TensorFlow は、ディープ ラーニングなどの高度な ML メソッドをサポートするオープンソースの ML プラットフォームです。このページでは、Earth Engine の TensorFlow 固有の機能について説明します。TensorFlow モデルは Earth Engine の外部で開発、トレーニングされますが、Earth Engine API には、トレーニング データとテストデータを TFRecord 形式でエクスポートするメソッドと、TFRecord 形式で画像をインポート / エクスポートするメソッドが用意されています。Earth Engine のデータで TensorFlow を使用するパイプラインを開発する方法については、TensorFlow の例のページをご覧ください。Earth Engine が TFRecord ファイルにデータを書き込む方法については、TFRecord のページをご覧ください。
ee.Model
ee.Model パッケージは、TensorFlow を基盤とする機械学習モデルとのインタラクションを処理します。
AI Platform でホストされているモデルを操作する
新しい ee.Model インスタンスは ee.Model.fromAiPlatformPredictor() で作成できます。これは、Earth Engine データをテンソルにパッケージ化し、予測リクエストとして Google AI Platform に転送して、レスポンスを Earth Engine データ型に自動的に再構成する ee.Model オブジェクトです。モデルとその入力のサイズと複雑さによっては、大量の予測に対応するために、AI Platform モデルの最小ノードサイズを調整する必要がある場合があります。
Earth Engine では、AI Platform モデルで TensorFlow の SavedModel 形式を使用する必要があります。ホスト型モデルが Earth Engine とやり取りするには、その入出力が TensorProto 交換形式(具体的には base64 でシリアル化された TensorProto)と互換性がある必要があります。これを簡単にするために、Earth Engine CLI には model prepare コマンドが用意されています。このコマンドは、既存の SavedModel を、入出力形式を変換するために必要なオペレーションでラップします。
ee.Model.fromAiPlatformPredictor() でモデルを使用するには、モデルを使用するための十分な権限が必要です。具体的には、あなた(またはモデルを使用するユーザー)には、少なくとも ML Engine モデルユーザーのロールが必要です。モデルの権限は、Cloud コンソールの [モデル] ページで確認して設定できます。
地域
モデルにはリージョン エンドポイントを使用し、モデルの作成時、バージョンの作成時、ee.Model.fromAiPlatformPredictor() でリージョンを指定する必要があります。どのリージョンでも機能しますが(グローバルは使用しないでください)、us-central1 をおすすめします。REGIONS パラメータは指定しないでください。Cloud コンソール からモデルを作成する場合は、リージョン ボックスがオンになっていることを確認します。
料金
画像予測
model.predictImage() を使用して、ホスト型モデルを使用して ee.Image で予測を行います。predictImage() の戻り値の型は ee.Image です。これは、地図に追加したり、他の計算で使用したり、エクスポートしたりできます。Earth Engine は、入力バンドを自動的にタイル化し、必要に応じてスケール変更とオーバータイルに合わせて出力投影を調整します。(タイリングの仕組みの詳細については、TFRecord のドキュメントをご覧ください)。バンドがスカラーの場合でも、Earth Engine は常に 3D テンソルをモデルに転送します(最後のディメンションは 1 になります)。
ほぼすべての畳み込みモデルには、固定の入力投影(モデルのトレーニングに使用されたデータの投影)があります。この場合は、ee.Model.fromAiPlatformPredictor() の呼び出しで fixInputProj パラメータを true に設定します。予測を可視化する際、固定入力投影を持つモデルをズームアウトするときは注意してください。これは、こちらで説明されているのと同じ理由です。具体的には、広い空間範囲にズームすると、リクエストするデータが多すぎて、AI Platform で処理速度が低下したり、リクエストが拒否されたりする可能性があります。