Python arcgis.learn.classify_pixels用法及代码示例

用法:
arcgis.learn.classify_pixels(input_raster, model, model_arguments=None, output_name=None, context=None, process_all_raster_items=False, *, gis=None, future=False, **kwargs)

参数：

input_raster: 必需的。需要分类的栅格图层。
model: 必需的模型对象。
model_arguments: 可选字典。 Name-value 可以由客户端自定义的参数对及其值。例如：{“name1”:”value1”，“name2”：“value2”}
output_name: 可选的。如果未提供，则该方法会创建一个影像图层并将其用作输出。您可以从 GIS 中传入现有的影像服务项目来使用它。或者，您可以传入应通过此方法创建的输出图像服务的名称，以用作工具的输出。如果该名称的服务已经存在，则会引发 RuntimeError
context:
可选字典。上下文包含影响任务执行的其他设置。
字典可以包含以下键的值：
- outSR -(输出空间参考)将结果保存在指定的空间参考中
- snapRaster - 函数将调整输出栅格的范围，使它们与指定捕捉栅格的像元对齐方式相匹配。
- cellSize - 设置输出栅格像元大小或分辨率
- extent - 设置函数使用的处理范围
- parallelProcessingFactor - 设置并行处理因子。默认为“80%”
- processorType - 设置处理器类型。 “CPU” 或 “GPU”
例如：{“outSR”：{空间参考}} 设置上下文参数将覆盖使用arcgis.env 变量为此特定函数设置的值。
process_all_raster_项目：
可选的布尔值。指定如何处理影像服务中的所有栅格项目。
- False：影像服务中的所有栅格项目将被镶嵌在一起并进行处理。这是默认设置。
- True：影像服务中的所有栅格项目都将作为单独的影像进行处理。
gis: 可选的地理信息系统。运行此工具的 GIS。如果未指定，则使用活动 GIS。
future: 仅关键字参数。可选的布尔值。如果为 True，则结果将是一个 GPJob 对象，并且结果将异步返回。
tiles_only: 仅关键字参数。可选的布尔值。在ArcGIS Online 中，此函数的默认输出影像服务将是平铺影像图层。要在 ArcGIS Online 中创建动态影像图层作为输出，请将 tiles_only 参数设置为 False。函数将不支持ArcGIS Enterprise 中的tiles_only 参数，默认情况下会生成动态影像图层。

返回：: 分类影像图层项

使用深度学习模型对输入图像数据进行分类的函数。请注意，除了服务器内置的 Python 3.x 库之外，还需要单独安装深度学习库。 .. 笔记：

This function is supported with ArcGIS Enterprise (Image Server)

相关用法

注：本文由纯净天空筛选整理自arcgis.com大神的英文原创作品 arcgis.learn.classify_pixels。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：