Konfiguracja serwera ArcGIS Image Server na potrzeby analizy rastrowej metodą Deep Learning

Serwer ArcGIS Image Server zapewnia pakiet narzędzi Deep Learning wraz z kompletnymi procedurami wykonywania zadań służącymi do klasyfikowania i wykrywania obiektów na zobrazowaniach. Narzędzia te umożliwiają generowanie zestawów danych próbek treningowych i eksportowanie ich do środowiska Deep Learning w celu utworzenia modelu Deep Learning. Następnie można używać procedur wykonywania zadań interferencji danych, takich jak klasyfikacja obrazów i wykrywanie obiektów.

Aby wykorzystać możliwości przetwarzania z użyciem procesora graficznego w witrynie serwera analiz rastrowych z wieloma komputerami, jeden procesor graficzny musi być dostępny na każdym węźle serwera w witrynie. Karta procesora graficznego nie jest wymagana, aby móc korzystać z narzędzi Deep Learning we wdrożeniu serwera ArcGIS Image Server przeznaczonego do wykonywania analiz rastrowych. Jeśli komputer serwera analiz rastrowych nie ma karty procesora graficznego, narzędzia mogą być uruchamiane w procesorze.

Notatka:

Analiza rastrowa w wersji 10.7 nie może używać jednocześnie wielu procesorów graficznych na tym samym komputerze. Jeśli procedura wykonywania zadań analizy rastrowej metodą Deep Learning zostanie uruchomiona na komputerze z wieloma procesorami graficznymi, zostanie użyty tylko jeden taki procesor.

Analiza rastrowa na serwerze ArcGIS Image Server może używać modułów TensorFlow, PyTorch, CNTK i Keras Python z procesorami graficznymi.

Dodawanie obsługi metody Deep Learning do wdrożenia analizy rastrowej

Po skonfigurowaniu wdrożenia analizy rastrowej wykonaj następujące czynności, aby zainstalować zasoby języka Python dla metody Deep Learning. W przypadku witryny ArcGIS Image Server z wieloma węzłami należy powtórzyć te czynności na każdym węźle serwera.

Po skonfigurowaniu wdrożenia analizy rastrowej wykonaj następujące czynności, aby zainstalować zasoby języka Python dla metody Deep Learning. W przypadku witryny ArcGIS Image Server z wieloma węzłami należy powtórzyć te czynności na każdym węźle serwera.

Konto systemu operacyjnego, które jest używane do wykonania tych czynności, musi być kontem użytym do zainstalowania serwera ArcGIS Image Server.

1. Jeśli używasz procesorów graficznych w procedurze wykonywania zadań analizy rastrowej metodą Deep Learning, zainstaluj odpowiednie sterowniki NVIDIA.
   • Zainstaluj pakiet CUDA Toolkit na komputerze. Informacje można znaleźć w witrynie NVIDIA CUDA.
   • Zainstaluj bibliotekę CUDA Deep Neural Network (cuDNN). Informacje można znaleźć w witrynie NVIDIA cuDNN.
2. Uruchom następujące polecenia w domyślnym środowisku języka Python 3.6, które zostało dostarczone wraz z instalacją serwera ArcGIS Server. Ta instalacja języka Python domyślnie znajduje się w folderze C:\Program Files\ArcGIS\Server\framework\runtimes\ArcGIS\bin\Python.
3. Zainstaluj wszystkie moduły w języku Python, których chcesz używać w procedurach wykonywania zadań analizy rastrowej metodą Deep Learning. W podpunkcie b poniżej podaj nazwę środowiska. Nazwa modułu wskazuje, czy używasz modułu obsługującego procesor czy procesor graficzny.
   1. Wpisz PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts>.\proenv.bat
   2. Wpisz (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda create --name <podaj nazwę środowiska> --clone arcgispro-py3
   3. Wpisz (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>activate <nazwa środowiska>
   4. Wpisz (<nazwa środowiska>) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda install <nazwa modułu>

   Przykład instalacji w celu użycia modułu TensorFlow dla procesora

   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

   Przykład instalacji w celu użycia modułu TensorFlow dla procesora graficznego

   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. Sprawdź i zainstaluj wszystkie pakiety zależne środowiska Python, które będą wymagane przez modele Deep Learning.
5. Po zainstalowaniu wszystkich wymaganych modułów w środowisku Python uruchom skrypt wsadowy proswap w celu zamiany domyślnego środowiska Python 3.6, które jest używane przez usługę analizy rastrowej, na sklonowane środowisko. W tym celu wpisz polecenie: PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proswap.bat -n <environment name>

   Notatka:

   Aby uniknąć konfliktów zależności, zaleca się utworzenie środowiska wirtualnego dla każdego środowiska modelu Deep Learning. Jeśli to samo środowisko języka Python jest używane przez dwa lub większą liczbę środowisk, może to być zależne od różnych wersji modułów, które nie mogą działać ze sobą.

6. Powtórz etapy od 1 do 5 na każdym komputerze w witrynie ArcGIS Image Server.

   Tylko jedna instancja usługi może używać procesora graficznego w każdym węźle serwera. Maksymalna liczba instancji usługi RasterProcessingGPU na komputerze zawsze powinna być skonfigurowana na 1 (wartość domyślna).

7. W aplikacji ArcGIS Server Manager wybierz kolejno opcje Usługi > Zarządzanie usługami > RasterProcessingGPU i sprawdź wartości minimalnej i maksymalnej liczby instancji.

   Uwaga:

   Nie należy zwiększać maksymalnej liczby instancji na komputer dla tej usługi.

8. Zrestartuj serwer ArcGIS Image Server przeznaczony do analizy rastrowej po wymianie do sklonowanego środowiska z zainstalowanymi modułami języka Python zapewniającymi obsługę metody Deep Learning.

Każde żądanie w procedurach wykonywania zadań analizy rastrowej metodą Deep Learning zawiera parametr środowiska processorType. Podczas przesyłania żądań upewnij się, że ten parametr prawidłowo wskazuje użycie procesora lub procesora graficznego. Parametr środowiska processorType jest konfigurowany w interfejsie narzędzia lub funkcji rastrowej w aplikacji ArcGIS Pro, przeglądarce map Map Viewer, interfejsie ArcGIS REST API lub interfejsie ArcGIS API for Python.