Google Earth Engine(GEE)——容易犯的错误8分类超出计算?(不要采样超过需要的数据 )
【摘要】
抵制不必要地增加训练数据集大小。尽管在某些情况下增加训练数据量是一种有效的机器学习策略,但它也会增加计算成本,而不会相应提高准确性。(要了解何时增加训练数据集大小,请参阅 此参考资料)。以下示例演示了请求过多训练数据如何导致可怕的“计算值太大”错误:
不好——不要采样太多数据
var l8raw = ee.ImageCol...
抵制不必要地增加训练数据集大小。尽管在某些情况下增加训练数据量是一种有效的机器学习策略,但它也会增加计算成本,而不会相应提高准确性。(要了解何时增加训练数据集大小,请参阅 此参考资料)。以下示例演示了请求过多训练数据如何导致可怕的“计算值太大”错误:
不好——不要采样太多数据
var l8raw = ee.ImageCollection('LANDSAT/LC08/C01/T1_RT');
var composite = ee.Algorithms.Landsat.simpleComposite(l8raw);
var labels = ee.FeatureCollection('projects/google/demo_landcover_labels');
// No! Not necessary. Don't do this:
//这个量GEE一般难以承受的住,而且同时计算6个波段的数据
labels = labels.map(function(f) { return f.buffer(100000, 1000); });
var bands = ['B2', 'B3', 'B4', 'B5', 'B6',
文章来源: blog.csdn.net,作者:此星光明2021年博客之星云计算Top3,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/qq_31988139/article/details/119840157
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)