ArcGIS Image Server ofrece un conjunto de herramientas de aprendizaje profundo para clasificar y detectar objetos en imágenes. Dichas herramientas permiten generar datasets de muestra de entrenamiento y exportarlos a un marco de aprendizaje profundo para desarrollar un modelo de aprendizaje profundo. Después, podrá llevar a cabo flujos de trabajo de inferencia de datos, como la clasificación de imágenes y la detección de objetos.
ArcGIS Image Server proporciona un conjunto de herramientas para respaldar un flujo de trabajo de aprendizaje profundo de extremo a extremo. Puede utilizar sus datos ráster para preparar datos de entrenamiento de modelos, entrenar modelos de aprendizaje profundo y utilizar herramientas de inferencia, como la clasificación de imágenes y la detección de objetos.
Para habilitar las funcionalidades de aprendizaje profundo en ArcGIS Server, debe cumplir dos requisitos:
- Configure e implemente análisis ráster en su empresa.
- Instale paquetes de aprendizaje profundo
para ArcGIS Image Server.
Configurar bibliotecas de aprendizaje profundo
Para ejecutar análisis de ráster de aprendizaje profundo en el servidor de análisis de ráster, debe instalar bibliotecas de aprendizaje profundo, ya que el servidor de análisis de ráster utiliza paquetes de Python de terceros para admitir flujos de trabajo de aprendizaje profundo. Una vez que haya instalado y configurado un servidor de análisis de ráster, siga la sección siguiente para instalar las bibliotecas de aprendizaje profundo.
Para disponer de instrucciones sobre cómo instalar paquetes de aprendizaje profundo, consulte la Guía de instalación de aprendizaje profundo para ArcGIS Image Server.
Instalar bibliotecas de aprendizaje profundo
Para instalar bibliotecas de aprendizaje profundo, siga los pasos a continuación en sus equipos de servidor de análisis de ráster:
Windows
- Vaya al repositorio deep-learning-frameworks y descargue Deep Learning Libraries Installer for ArcGIS Server.
- Extraiga el archivo zip descargado a una nueva ubicación.
- En la ubicación del archivo extraído, ejecute el instalador Setup.
- Siga el asistente del instalador para instalar las bibliotecas de aprendizaje profundo.
Linux
- Vaya al repositorio deep-learning-frameworks y descargue Deep Learning Libraries Installer for ArcGIS Server Linux
- Extraiga el archivo descargado utilizando el comando tar xvf <file>.tar.gz.
- Ejecute el script DeepLearling-Setup.sh extraído del archivo comprimido.
- Actualice la variable ARCGIS_CONDA_DEEPLEARNING en el archivo <Server Install>/server/usr/init_user_param.sh.
- Reinicie su ArcGIS Server de análisis de ráster.
Si hay varios nodos en el sitio del servidor de análisis de ráster, debe realizar los pasos anteriores en todos los nodos.
Verificar la instalación de las bibliotecas de aprendizaje profundo
Como último paso, consultará un modelo de aprendizaje profundo de ArcGIS Living Atlas of the World para verificar que las bibliotecas de aprendizaje profundo están correctamente instaladas cargando un paquete de aprendizaje profundo y seleccionándolo en una herramienta.
- En un navegador, vaya a ArcGIS Living Atlas y descargue Building Footprint Extraction - USA. El paquete de aprendizaje profundo tendrá la extensión de archivo .dlpk.
- Inicie sesión en su Portal for ArcGIS.
- Vaya a Contenido y haga clic en Nuevo elemento.
- Arrastre y suelte el paquete de aprendizaje profundo descargado en el asistente.
- Haga clic en Guardar para actualizar el paquete de aprendizaje profundo.
- Haga clic en el selector de aplicaciones y abra Map Viewer.
- En Map Viewer, haga clic en el botón Análisis de la barra de herramientas Configuración situada en la parte derecha del mapa.
- Haga clic en Herramientas, seleccione Usar aprendizaje profundo y elija la herramienta Detectar objetos con aprendizaje profundo para expandir los parámetros de la herramienta.
- En la sección Configuración del modelo, haga clic en Seleccionar modelo para elegir el modelo de aprendizaje profundo para la herramienta.
En el cuadro de diálogo Seleccionar elemento, se abrirá la carpeta Mi contenido y todos sus paquetes de aprendizaje profundo estarán disponibles
- En el cuadro de diálogo Seleccionar elemento, seleccione Building Footprint Extraction - USA y haga clic en Confirmar.
Si las bibliotecas de aprendizaje profundo están correctamente cargadas, los argumentos de modelo aparecerán en la herramienta.
Los parámetros del modelo para el paquete de aprendizaje profundo aparecerán en la herramienta cuando las bibliotecas estén instaladas correctamente.
Ahora su servidor de análisis de ráster ya está listo para realizar análisis de aprendizaje profundo.
Utilizar GPU para ejecutar el aprendizaje profundo
Cada herramienta de un flujo de trabajo de análisis de ráster de aprendizaje profundo incluye un parámetro de entorno processorType, que controla si el procesamiento se realizará en la CPU o en la GPU. Asegúrese de que este parámetro especifique adecuadamente si se debe usar CPU o GPU al realizar solicitudes. El parámetro de entorno processorType está definido en la interfaz de la herramienta o función ráster en ArcGIS Pro, Map Viewer Classic, API REST de ArcGIS o ArcGIS API for Python.
En el servidor de análisis de ráster, las herramientas de inferencia pueden utilizar una GPU para acelerar el procesamiento de los trabajos. Los requisitos para la GPU son los siguientes
- Tipo de GPU: GPU NVIDIA con capacidad de computación CUDA mínima de 5.0; se recomienda 6.1 o posterior.
- Controlador de GPU: se requiere la versión 527.41 o posterior del controlador de NVIDIA.
- Memoria de gráficos dedicada:
- Mínimo: 6 GB
- Recomendado: 16 GB o más. El requisito de memoria depende de la arquitectura del modelo y del tamaño de lote que se utiliza.
Una vez que haya cumplido todos los requisitos de GPU, debe verificar la agrupación RasterProcessingGPU. RasterProcessingGPU es el servicio responsable de ejecutar las herramientas de inferencia.
Siga estos pasos:
- En un navegador, vaya a ArcGIS Server Manager > Servicios > Sistema > RasterProcessingGPU > Administrar servicios > Agrupación.
- Confirme que Cantidad máxima de instancias por equipo esté establecida en 1. Si Cantidad máxima de instancias por equipo no está establecida en 1, cámbiela a 1 y haga clic en Guardar y reiniciar.
A partir de la versión 10.8, varias instancias de servicio pueden usar una GPU en cada nodo del servidor. La cantidad máxima de instancias por equipo del servicio RasterProcessingGPU debe estar establecida en 1.
Utilizar múltiples GPU
El servidor de análisis de ráster puede utilizar varias GPU en un sitio de servidor para acelerar el procesamiento de inferencias.
Para habilitar la funcionalidad de varias GPU, siga estos pasos en cada uno de los equipos con GPU:
- Confirme que se cumplen los requisitos de la GPU.
- Instale ArcGIS GIS Server.
- Instale las bibliotecas de aprendizaje profundo.
- Conecte el equipo al sitio del servidor de análisis de ráster existente.
Nota:
El servidor de análisis de ráster solo admite el uso de una GPU por equipo. Si hay más de una GPU disponible en un equipo, solo se utilizará una GPU para procesar un trabajo. También se recomienda utilizar la misma GPU y demás hardware en todos los equipos para garantizar un comportamiento más estable del servidor.
Una vez configurados los ajustes anteriores, puede utilizar los ajustes de entorno Tipo de procesador y Factor de procesamiento en paralelo para utilizar varias GPU y mejorar el rendimiento de sus trabajos de inferencia de aprendizaje profundo.