TensorFlow هي منصة مفتوحة المصدر لتعلُّم الآلة تتيح استخدام طرق متقدّمة لتعلُّم الآلة، مثل التعلُّم العميق. توضّح هذه الصفحة ميزات TensorFlow المحدّدة في Earth Engine. على الرغم من أنّ نماذج TensorFlow يتم تطويرها وتدريبها خارج Earth Engine، توفّر واجهة برمجة تطبيقات Earth Engine طرقًا لتصدير بيانات التدريب والاختبار بتنسيق TFRecord واستيراد/تصدير الصور بتنسيق TFRecord. يمكنك الاطّلاع على صفحة أمثلة TensorFlow لمزيد من المعلومات حول كيفية تطوير مسارات لاستخدام TensorFlow مع بيانات من Earth Engine. يمكنك الاطّلاع على صفحة TFRecord لمزيد من المعلومات حول كيفية كتابة Earth Engine للبيانات في ملفات TFRecord.
ee.Model
تتعامل حزمة ee.Model مع التفاعل مع نماذج تعلُّم الآلة المستندة إلى TensorFlow.
التفاعل مع النماذج المستضافة على منصة ذكاء اصطناعي
يمكن إنشاء مثيل ee.Model جديد باستخدام
ee.Model.fromAiPlatformPredictor(). هذا هو عنصر ee.Model الذي يحزم بيانات Earth Engine في موترات، ويعيد توجيهها كطلبات توقّع إلى منصة Google AI ثم يعيد تجميع الردود تلقائيًا في أنواع بيانات Earth Engine. يُرجى العِلم أنّه استنادًا إلى حجم
نموذجك ومدى تعقيده ومدخلاته، قد تحتاج إلى
تعديل
الحدّ الأدنى لحجم العقدة في نموذج منصة ذكاء اصطناعي لاستيعاب عدد كبير من
التوقّعات.
يتطلّب Earth Engine أن تستخدم نماذج منصة ذكاء اصطناعي تنسيق
SavedModel
من TensorFlow. قبل أن يتمكّن نموذج مستضاف من التفاعل مع Earth Engine، يجب أن تكون مدخلاته/مخرجاته متوافقة مع تنسيق تبادل TensorProto، وتحديدًا TensorProtos المتسلسلة في base64. ولتسهيل ذلك، تتضمّن واجهة سطر أوامر Earth Engine الأمر model prepare الذي يلتف حول نموذج SavedModel الحالي في العمليات المطلوبة لتحويل تنسيقات الإدخال/الإخراج.
لاستخدام نموذج مع ee.Model.fromAiPlatformPredictor()، يجب أن يكون لديك أذونات كافية لاستخدام النموذج. على وجه التحديد، تحتاج أنت (أو أي شخص يستخدم النموذج) إلى
دور مستخدم نموذج محرّك تعلُّم الآلة على الأقل. يمكنك فحص أذونات النماذج وضبطها من
صفحة النماذج في Cloud
Console.
المناطق
يجب استخدام نقاط النهاية الإقليمية لنماذجك، مع تحديد المنطقة عند إنشاء النموذج،
وإنشاء الإصدار وفي ee.Model.fromAiPlatformPredictor(). يمكنك استخدام أي منطقة (لا تستخدِم global)، ولكن يُفضَّل استخدام us-central1. لا تحدّد المَعلمة REGIONS. إذا كنت تنشئ نموذجًا من
Cloud Console،
تأكَّد من وضع علامة في المربّع الإقليمي.
التكاليف
توقّعات الصور
يمكنك استخدام model.predictImage() لإجراء توقّعات على ee.Image
باستخدام نموذج مستضاف. نوع القيمة التي تم إرجاعها من predictImage() هو
ee.Image يمكن إضافته إلى الخريطة واستخدامه في عمليات حسابية أخرى
وتصديره وما إلى ذلك. ستقوم منصة Earth Engine تلقائيًا بتقسيم النطاقات المدخلة وضبط
الإسقاط الناتج لتغييرات المقياس والتقسيم الزائد حسب الحاجة. (راجِع مستند TFRecord لمزيد من المعلومات حول طريقة عمل التقسيم). يُرجى العِلم أنّ Earth Engine سيعيد توجيه الموتّرات الثلاثية الأبعاد إلى نموذجك دائمًا حتى عندما
تكون النطاقات عددية (سيكون البُعد الأخير 1).
ستتضمّن جميع النماذج الالتفافية تقريبًا إسقاطًا ثابتًا للإدخال (البيانات التي تم تدريب النموذج عليها). في هذه الحالة، اضبط المَعلمة fixInputProj على true في طلبك إلى ee.Model.fromAiPlatformPredictor().
عند عرض التوقعات، يجب توخّي الحذر عند التصغير في نموذج يتضمّن إسقاطًا ثابتًا
للمدخلات. ويعود ذلك إلى السبب نفسه الموضّح هنا. على وجه التحديد، يمكن أن يؤدي التكبير إلى نطاق مكاني كبير إلى طلبات للحصول على الكثير من البيانات وقد يظهر على شكل تباطؤ أو رفض من قِبل منصة ذكاء اصطناعي.