ENVI深度学习随机参数训练方法

深度学习的两大难点即为样本标注和参数调优。

ENVI的ROI工具、Feature Counting工具、光谱分析、下载OpenStreetMap矢量等功能，为深度学习提供了便捷的样本标注功能。

同时，ENVI深度学习提供了一个帮助调试参数的功能，工具启动是在/Deep Learning/Deep Learning Guide Map面板中如下菜单：

其实是内置的一个ENVI Modeler模型（如下图所示）。可直接运行此模型，设置简单的参数即可开始训练。其中Iterations为尝试训练的次数（默认16次）。

注：其中Input Model为初始化模型，需要首先使用Deep Learning Guide Map中的Train Model的New Model功能初始化模型，也可使用Train TensorFlow Mask Model工具初始化模型。

如果希望将某些训练参数设置为固定值，可单击Randomize Parameters for Train TensorFlow Mask Model节点中的菜单键，在弹出的对话框中进行设置（如下图所示），其他留空的参数将随机生成。ENVI提供两种随机参数生成方法（Method）：

• Random Uniform：生成均匀分布的数字。

• Sobol Sequence（默认）：生成一个非随机的数字列表，可以更好地探索可能值的范围。

如果使用的是Sobol Sequence方法，且在第一轮尝试（比如16次）之后发现没有满意的结果，可设置Iterations为大于16的值（比如30），然后单击Filter Iterator节点中的菜单键（如下图所示），设置Filter Expression为%i ge 16，则在第一轮的基础上继续尝试训练14次（30-16=14）。

如果有多台电脑，就可以分批次同时运行了。比如第一台电脑运行1~10次迭代（Iterations设置为10，Filter Expression为%i ge 0），第二台电脑运行11~20次迭代（Iterations设置为20，Filter Expression为%i ge 10）。以此类推。

其实如果16次训练都得不到好的结果，应该考虑调整或增加样本了。

如果您有足够的时间、质量够高的样本、高配置/多硬盘空间的机器，理论上来说都能得到一个较好的结果，训练参数对于结果还有影响比较大的。我已经在多个应用场景使用这个方法了，简单粗暴有效。

让模型训练跑起来吧~~~