Dự đoán về cơ sở lưu trú

Sử dụng model.predictProperties() để đưa ra dự đoán về ee.FeatureCollection. Mỗi Feature là một điểm dữ liệu và mỗi thuộc tính là một tính năng đầu vào của mô hình. Đầu vào và đầu ra có thể là giá trị chuỗi vô hướng, giá trị boolean vô hướng hoặc giá trị số của bất kỳ hình dạng nào, từ vô hướng đến mảng đa chiều. Kết quả của mô hình được biểu thị dưới dạng các thuộc tính mới trong bảng kết quả.

Đầu vào và đầu ra

Để kiểm soát dữ liệu đầu vào và đầu ra của mô hình, hãy sử dụng các đối số sau:

inputProperties

Đặt thuộc tính đầu vào thành danh sách các thuộc tính mà bạn muốn gửi rõ ràng đến mô hình được lưu trữ.

inputTypeOverride

inputTypeOverride là một từ điển gồm các tên thuộc tính có thông tin cụ thể về loại và phương diện. Điều này có thể cần thiết vì nhiều thuật toán của Earth Engine tạo ra kết quả có kiểu động không thể suy luận cho đến thời gian chạy.

Ví dụ: chúng ta có thể tính toán giá trị "slope" (độ dốc) bằng cách liên kết hàm ee.Terrain.slope với một tập hợp. Chúng ta có thể cần chỉ định loại đầu ra của "slope" trong dữ liệu đầu vào suy luận như sau:

inputTypeOverride = {
  "slope": {
    "type": "PixelType",
    "precision": "float",
    "dimensions": 0,
    "min": -100.0,
    "max": 100.0
  }
}

MẸO: Đôi khi, bạn có thể gặp thông báo lỗi cho biết một thuộc tính "không thể chuyển đổi thành tensor". Giải pháp có thể là sử dụng cơ chế ghi đè kiểu để buộc đầu vào phải thuộc một kiểu nhất định.

outputProperties

Bản đồ từ tên thuộc tính đầu ra đến từ điển thông tin thuộc tính đầu ra. Các trường thông tin thuộc tính hợp lệ là "loại" và "phương diện". "type" phải là một ee.PixelType mô tả thuộc tính đầu ra và "dimensions" là một số nguyên không bắt buộc với số lượng kích thước cho thuộc tính đó nếu đó là một mảng. Ví dụ: với thuộc tính mảng 1D "p", hãy chỉ định thuộc tính đầu ra sau:

outputProperties = {
  "p": {
    "type": ee.PixelType.int8(),
    "dimensions": 1
  }
}