Skip To Content

Настройка модуля ArcGIS Image Server для растрового анализа с глубоким обучением

Модуль ArcGIS Image Server предоставляет набор инструментов глубокого обучения с непрерывными рабочими процессами для классификации и обнаружения объектов на изображениях. Эти инструменты позволяют создавать обучающие наборы данных и экспортировать их в среду глубокого обучения для разработки модели глубокого обучения. Затем можно выполнять рабочие процессы логического анализа данных, такие как классификация изображений и обнаружение объектов.

Примечание:

Для использования преимуществ GPU-обработки на сайте сервера для растровой аналитики, состоящего из нескольких машин, на котором запущен Windows, по крайней мере, один GPU должен быть доступен на каждом узле сервера на сайте. Карта GPU не требуется для запуска инструментов глубокого обучения в вашем развертывании для растрового анализа в ArcGIS Image Server. Если у машины сервера для растрового анализа нет карты GPU, инструменты будут запускаться только на ЦПУ. Если сервер растровой аналитик состоит из компьютера с одним CPU, пользователи должны установить версию MKL (Math Kernel Library) библиотек Python для глубокого обучения, специально для TensorFlow и пакетов Pytorch.

В версии 10.8 для растрового анализа с глубоким обучением может использовать несколько графических процессоров одновременно на одном компьютере.

Примечание:

В среде ArcGIS Image Server растровая аналитика может использовать модули TensorFlow, PyTorch и Keras Python с применением аппаратного ускорения. Использование нескольких графических процессоров для каждого узла сервера применимо к некоторым конфигурациям модели глубокого обучения, предопределенным в ArcGIS. К ним относятся Tensorflow (ObjectDetectionAPI и DeepLab), Keras (MaskRCNN) и PyTorch .

Добавление поддержки глубокого обучения в развертывание растровой аналитики в Windows и в Linux

Если вы настроили дополнительный модуль ArcGIS Image Server и развертывание аналитики растров, вам необходимо установить поддерживаемые пакеты сред глубокого обучения для работы с соответствующими инструментами.

Дополнительную информацию о том, как установить пакеты глубокого обучения, см. Руководство по установке глубокого обучения Руководство по установке глубокого обучения для дополнительного модуля ArcGIS Image Server 10.8.1.

Использование GPU

В версии 10.8 несколько экземпляров сервиса могут использовать GPU на каждом узле сервера. Максимальное количество экземпляров на компьютер сервиса RasterProcessingGPU должно быть установлено на основе количества установленных видеокарт и предназначено для глубокого изучения вычислений на каждом компьютере; по умолчанию установлено значение 1.

Внимание:
Не увеличивайте максимальное количество экземпляров на один компьютер для этого сервиса, если на компьютере установлена только одна карта GPU.

Проверьте значения для минимального и максимального количества экземпляров в ArcGIS Server Manager. Перейдите в Сервисы > Управление сервисами > RasterProcessingGPU, затем нажмите RasterProcessingGPU, чтобы перейти на страницу редактирования. И на вкладке Слияние проверьте значения для минимального и максимального числа экземпляров. Минимальное и максимальное количество экземпляров по умолчанию на один компьютер равно 1. Чтобы использовать несколько графических процессоров на один компьютер, максимальное количество экземпляров на один компьютер должно быть изменено так, чтобы оно равнялось количеству видеокарт, установленных на один компьютер. Например, если на каждой машине сервера есть две карты GPU, максимальное количество экземпляров на машину должно быть изменено на 2. Нажмите Сохранить и Перезапустить, чтобы изменения вступили в силу.

Настройка Raster Processing GPU

Максимальное число экземпляров на компьютер сервиса RasterProcessingGPU задано как 1, и это является значением по умолчанию. Если для каждого узла сервера доступна только одна карта GPU, может потребоваться перезапустить сервис RasterProcessingGPU, если вы хотите, чтобы вывод модели осуществлялся последовательно в средах глубокого обучения. Например, чтобы отправить первую задачу для вывода модели TensorFlow, после завершения перезапустите сервис RasterProcessingGPU, затем опубликуйте вторую задачу для вывода модели PyTorch.

Каждый запрос в рабочих процессах растрового анализа с глубоким обучением включает параметр среды processorType. Убедитесь, что этот параметр правильно указывает, что следует использовать при выполнении запросов - CPU или GPU. Параметр среды processorType задается в интерфейсе инструмента или функции растра в ArcGIS Pro, Map Viewer, ArcGIS REST API или ArcGIS API for Python.