ENVI深度学习2.1新特性
1.TensorBoard 更新
ENVI 深度学习设置变化
在此版本中，TensorBoard 在像素分割和对象检测训练开始时自动启动，并报告详细指标。
通过此更改，以下设置已从File > Preferences > Deep Learning中删除：
-
Compute Training Metrics
-
Display TensorBoard During Training
指标更新
ENVI 深度学习现在可以使用 TensorBoard 中的许多功能，这些功能在整个训练过程中提供了额外的帮助。新增如下功能：
-
指标：以前精度评价指标在一次迭代结束时（epoch）仅提供总体损失和准确性，现在ENVI 深度学习 2.1 提供每次迭代的总体准确度、损失、精确度和召回率等指标。且所有指标现在都按 epoch每次迭代训练进行精度报告，从而提供有关epoch每次迭代训练效果的更详细评价。这提供了当前训练状态的实时更新。
-
图像：输出训练和验证的混淆矩阵图。这些可以深入了解模型的学习情况，以及哪些类可能导致混淆。
-
分布：显示模型权重随时间的分布。
-
直方图：显示张量随时间的变化。
-
时间序列：显示一个模型到多个模型随时间的差异。
2.像素分割更新
模型初始化更改
以下InitializeENVINet5MultiModel task更改会影响 ENVI Modeler 中的任务对话框：
-
对话框显示名称已更改为“初始化像素分割模型”。
-
添加了一个名为Architecture的新下拉列表，其中包含下一节 (Unet++) 中描述的选项。
-
单类模型 InitializeENVINet5Model task已被删除。现在使用 InitializePixelSegmentationModel 创建单类和多类模型，它提供了类数参数。
Unet++
ENVI 深度学习现在提供两种架构来训练像素分割模型：
-
SegUNet++ （新架构）
-
SegUNet （原始架构）
新的 SegUNet++ 架构是一个更密集的网络，用额外的卷积层填充编码器和解码器之间的空间。额外的卷积层的目的是减少编码器和解码器子网络中的特征图间隙。这可以在分类过程中产生更清晰、更准确的结果。对于形状外观不一致的目标，例如水面、裸地等，建议使用 SegUNet 架构。对于形状具有一致性的目标，例如建筑物、道路、汽车等，更适合 SegUNet++。
分类栅格波段名更新
像素分类栅格波段已重命名为以下内容：
-
ENVI 深度学习分类：SegUNet
-
ENVI深度学习分类：SegUNet++
-
ENVI 深度学习分类：Legacy Single-Class
3.用户界面进度反馈更新
进度对话框
进度对话框更具实时响应性。训练对话现在展示当前迭代次数、当前迭代中的第几步以及当前步的损失值。这提供了有关训练进度和效果的实时信息。
-
像素分割模型训练和对象检测模型训练进度对话框报告内容保持一致。
-
训练进度对话框标题写明了当前是像素分割模型训练还是对象检测模型训练。
测试安装和配置
Guide Map Tool 向导式工具中测试安装和配置功能现在根据检测到的显卡类型、驱动程序版本和 GPU 总内存确定 GPU 性能。用户将被告知 GPU 是否能够进行训练和分类，或只能进行分类，或者不适合 用于ENVI 深度学习。
