Python arcgis.learn.classify_pixels用法及代碼示例

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)

參數：

input_raster: 必需的。需要分類的柵格圖層。
model: 必需的模型對象。
model_arguments: 可選字典。 Name-value 可以由客戶端自定義的參數對及其值。例如：{“name1”:”value1”，“name2”：“value2”}
output_name: 可選的。如果未提供，則該方法會創建一個影像圖層並將其用作輸出。您可以從 GIS 中傳入現有的影像服務項目來使用它。或者，您可以傳入應通過此方法創建的輸出圖像服務的名稱，以用作工具的輸出。如果該名稱的服務已經存在，則會引發 RuntimeError
context:
可選字典。上下文包含影響任務執行的其他設置。
字典可以包含以下鍵的值：
- outSR -(輸出空間參考)將結果保存在指定的空間參考中
- snapRaster - 函數將調整輸出柵格的範圍，使它們與指定捕捉柵格的像元對齊方式相匹配。
- cellSize - 設置輸出柵格像元大小或分辨率
- extent - 設置函數使用的處理範圍
- parallelProcessingFactor - 設置並行處理因子。默認為“80%”
- processorType - 設置處理器類型。 “CPU” 或 “GPU”
例如：{“outSR”：{空間參考}} 設置上下文參數將覆蓋使用arcgis.env 變量為此特定函數設置的值。
process_all_raster_項目：
可選的布爾值。指定如何處理影像服務中的所有柵格項目。
- False：影像服務中的所有柵格項目將被鑲嵌在一起並進行處理。這是默認設置。
- True：影像服務中的所有柵格項目都將作為單獨的影像進行處理。
gis: 可選的地理信息係統。運行此工具的 GIS。如果未指定，則使用活動 GIS。
future: 僅關鍵字參數。可選的布爾值。如果為 True，則結果將是一個 GPJob 對象，並且結果將異步返回。
tiles_only: 僅關鍵字參數。可選的布爾值。在ArcGIS Online 中，此函數的默認輸出影像服務將是平鋪影像圖層。要在 ArcGIS Online 中創建動態影像圖層作為輸出，請將 tiles_only 參數設置為 False。函數將不支持ArcGIS Enterprise 中的tiles_only 參數，默認情況下會生成動態影像圖層。

返回：: 分類影像圖層項

使用深度學習模型對輸入圖像數據進行分類的函數。請注意，除了服務器內置的 Python 3.x 庫之外，還需要單獨安裝深度學習庫。 .. 筆記：

This function is supported with ArcGIS Enterprise (Image Server)

相關用法

注：本文由純淨天空篩選整理自arcgis.com大神的英文原創作品 arcgis.learn.classify_pixels。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：