Was sind mögliche Ursachen für den Fehler 999999 bei der Durchführung einer Deep-Learning-Analyse?

Antwort

In ArcGIS Pro kann der Fehler 999999 aus verschiedenen Gründen zurückgegeben werden, wenn eine Analyse mit Deep Learning durchgeführt wird. Häufige Ursachen und Vorschläge zum Beheben dieses Fehlers werden im Folgenden beschrieben.

1. Die Installation des Deep-Learning-Frameworks ist für die meisten Deep-Learning-Funktionen notwendig. Es ist wichtig, die Version des Installationsprogramms mit Ihrer ArcGIS Pro-Version abzugleichen: Laden Sie die richtige Version des Frameworks unter folgendem Link herunter: Deep Learning Libraries Installers for ArcGIS.
2. Führen Sie Tests mit Beispieldaten durch. Empfohlen wird Palm Tree Detection.Mit diesem Trainingsgebiet wird die Gesundheit von Palmen bewertet, und es erfüllt zwei Zwecke.Erstens hilft es sicherzustellen, dass die Software ordnungsgemäß installiert ist, um den Prozess auszuführen, und zweitens ermöglicht es Ihnen, sich mit dieser komplexen Analyse vertraut zu machen.
3. Legen Sie bei der Einstellung der Umgebungsparameter für das Werkzeug Objekte mit Deep Learning ermitteln die Umgebung Faktor für parallele Verarbeitung nur dann fest, wenn für Prozessortyp die Option "CPU" ausgewählt ist. Es ist nicht erforderlich, die Umgebung "Faktor für parallele Verarbeitung" festzulegen, wenn der Prozessortyp auf "GPU" gesetzt ist. Standardmäßig nutzen die Werkzeuge im Toolset "Deep Learning" die GPU-Verarbeitung zur Durchführung von Analysen. Weitere Informationen finden Sie unter ArcGIS Pro: Überblick über das Toolset "Deep Learning". Siehe auch: Das Werkzeug "Objekte mit Deep Learning erkennen" kann in ArcGIS Pro nicht ausgeführt werden
4. Stellen Sie sicher, dass das Format der Bilddaten mit dem Format übereinstimmt, in dem die Trainingsgebiete erfasst wurden, z. B. .tif bzw. .jpg. Die Bit-Tiefe und die Anzahl der Bänder für die Daten, in denen die Trainingsgebiete erfasst wurden, müssen ebenfalls mit den Parametern des zu analysierenden Bildes übereinstimmen.
5. Wenn die Bilddaten, die zum Erfassen der Trainingsgebiete verwendet wurden, nicht aus derselben Region oder demselben Gebiet stammen wie das Bild, auf das die Trainingsgebiete angewendet werden, schlägt die Analyse möglicherweise fehl.Es wäre beispielsweise nicht ratsam, Trainingsgebiete in der Umgebung von Palm Springs in Kalifornien (also einer Wüste) zu erfassen und dann zu versuchen, diese Trainingsgebiete auf Bilddaten in Florida anzuwenden. Obwohl es Features gibt, die an beiden Orten gleichermaßen vorhanden sind, wie z. B. Palmen, ist Florida viel feuchter als Palm Springs, und die Umgebungsfeuchtigkeit kann eine tiefgreifende Auswirkung auf die Ergebnisse der Analyse haben.
6. Wenn Sie versuchen, weniger als zehn Trainingsgebiete zu verwenden, wird BUG-000168623 angezeigt, wonach eine Division durch Null unzulässig ist. Die Zehnerregel muss angewendet werden. Jeder Freiheitsgrad in der Analyse, d. h. die Anzahl der gesuchten Feature-Typen, muss mit zehn multipliziert werden, um eine angemessene Anzahl von Trainingsgebieten für die Analyse zu berechnen.
   Um z. B. Bohrplätze zu verorten, werden mindestens zehn Trainingsgebiete von Bohrplätzen aus dem Originalbild benötigt. Bei der Identifizierung von vier Feature-Typen in einem Klassifizierungsprozess sind mindestens 40 Trainingsgebiete erforderlich (zehn für jede Feature-Art).