة 04_gis_analysts_data_scientists في أرشيف البيانات القابلة للتنزيل.
2. قم بتنزيل ملف .ipynb الخاص بالنموذج الذي ستستخدمه.
3. انقر فوق صفحة المحتوى الخاصة بالبوابة الإلكترونية.
4. انقر فوق عنصر جديد وقم بتحميل ملف .ipynb الخاص بالنموذج الذي قمت بتنزيله.
5. افتح دفتر الملاحظات الذي تم إنشاؤه بواسطة ملف نموذج .ipynb.
6. أضف البيانات التي تريد تحليلها.
7. قم بتشغيل الأقسام التالية من دفتر الملاحظات:

   1. إعداد البيانات المدخلة
   2. تمثيل بيانات الاختبار بشكل مرئي
   3. تحميل بنية النموذج
   4. اختبار النموذج

      ملاحظة:‏

      يمكن تخطي هذا القسم إذا كنت تريد استخدام النموذج الذي تم اختباره مسبقًا فقط.

   5. حفظ النموذج
   6. التداخل