從說明里面能到到，它主要是服務(wù)于Online以及Enterprise，其實(shí)就是server、portal那一套?？湛谡f無憑證，我們直接從接口文檔里面看功能。

上圖中跟我們有關(guān)的是arcgis.learn（深度學(xué)習(xí)）模塊，其余的部分在本文中不會(huì)提到。如果想學(xué)習(xí)的話，可以參考官網(wǎng)的教程以及示例筆記本（notebook），里面很詳細(xì)的。

其中最重要的是需要看Sample Notebooks，里面講的很全很詳細(xì)（墻裂推薦）。這個(gè)部分，可以根據(jù)自己需求選擇性的去看某一部分。

那咱們主要是深度學(xué)習(xí)，就看上圖中的第三部分就好了（友情提示，第三部分很多示例筆記本）。隨便點(diǎn)一個(gè)深度學(xué)習(xí)相關(guān)的，比如說之前公眾號(hào)中寫過的《利用深度學(xué)習(xí)檢測路面損壞情況》：

還有很多機(jī)器學(xué)習(xí)相關(guān)、空間分析相關(guān)的，大家可以自己深入看一下，但是要深入看的的話需要Python基礎(chǔ)以及ArcGIS相關(guān)基礎(chǔ)。

在哪個(gè)環(huán)節(jié)使用ArcGIS API for Python

在深度學(xué)習(xí)工作流中，老三步：樣本制作?->?模型訓(xùn)練?->?推理。其中使用ArcGIS API for Python的是模型訓(xùn)練環(huán)節(jié)，其實(shí)推理階段倒不是不能使用API去做，只是你需要一個(gè)Image Server，當(dāng)然如果有多個(gè)的話，還是很推薦你使用集群去做推理的。

讓我們來看一下arcgis.learn模塊的東西：

可能會(huì)有人問，樣本轉(zhuǎn)換工具是干啥的？如果你之前沒有接觸過編程，（敲黑板）那得特意留意一下我下面講的內(nèi)容：

首先，我們使用ArcGIS Pro導(dǎo)出樣本之后，是這個(gè)樣子的：

然后，這個(gè)文件夾里面存儲(chǔ)著很多圖片，是沒辦法直接使用的，因?yàn)樗麄兪谴鎯?chǔ)在計(jì)算機(jī)磁盤空間中的。因此，要使用這些圖片、標(biāo)簽等等，就需要做轉(zhuǎn)化，將樣本文件從磁盤空間中加載到計(jì)算機(jī)內(nèi)存中。這個(gè)時(shí)候就需要用到樣本轉(zhuǎn)換工具，在Pro中工具（下圖中的訓(xùn)練深度學(xué)習(xí)模型工具）內(nèi)部其實(shí)也封裝了這個(gè)過程。

通過使用API會(huì)讓你看到更多工具內(nèi)部看不到的過程，可能第一次會(huì)有所疑惑，用多了就懂了。

關(guān)于模型那塊是干嘛的就不用我說啦吧，但是其實(shí)你發(fā)現(xiàn)，ArcGIS API for Python的模型比ArcGIS?Pro中的要多很多。所以強(qiáng)烈推薦你們使用API做訓(xùn)練，因?yàn)橛懈嗄Ｐ?，而且不管是ArcGIS Pro訓(xùn)練深度學(xué)習(xí)模型工具中有沒有的模型，都可以使用Pro去做推理。唯一一個(gè)需要注意的是API與Pro的版本對(duì)應(yīng)關(guān)系，所以建議你們使用最新版本Pro。

另外，API是完全開源的，有興趣的話可以去github上查看更多源碼。

如何寫代碼

好了，看完上面之后下面可以愉快的coding了。真的很簡單，你們信我。而且簡單的同時(shí)你可以訓(xùn)練出世界頂級(jí)模型（這句話可不是我說的，是fastai作者說的）。因?yàn)閍rcgis.learn模塊內(nèi)部其實(shí)封裝的是fastai框架，這個(gè)框架的作者在kaggle上很出名的，感興趣的可以查一下。

不說那么多其他的，那就，來吧，展示：

首先打開notebook，沒有用過的可以參考我之前的文章：《為什么選擇在Jupyter Notebook中編寫代碼》，然后導(dǎo)包：

from arcgis.learn import prepare_data,UnetClassifier

其中prepare_data是樣本轉(zhuǎn)換工具，UnetClassifer是模型，在本場景中使用的是像素分類，小麥提取。你可以按照自己需求去導(dǎo)入模型，代碼上差異并不是很大。

另外不同場景的模型在之前的文章中有總結(jié)過：《ArcGIS API for Python:深度學(xué)習(xí)模塊概覽》，不熟悉的可以點(diǎn)擊查看。

然后使用prepare_data將樣本加載到內(nèi)存中：

# path是樣本文件夾路徑

path = r'E:\deeplearning\data\dongxiaomai\xiaomai_samplearea_tra30'

data = prepare_data(path,batch_size=16,val_split_pct=0.2)

data

prepare_data方法有幾個(gè)參數(shù)需要注意一下：



path：樣本文件夾，必填。



chip_size：樣本切片大小。



val_split_pct：驗(yàn)證集劃分比重。



bach_size：批大小。



除了一個(gè)path是必填的之外，其余的都可以根據(jù)實(shí)際情況選填。除了上面幾個(gè)參數(shù)之外，接口文檔中還有更詳細(xì)的說明：

一定要學(xué)會(huì)從接口文檔中查看參數(shù)信息

在加載完數(shù)據(jù)值后，還可以查看一下我們的樣本數(shù)據(jù)大概都是啥樣的：

data.show_batch()

上圖中紅色半透明部分是我標(biāo)注的樣本，在data.show_batch方法里，會(huì)將樣本疊在原始影像上，從而很方便的查看一個(gè)batch中的數(shù)據(jù)是啥樣的。你可以多運(yùn)行幾次這行代碼看看。

數(shù)據(jù)加載完成后，便可以實(shí)例化我們的模型：

model = UnetClassifier(data)

這一步就很簡單了，直接模型括號(hào)里面填上上一部中加載的樣本對(duì)象。然后使用model.lr_find()函數(shù)查找學(xué)習(xí)率：

lr = model.lr_find()

lr

這一步是固定寫法，就是查找最合適的學(xué)習(xí)率。學(xué)習(xí)率查找完成后，便可以訓(xùn)練模型了：

model.fit(200,lr)

訓(xùn)練模型中有幾個(gè)參數(shù)注意一下：

• epochs：必填，訓(xùn)練輪數(shù)。
• lr：必填，學(xué)習(xí)率。
• early_stopping：選填，在模型停止改進(jìn)時(shí)停止訓(xùn)練。

在接口文檔中，此部分要找到對(duì)應(yīng)的模型下面，查接口參數(shù)：

訓(xùn)練完成之后，可以查看一下?lián)p失曲線：

model.plot_losses()

固定寫法，不需要改動(dòng)。

還可以使用model.show_results方法查看當(dāng)前模型在驗(yàn)證集上的表現(xiàn)情況：

model.show_results()

左邊為真實(shí)標(biāo)簽，右邊為當(dāng)前模型推理所得。這種方法可以很直觀的看到模型的表現(xiàn)如何。另外除了此種方法之外，還有其他精度指標(biāo)可查看：

model.mIOU()

因?yàn)槭菆D像分割，所以比較在意mIOU，其他的模型視情況選擇精度指標(biāo)查看。接口文檔中都可以查到，比如說本文中用到的mIOU指標(biāo)，在接口文檔中查看：

如果說，你對(duì)模型滿意的話，便可以使用model.save方法保存模型了：

model.save(r'E:\deeplearning\model\dongxiaomai\unet_batchsize16_chipsize224_acc86')

固定寫法，替換掉文件夾路徑即可。到文件夾中查看如下：

然后便可以使用ArcGIS Pro進(jìn)行推理了。推理階段在此處就不講了。

總結(jié)

肯定有人看完上面，覺得還不是很清晰，不會(huì)咋辦。那你來打我，其實(shí)改動(dòng)的地方很少的，我們來看一下去掉每一行運(yùn)行結(jié)果后的完整代碼：

其中小部分都是固定寫法，大部分都是固定格式，小部分需要根據(jù)模型不同更改寫法。

這么短幾行代碼，你去寫一個(gè)月，還不會(huì)，那你來打我。會(huì)不會(huì)python影響的已經(jīng)不大了，折騰吧。不得不吹一下，把深度學(xué)習(xí)封裝成如此簡潔易用，確實(shí)很厲害。

文章轉(zhuǎn)自微信公眾號(hào)@數(shù)讀城事

#你可能也喜歡這些API文章!

GraphQL API滲透測試指南

Python + BaiduTransAPI ：快速檢索千篇英文文獻(xiàn)（附源碼）

掌握ChatGPT API集成的方便指南

node.js + express + docker + mysql + jwt 實(shí)現(xiàn)用戶管理restful api

nodejs + mongodb 編寫 restful 風(fēng)格博客 api

表格插件wpDataTables-將 WordPress 表與 Google Sheets API 連接

手把手教你用Python和Flask創(chuàng)建REST API

使用 Django 和 Django REST 框架構(gòu)建 RESTful API：實(shí)現(xiàn) CRUD 操作

ASP.NET Web API快速入門介紹