ArcGIS Image Server 提供一套使用端到端工作流的深度学习工具，用于分类和检测影像中的对象。这些工具允许您生成训练样本数据集并将其导出至深度学习框架，以开发深度学习模型。然后，您可以执行数据推断工作流，如影像分类和对象检测。
要在您的 ArcGIS Image Server 栅格分析部署上运行深度学习工具，则站点中的每个服务器节点上必须有一个可用的图形处理单元 (GPU)。
注：
在版本 10.7，栅格分析不能在一台计算机上同时使用多个 GPU。如果在具有多个 GPU 的计算机上运行深度学习栅格分析工作流，则将仅使用一个 GPU。
ArcGIS Image Server 中的栅格分析可以将 TensorFlow 或 Keras Python 框架与 GPU 配合使用。脚本工具包含在 ArcGIS Image Server 安装程序中，可帮助您设置您选择的 Python 框架。
向栅格分析部署添加深度学习支持
配置您的栅格分析部署后，请按照以下步骤安装深度学习 Python 资源。如果您的 ArcGIS Image Server 站点具有多个节点，请在每个服务器节点上重复这些步骤。
执行这些步骤的 OS 帐户必须为 ArcGIS Image Server 的服务帐户。
- 在计算机上安装 CUDA 工具包的对应 NVIDIA 驱动程序。
有关详细信息，请参阅NVIDIA CUDA 网站。
- 安装 CUDA 深度神经网络 (cuDNN) 库。
有关详细信息，请参阅 NVIDIA cuDNN 网站。
- 以安装 ArcGIS Image Server 的用户身份打开终端。
- 浏览 <ArcGIS Server installation directory>/tools/arcgis-imageDL-setup 文件夹。
- 使用以下命令运行工具：./arcgis-imageDL-setup。
随即出现工具帮助。
- 安装要用于深度学习栅格分析的 Python 框架（TensorFlow 或 Keras）。
- 要安装 TensorFlow，请执行命令 ./arcgis-imageDL-setup install tensorflow
- 要安装 Keras，请执行命令 ./arcgis-imageDL-setup install keras
- 在 ArcGIS Image Server 站点中的每台计算机上重复步骤 1 至 6。
仅允许一个服务实例使用每个服务器节点上的 GPU。RasterProcessingGPU 服务每台计算机的最大实例数应始终设置为默认值 1。
- 在 ArcGIS Server Manager 中，验证 RasterProcessingGPU 服务每台计算机的最大实例数。导航至服务 > 管理服务 > RasterProcessingGPU，然后单击 RasterProcessingGPU 以转至编辑页面。在池化选项卡下，验证每台计算机的最大实例数是否设置为 1。
警告：
请勿增加此服务每台计算机的最大实例数。 - 切换到已安装深度学习 Python 模块的克隆环境后，针对栅格分析重新启动 ArcGIS Image Server。