配置 ArcGIS Image Server 以进行深度学习栅格分析—Portal for ArcGIS

link管理

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

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、PyTorch、CNTK 和 Keras Python 模块与 GPU 配合使用。

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 帐户与安装 ArcGIS Image Server 的帐户必须为同一账户。

如果您要将 GPU 用于深度学习栅格分析工作流，请安装相应的 NVIDIA 驱动程序。
- 在计算机上安装 CUDA 工具包。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。
在随 ArcGIS Server 安装程序提供的默认 Python 3.6 环境中运行以下命令。默认情况下，此 Python 安装程序位于 C:\Program Files\ArcGIS\Server\framework\runtimes\ArcGIS\bin\Python 。

安装要在深度学习栅格分析工作流中使用的每个 Python 模块。在下面的子步骤 b 中，指定环境名称。模块的名称指示您使用的是启用 CPU 的模块还是启用 GPU 的模块。

输入 PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proenv.bat
输入 (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda create --name <specify environment name> --clone arcgispro-py3
输入 (arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>activate <environment name>
输入 (<environment name>) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda install <module name>

使用 CPU 的 TensorFlow 安装示例

PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proenv.bat
(arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda create --name tf-cpu --clone arcgispro-py3
(arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>activate tf-cpu
(tf-cpu) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda install tensorflow

使用 GPU 的 TensorFlow 安装示例

PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proenv.bat
(arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda create --name tf-gpu --clone arcgispro-py3
(arcgispro-py3) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>activate tf-gpu
(tf-gpu) C:\Program Files\arcgis\server\framework\runtime\ArcGIS\envs\arcgispro-py3>conda install tensorflow-gpu

检查并安装深度学习模型所需的任何 Python 软件包依赖项。
安装所有必要的 Python 模块后，运行 proswap 批处理脚本，通过键入 PS C:\Program Files\arcgis\server\framework\runtime\ArcGIS\bin\Python\Scripts> .\proswap.bat -n <environment name> 将栅格分析服务使用的默认 Python 3.6 环境交换到克隆环境。

注：
建议您为每个深度学习框架创建一个虚拟环境，以避免依赖项冲突。如果两个或多个框架位于同一 Python 环境中，则它们可能依赖于无法结合使用的不同版本的模块。
在 ArcGIS Image Server 站点中的每台计算机上重复步骤 1 至 5。

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，选择服务 > 管理服务 > RasterProcessingGPU 并验证最小和最大实例数值。

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 。

深度学习栅格分析工作流中的每个请求都包含 processorType 环境参数。请确保此参数正确指定在发出请求时使用 CPU 还是 GPU。 processorType 环境参数在工具或在 ArcGIS Pro 、 Map Viewer 、 ArcGIS REST API 或 ArcGIS API for Python 中的栅格函数界面中进行设置。

注：

向栅格分析部署添加深度学习支持

注：

警告：