Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Classez l'imagerie satellite en parallèle sur Deadline Cloud Le bundle de tâches [satellite\_classification](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/satellite_classification) classe les tuiles d'images satellites en catégories de couverture terrestre (eau, végétation, sol nu, roches, nuages) et fusionne les résultats sur une seule carte. Le classificateur lit les rapports de couleurs entre les quatre bandes spectrales de chaque carreau pour déterminer ce qui se trouve au sol. La tâche s'exécute en deux étapes. `ClassifyTiles`exécute une tâche parallèle par vignette qui télécharge la vignette, classe ses pixels et écrit un fichier de résultats ainsi qu'un fichier PNG en couleur. `MosaicResults`s'exécute une fois l'étape parallèle terminée et fusionne chaque tuile en une seule carte avec une image d'ensemble avec les pourcentages de classe. Ce modèle de ventilation et de fusion s'applique à toute charge de travail dans laquelle les fichiers d'entrée sont indépendants. Le pack est livré avec cinq échantillons de tuiles simulant la région du Grand Canyon. Ils sont téléchargés automatiquement depuis le CDN d'échantillons de Deadline Cloud lorsque la tâche est exécutée. Aucune donnée ou compte externe n'est nécessaire. Le bundle nécessite un parc avec un environnement de file d'attente conda figurant `conda-forge` dans la liste des canaux (le classificateur utilise le `rasterio` package). La configuration la plus rapide est le [modèle Starter Farm AWS CloudFormation (CloudFormation)](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/starter_farm) : définissez son `ProdCondaChannels` paramètre sur`deadline-cloud conda-forge`. Soumettre avec les exemples de vignettes : ``` deadline bundle submit job_bundles/satellite_classification/ ``` Pour classer vos propres vignettes, pointez `TilesDir` sur un répertoire local de `.tif` fichiers à 4 bandes : ``` deadline bundle submit job_bundles/satellite_classification/ \ -p TilesDir={{path-to-tiles}} ```