ENVI深度学习模块对计算机环境的要求

 

ENVI 深度学习工具基于 TensorFlow 构建，要求显卡是英伟达芯片（NVIDIA GPU Card） ，并且显卡的 CUDA® Compute Capability（运算能力）为 3.5 或者更高，可通过 https://developer.nvidia.com/cuda-gpus 网站查询 NVIDIA 各类显卡的 CUDA 运算能力。推荐显存为 8GB，能达到一个更高的运算效率。

 

---

 

深度学习模块版本与ENVI对应、显卡驱动版本要求：

 

深度学习版本	ENVI适配版本	要求最低驱动版本	CUDA版本	TensorFlow版本	发布说明
3.0	ENVI 6.0	Windows：461.33 Linux：460.32.03	11.2.2	2.9	2024.02发布 新增网格搜索模型
2.1	ENVI 5.7	Windows：461.33 Linux：460.32.03	11.2.2	2.9	2023.06发布
2.0.0	ENVI 5.6.3	Windows：461.33 Linux：460.32.03	11.2.2	2.9	2022.11发布 新增机器学习工具
1.2.0	ENVI 5.6.1/5.6.2	460.x	11	2.4	2022.02发布 新增对象检测模型
1.1.3	ENVI 5.6	450.36.06	11	2.4	2021.06发布
1.1.2	ENVI 5.6	410.x	10	1.14	2020.10发布
1.1	ENVI 5.5.x	410.x	10	1.14	2020.04发布

 

显卡驱动下载地址：https://www.nvidia.cn/Download/Find.aspx?lang=cn

 

---

 

ENVI 深度学习工具（Deep Learning Module）让没有编程经验、图像识别等背景知识的空间信息从业者，也能轻松使用近几年风靡全球的深度学习技术应用于遥感图像解译，不是非要配备高性能的企业级计算机环境，甚至普通笔记本就能轻松驾驭。

为了提高运算效率，强烈要求计算机的显卡支持 GPU 运算，如下表所示，使用 CPU 和不同性能的 GPU 计算的处理表现。本文介绍如何给 ENVI 深度学习工具选择 GPU 计算环境。

注：24.2GB 的 0.5米 SuperView-1 数据，有效覆盖面积 520 平方公里，42961 × 75743 × 4波段。影像覆盖城市区域，利用深度学习工具提取建筑物信息。

 

显卡的选择

---

ENVI 深度学习工具基于 TensorFlow 构建，要求显卡是英伟达芯片（NVIDIA GPU Card） ，并且显卡的 CUDA® Compute Capability（运算能力）为 3.5 或者更高，可通过 https://developer.nvidia.com/cuda-gpus 网站查询 NVIDIA 各类显卡的 CUDA 运算能力。推荐显卡的显存为 8 GB，能达到一个更高的运算效率。

如果使用AMD等厂商芯片的显卡，运行训练模型工具时候（/Deep Learning/Train TensorFlow Mask Model）时候，会报如下错误：

 

显卡驱动的选择

---

NVIDIA 显卡驱动要求版本见本文最上方的表格。可访问 https://www.nvidia.cn/Download/Find.aspx?lang=cn 下载各个版本的驱动。

已安装显卡驱动版本可通过设置或控制面板查看，例如截图中机器安装的驱动版本为 472.91。

设置中查看：

控制面板中查看：

 

测试环境是否满足要求

---

NVIDIA 显卡能否被 ENVI 深度学习工具识别，可通过 Toolbox/Deep Learning/Deep Learning Guide Map 工具中的 Tools > Test Installation and Configuration 工具测试。

重要提示：从 3.0 版本开始，在进行环境测试时的训练参数对于显卡性能要求较高，有可能提示模型训练失败，显存不足等。这不代表计算机环境不能用于深度学习，只需要在后续实际的模型训练中，设置较小的 Patch Size 参数即可。

 

图：GPU诊断工具和不能识别GPU的诊断信息

 

操作系统的选择

---

ENVI 深度学习工具支持的操作系统如下表所示：

操作系统	硬件（CPU）	支持的版本
Windows	Intel/AMD 64-bit	10（专业版或者企业版）, 2016 Server
Linux	Intel/AMD 64-bit	Kernel 3.10 or higher, glibc 2.17 or higher