قم بتكوين ArcGIS Image Server لتحليلات التعلم العميق بالرسوم النقطية

ArcGIS Image Server يوفر أدوات التعلم العميق مع سير العمل من النهاية إلى النهاية لتصنيف الكائنات واكتشافها في الصور. تتيح لك هذه الأدوات توليد مجموعات بيانات العينة وتصديرها إلى إطار عمل للتعلم العميق وذلك لتطوير نموذج تعلم عميق. ثم يمكنك تأدية سير عمل استنتاج البيانات، مثل تصنيف الصورة واكتشاف الكائن.

للاستفادة من معالجة GPU على موقع خادم تحليلات بيانات نقطية متعدد الأجهزة، يجب توفر GPU واحدة على الأقل على كل عقدة خادم بالموقع. لا يتطلب وجود بطاقة GPU لتشغيل أدوات التعلم الشامل على نشر ArcGIS Image Server لتحليلات البيانات النقطية. إذا كان جهاز خادم تحليلات البيانات النقطية لا يحتوي على بطاقة GPU، يمكن تشغيل الأدوات على وحدة المعالجة المركزية (CPU).

ملاحظة:‏

عند 10.7, لا يمكن للتحليلات النقطية استخدام العديد من وحدات معالجة الرسومات في نفس الوقت على ماكينة واحدة. إذا كنت تشغِّل سير عمل تحليلات نقطية للتعلم العميق على ماكينة ذات العديد من وحدات معالجة الرسومات، فإنه سيتم استخدام وحدة معالجة رسومات واحدة فقط.

يمكن للتحليلات النقطية في ArcGIS Image Server أن تستخدم الوحدات النمطية TensorFlow وPyTorch وCNTK وKeras Python مع وحدات معالجة الرسومات.

أضف الدعم للتعلم العميق وذلك لنشر التحليلات النقطية

بمجرد تكوينك لنشر التحليلات النقطية، اتبع الخطوات أدناه لتثبيت موارد Python للتعلم العميق. إذا كان لديك موقع متعدد العقد ArcGIS Image Server, كرر تلك الخطوات على كل عقدة خادم.

بمجرد تكوينك لنشر التحليلات النقطية، اتبع الخطوات أدناه لتثبيت موارد Python للتعلم العميق. إذا كان لديك موقع متعدد العقد ArcGIS Image Server, كرر تلك الخطوات على كل عقدة خادم.

حساب نظام التشغيل الذي تستخدمه لتلك الخطوات يجب أن يكون هو نفس الحساب الذي ثبَّت ArcGIS Image Server.

1. إذا كنت ستستخدم وحدات معالجة الرسومات لسير عملك للتحليلات النقطية للتعلم العميق، قم بتثبيت محركات NVIDIA المناسبة.
   • قم بتثبيت مجموعة أدوات CUDA على الماكينة. راجع الموقع الإلكتروني NVIDIA CUDA لمزيد من المعلومات.
   • قم بتثبيت مكتبة شبكة CUDA العميقة المحايدة (cuDNN). راجع الموقع الإلكتروني NVIDIA cuDNN لمزيد من المعلومات.
2. قم بتشغيل الأوامر التالية في بيئة Python 3.6 الافتراضية المقدمة مع إعدادك ArcGIS Server. إعداد Python هذا في C:\Program Files\ArcGIS\Server\framework\runtimes\ArcGIS\bin\Python افتراضيًّا.
3. قم بتثبيت كل وحدة Python تريد استخدامها في سير عملك للتحليلات النقطية للتعلم العميق. في الخطوة الفرعية ب أدناه، حدد اسم البيئة. يشير اسم الوحدة إلى ما إذا كنت تستخدم وحدة نمطية قد تم تمكين وحدة معالجة مركزية فيها أم وحدة معالجة بالرسومات.
   1. اكتب PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts>.\proenv.bat
   2. اكتب (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda create --name <specify environment name> --clone arcgispro-py3
   3. اكتب (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>activate <environment name>
   4. اكتب (<environment name>) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda install <module name>

   المثال هو TensorFlow على تثبيت استخدام وحدة معالجة مركزية

   PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proenv.bat
   (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda create --name tf-cpu --clone arcgispro-py3
   (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>activate tf-cpu
   (tf-cpu) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda install tensorflow

   المثال هو TensorFlow على تثبيت استخدام وحدة معالجة بالرسومات

   PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proenv.bat
   (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda create --name tf-gpu --clone arcgispro-py3
   (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>activate tf-gpu
   (tf-gpu) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda install tensorflow-gpu

4. افحص وثبِّت أية تبعيات لحزمة Python سوف تتطلبها وحدات تعلمك العميق النمطية.
5. بمجرد الانتهاء من تثبيت كل وحدات Python النمطية الضرورية، قم بتشغيل proswap نص الحزمة لتبديل بيئة Python 3.6 الافتراضية لتحل محلها خدمة التحليل النقطي للبيئة المستنسخة بكتابة PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proswap.bat -n <environment name>

   ملاحظة:‏

   يوصَى بإنشائك بيئة افتراضية لكل إطار عمل تعلم افتراضي لتفادي تعارضات التبعية. إذا وُجد إطارا عمل أو أكثر في نفس بيئة Python، فربما أنها تعتمد على إصدارات مختلفة من الوحدات النمطية التي لا يمكنها العمل معًا.

6. كرر الخطوات من 1 حتى 5 على كل ماكينة في ArcGIS Image Server موقعك.

   يُسمح فقط لمثيل خدمة واحد باستخدام وحدة معالجة الرسومات على كل عقدة خادم. ينبغي أن يظل العدد الأقصى للمثيلات على كل ماكينة في خدمة RasterProcessingGPU دائما عند رقم 1 وهو الافتراضي.

7. في مدير خادم ArcGIS, حدد خدمات > إدارة الخدمات > RasterProcessingGPU وتحقق من قيم الحد الأدنى والأقصى للمثيلات.

   تنبيه:

   لا تقم بزيادة الحد الأقصى لعدد المثيلات لكل جهاز لهذه الخدمة.

8. أعد تشغيل ArcGIS Image Server لتحليل البيانات النقطية بعد التبديل إلى البيئة المستنسخة مع وحدات python للتعلم الشامل المثبتة.

يشتمل كل طلب في سير عملك للتحليلات النقطية للتعلم العميق على نوع المعالج ومعلمة البيئة. تأكد أن هذه المعلمة تحدد بطريقة صائبة ما إذا كان المستخدم هو وحدة معالجة مركزية أم وحدة معالجة بالرسومات وذلك عند تقديم الطلبات. يتم تعيين معلمة بيئة processorType في الأداة أو واجهة دالة البيانات النقطية ArcGIS Pro أو Map Viewerأو ArcGIS REST API أو ArcGIS API for Python.