أكثر

هل تريد حذف مشروع ArcGIS الذي تم إنشاؤه باستخدام ArcGIS Pro؟

هل تريد حذف مشروع ArcGIS الذي تم إنشاؤه باستخدام ArcGIS Pro؟


لقد قمت بحذف بعض مشاريع ArcGIS ، التي تم إنشاؤها باستخدام ArcGIS Pro ، باستخدام مستكشف Windows لحذف المجلد الذي يحتوي عليها.

ومع ذلك ، أعتقد أنه طالما أن المشروع (وليس المشروع الحالي) لم يكن مفتوحًا بالفعل في مكان آخر ، فقد يكون من الممكن استخدام جزء المشروع لحذفه.

أضفت اتصال مجلد في جزء المشروع إلى مجلد أعلى المشروع الذي كنت أرغب في حذفه ولكن عندما نقرت بزر الماوس الأيمن على المشروع ، لا يوجد خيار حذف معروض (ولا يؤدي الضغط على مفتاح الحذف أثناء تمييزه إلى أي شيء).

هل الطريقة الموصى بها لحذف مشروع ArcGIS (تم إنشاؤه باستخدام ArcGIS Pro) ببساطة لاستخدام Windows Explorer لحذف مجلده؟

تظهر بعض الأبحاث والنتائج اللاحقة لطرح هذا السؤال أدناه.

عندما حاولت استخدام أداة الحذف من جزء المعالجة الجغرافية لحذف مشروع (ليس المشروع المفتوح ، ولا المشروع الذي تم استخدامه في الجلسة ، ولكن يمكن حذفه بسهولة من مستكشف Windows بعد إغلاق ArcGIS Pro) ، نتج عن ذلك خطا:

خطأ 000464: لا يمكن الحصول على قفل مخطط حصري. إما أن يتم تحريرها أو استخدامها من قبل تطبيق آخر. فشل تنفيذ (حذف).

التعقيد الآخر هو أن استخدام Windows Explorer يعمل بشكل جيد لحذف مشروع تم إنشاء مجلد من أجله ، ولكن عندما لا يتم اختيار مربع الاختيار هذا في وقت إنشاء المشروع ، يمكن وضع أجزاء المشروع في مجلد موجود بين العديد من الملفات الأخرى و المجلدات الفرعية. اعتقدت أنه قد يكون هناك شيء ما قد يستخدم * .aprx لتحديد وحذف أجزاء المشروع.

لا أفهم حتى الآن حالة الاستخدام عندما ترغب في ترك مربع الاختيار هذا دون تحديد ومن المحتمل أن يكون لديك عدة مشاريع "حرة الحركة" في مجلد واحد. حتى / ما لم أفعل ، أوصي دائمًا بترك مربع الاختيار محددًا وحذف مجلدات المشروع باستخدام مستكشف Windows.


إذا كنت بحاجة إلى القيام بذلك في التعليمات البرمجية ، فاستخدم شوتيل. rmtree. إدارة الملفات هي وظيفة مدير الملفات / المكتبة القياسية.


أخطاء النشر 00216 و 00230

عند محاولة نشر خريطة أتلقى خطأين. الأول هو خريطة 00216 لا تحتوي على خريطة أساسية. من السهل إصلاح ذلك وأضيفه ولكن بعد ذلك ينتج عنه أن طبقة الخدمة 00230 لها إسقاط مختلف عن إسقاط الخرائط. يمكنني إزالة طبقة الخريطة الأساسية لأن هذه هي الطبقة التي تستخدم إسقاطًا مختلفًا ولكن بعد ذلك أعود إلى الخطأ الأول. لماذا يجب أن تتطابق طبقاتنا مع نظام إحداثيات الإسقاط WGS 1984 لخريطة الأساس. هل هناك طريقة للتغلب على ذلك؟

بواسطة MarkBockenhauer

يمكنك إنشاء خدمة تجانب متجه في النظام الإحداثي الذي تختاره لاستخدامه كخريطة أساس.

اختر البيانات في نظام الإحداثيات الذي تريده وقم بتعيين نظام إحداثيات خريطة الأساس لمطابقتها.

ثم قم بمشاركة هذه الطبقة كطبقة ويب بتنسيق بلاط المتجه.

ثم أضف هذه الخدمة إلى خريطة الأساس وأزل بيانات المصدر الأصلية.

سيعطيك هذا خريطة أساس لاستخدامها في النظام الإحداثي الذي تريده.

أضف طبقة تشغيلية إلى MapView الخاصة بك وحدد خريطة الأساس التي تستخدم طبقة Vector Tile التي قمت بإنشائها. اضبط نظام إحداثيات الخرائط بحيث يتطابق مع خريطة الأساس.

عند مشاركة هذا كخريطة ويب ، لا توجد أخطاء حول النظام الإحداثي أو خريطة الأساس.


صورة مصغرة لنقطة - ArcGIS Pro

لدي ملف .csv قمت بعرضه كبيانات XY على الخريطة ، باستخدام أداة Arc Pro & # 8217s XY Table to Point. هناك 40 نقطة.

لدي 40 .pngs من الرسوم البيانية التي تتوافق مع كل نقطة. & # 8217d أود أن أكون قادرًا على تحديد نقطة وعرض صورة مصغرة للرسم البياني في النافذة المنبثقة. هل هذا ممكن؟

وحاولت الانتقال إلى علامة التبويب "عرض" - & gt استيراد الصورة المصغرة ، لكن ذلك لم يؤد إلى أي نجاح.

إجابة واحدة

في ArcGIS Pro ، أ ظفري يشير إلى الصورة الصغيرة التي تظهر في البيانات الوصفية للعنصر في الكتالوج ، وفي حالة نشرها ، في صفحة محتوى العنصر في البوابة الإلكترونية.

من وصفك ، تريد تضمين صورك في النافذة المنبثقة للنقطة. هناك عدة طرق للقيام بذلك.

1. مسار الملف في الصورة المنبثقة

المتطلبات: يجب أن تحتوي طبقة النقاط على بعض السمات التي تتوافق مع أسماء ملفات الصور الخاصة بك.

انقر بزر الماوس الأيمن فوق الطبقة في ملف محتويات لوحة ، ثم حدد تكوين النوافذ المنبثقة. من هنا ، يمكنك اختيار تضمين صورة في النافذة المنبثقة. قم بتحرير عنصر الصورة ، وسترى ملف URL حقل النص. يمكن أن يأخذ هذا الحقل سمة لكل ميزة بالإضافة إلى نص ثابت. ستدخل شيئًا مثل هذا:

يعمل هذا بشكل جيد مع الصور المستضافة عبر الإنترنت ، ويمكنه أيضًا اتباع مسارات الملفات النسبية. يتميز هذا بأنه سريع وسهل ، ولكن بعد ذلك تقوم بإدارة مجلد منفصل من الملفات ، وسيتعين عليك الاحتفاظ بسمة اسم الملف وأسماء الملفات الفعلية متزامنة يدويًا.

2. المرفقات

المتطلبات: يجب أن تكون طبقة النقاط ضمن قاعدة بيانات جغرافية من نوع ما.

قم بتشغيل تمكين المرفقات أداة GP ، الموجودة في إدارة البيانات صندوق الأدوات. يؤدي ذلك إلى إضافة جدول مرفق وعلاقة بقاعدة البيانات الجغرافية بحيث يمكن ربط ملفاتك بمعالم فردية في طبقتك.

بمجرد تمكين المرفقات ، يتم إنشاء ملف المرفقات ستكون علامة التبويب متاحة في صفات لوحة ، حيث يمكنك إضافة / إزالة الملفات لكل نقطة.

بشكل افتراضي ، يتم تضمين جميع المرفقات من النوع = صورة في النافذة المنبثقة.

الجانب السلبي الواضح هنا هو أنه يجب إضافة الصور إلى ميزاتك واحدة تلو الأخرى ، ولكن الميزة هي أن بياناتك كلها في مكان واحد ، ولا تحتاج إلى الاحتفاظ بسمة اسم ملف أو مجلد منفصل.


محرر العدد الخاص

منذ سبعينيات القرن الماضي ، أظهر التقدم في الاستشعار عن بعد لأسطح الأرض مدى انتشار حرق الغطاء النباتي ونطاقه العالمي. توفر مراقبة الأرض المعتمدة على الأقمار الصناعية بيانات أساسية عن علم الجغرافيا ، ودراسة الأنماط المكانية والمكانية والزمانية لنشاط الحرائق وعلاقتها بالمناخ والغطاء النباتي والتضاريس ومصادر الاشتعال. بالنسبة لهذا العدد الخاص ، فإننا ندعو الطلبات التي تتناول موضوعات مثل: 1) مساهمة الأقمار الصناعية الحديثة لمراقبة الأرض في علم الجغرافيا البيروجرافية 2) استخدام مجموعات البيانات طويلة المدى للتوصيف القوي لأنماط نشاط الحرائق في المناظر الطبيعية والمقياس العالمي 3) الاستخدام بيانات الحرائق المستشعرة عن بُعد في نماذج نباتية ديناميكية ممكّنة للحريق 4) النمذجة التجريبية للعلاقات بين بيانات الحرائق المستشعرة عن بعد والمحركات البيئية والاجتماعية والثقافية الرئيسية 5) التطورات في معالجة البيانات الضخمة للبيانات المستشعرة عن بُعد من أجل تخطيط الحرارة العالمي 6) جديد عن بعد 7) الاتجاهات المكانية والزمانية في حرق الغطاء النباتي.

الأستاذ الدكتور جوس وميغيل كاردوسو بيريرا
المحرر الضيف

معلومات تقديم المخطوطات

يجب تقديم المخطوطات عبر الإنترنت على www.mdpi.com من خلال التسجيل وتسجيل الدخول إلى هذا الموقع. بمجرد التسجيل ، انقر هنا للذهاب إلى نموذج التقديم. يمكن تقديم المخطوطات حتى الموعد النهائي. سيتم مراجعة جميع الأوراق من قبل الأقران. سيتم نشر الأوراق المقبولة بشكل مستمر في المجلة (بمجرد قبولها) وسيتم إدراجها معًا على موقع الإصدار الخاص. المقالات البحثية ، مقالات المراجعة بالإضافة إلى الاتصالات القصيرة مدعوة. بالنسبة للأوراق المخططة ، يمكن إرسال عنوان وملخص قصير (حوالي 100 كلمة) إلى مكتب التحرير للإعلان على هذا الموقع.

يجب ألا تكون المخطوطات المقدمة قد نُشرت سابقًا ، أو أن تكون قيد الدراسة للنشر في مكان آخر (باستثناء أوراق وقائع المؤتمرات). يتم تحكيم جميع المخطوطات بدقة من خلال عملية مراجعة أقران أعمى واحدة. يتوفر دليل للمؤلفين والمعلومات الأخرى ذات الصلة لتقديم المخطوطات في صفحة إرشادات المؤلفين. الاستشعار عن بعد هي مجلة دولية نصف شهرية تخضع لمراجعة الأقران مفتوحة الوصول تنشرها MDPI.

يرجى زيارة صفحة تعليمات المؤلفين قبل إرسال المخطوطة. رسوم معالجة المقالة (APC) للنشر في مجلة الوصول المفتوح هذه هي 2400 فرنك سويسري (فرنك سويسري). يجب أن تكون الأوراق المقدمة جيدة التنسيق وأن تستخدم اللغة الإنجليزية بشكل جيد. يمكن للمؤلفين استخدام خدمة تحرير اللغة الإنجليزية الخاصة بـ MDPI قبل النشر أو أثناء مراجعات المؤلف.


هل تريد حذف مشروع ArcGIS الذي تم إنشاؤه باستخدام ArcGIS Pro؟ - نظم المعلومات الجغرافية

1 مساهم

المستخدمون الذين ساهموا في هذا الملف

مقدمة إلى الجهاز الظاهري لعلوم البيانات Azure

غالبًا ما يستخدم علماء البيانات العديد من الأدوات للقيام بعملهم. يوفر Microsoft Azure بعض صور الجهاز الظاهري (VM) المكونة مسبقًا والمصممة خصيصًا للعمل في علم البيانات. تأتي هذه الأجهزة مُثبتة مسبقًا مع أكثر أدوات وأطر عمل علوم البيانات شيوعًا. على الرغم من أن معظم برامج علوم البيانات الشائعة تأتي مثبتة مسبقًا ، يمكنك بسهولة تثبيت أي برامج إضافية تحتاجها.

يوجد حاليًا نوعان مختلفان من Azure DSVM: Windows DSVMs و Linux DSVM. يقدم Azure إصدار Windows Server 2016 و Windows Server 2012. تقدم Linux DSVM إصدارات Ubuntu 16.04 LTS و CentOS 7.4.

لديك آلات تم إنشاؤها خصيصًا لمهام معينة ، على سبيل المثال ، التعلم العميق. يأتي DSVM للتعلم العميق مُهيأ ومثبتًا مسبقًا مع العديد من هذه الأدوات. تدريب نماذج التعلم العميق مكثف من الناحية الحسابية. للحصول على أداء تدريبي أفضل للنموذج ، حدد آلة عالية السرعة تعتمد على وحدة معالجة الرسومات ، مما يؤدي إلى تسريع تدريب نموذج الماكينة بشكل كبير.

بالإضافة إلى ذلك ، يتمتع DSVM بقدرات تحليلية مُحسَّنة لبيانات الجغرافيا المكانية والموقع. يحتوي على نظام المعلومات الجغرافية ArcGIS Pro المدمج في الجهاز الظاهري لدعم أسئلة الذكاء الاصطناعي المتقدمة القائمة على الجغرافيا.

قم بتجربة وتقييم DSVM

يمكنك استخدام DSVM للتعرف على الأدوات والموضوعات مثل:

  • خادم التعلم الآلي من Microsoft
  • خادم قاعدة البيانات
  • أدوات Microsoft Visual Studio
  • دفاتر Jupyter
  • أدوات التعلم العميق
  • مجموعات أدوات تعلم الآلة الشائعة
  • أدوات جديدة أخرى شائعة في المجتمع

نظرًا لأنه يمكن إعداد DSVM بسرعة ، يمكنك تطبيقه في سيناريوهات الاستخدام قصيرة المدى مثل تكرار التجارب المنشورة وتنفيذ العروض التوضيحية واتباع الإرشادات التفصيلية في الجلسات عبر الإنترنت والقيام بالدروس التعليمية. يتم توفير العديد من نماذج البرامج النصية والبيانات لتوضيح كيفية استخدام العديد من منتجات Microsoft التي تدعم علم البيانات والتعلم الآلي مثل SQL Server و Machine Learning Server و Azure Machine Learning و Microsoft Cognitive Services.

هنا نظرة عامة على ما يمكن عمله في DSVM.

يمكنك دائمًا الوصول إلى الجهاز الظاهري الخاص بك من بوابة Azure. منذ أن أنشأنا Windows VM ، سنستخدم نهج بروتوكول سطح المكتب البعيد (RDP). إذا أنشأنا Linux DSVM ، فسنستخدم أداة Secure Shell (SSH).


أسئلة امتحان Microsoft DP-100 الفعلية

أنت بصدد تطوير ورشة عمل عملية لتقديم Docker for Windows للحضور.
تحتاج إلى التأكد من أن الحاضرين في ورشة العمل يمكنهم تثبيت Docker على أجهزتهم.
أي مكونين أساسيين يجب أن يقوم الحاضرون بتثبيتهما على الأجهزة؟ تقدم كل إجابة صحيحة جزءًا من الحل.
ملاحظة: كل اختيار صحيح يستحق نقطة واحدة.

  • أ. أداة الكشف عن المحاكاة الافتراضية بمساعدة الأجهزة من Microsoft
  • ب. Kitematic
  • جيم - تمكين الافتراضية BIOS
  • د. فيرتثلبوإكس
  • E. Windows 10 64 بت Professional

اجابة صحيحة: م
ج: تأكد من أن نظام Windows الخاص بك يدعم تقنية الأجهزة الافتراضية وأن المحاكاة الافتراضية ممكّنة.
تأكد من تشغيل دعم الأجهزة الافتراضية في إعدادات BIOS. فمثلا:

E: لتشغيل Docker ، يجب أن يحتوي جهازك على نظام تشغيل 64 بت يعمل بنظام Windows 7 أو أعلى.
المرجعي:
https://docs.docker.com/toolbox/toolbox_install_windows/
https://blogs.technet.microsoft.com/canitpro/2015/09/08/step-by-step-enetting-hyper-v-for-use-on-windows-10/

يقوم فريقك ببناء بيئة تطوير هندسة البيانات وعلوم البيانات.
يجب أن تدعم البيئة المتطلبات التالية:
✑ دعم Python و Scala
✑ تكوين خدمات تخزين البيانات ونقلها ومعالجتها في خطوط أنابيب البيانات الآلية
✑ يجب استخدام نفس الأداة لتنسيق كل من هندسة البيانات وعلوم البيانات
✑ دعم عزل عبء العمل وأعباء العمل التفاعلية
✑ تمكين التحجيم عبر مجموعة من الآلات
أنت بحاجة لخلق البيئة.
ماذا عليك ان تفعل؟

  • أ. أنشئ البيئة في Apache Hive لـ HDInsight واستخدم Azure Data Factory للتنسيق.
  • ب. أنشئ البيئة في Azure Databricks واستخدم Azure Data Factory للتنسيق.
  • ج- أنشئ البيئة في Apache Spark لـ HDInsight واستخدم Azure Container Instances للتنسيق.
  • د- أنشئ البيئة في Azure Databricks واستخدم Azure Container Instances للتنسيق.

اجابة صحيحة: ب
في Azure Databricks ، يمكننا إنشاء نوعين مختلفين من المجموعات.
✑ قياسي ، هذه هي المجموعات الافتراضية ويمكن استخدامها مع Python و R و Scala و SQL
✑ التزامن العالي
تم دمج Azure Databricks بشكل كامل مع Azure Data Factory.
الإجابات غير الصحيحة:
د: مثيلات Azure Container جيدة للتطوير أو الاختبار. غير مناسب لأعباء الإنتاج.
المرجعي:
https://docs.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/data-science-and-machine-learning

إسقاط -
أنت تبني حلاً ذكيًا باستخدام نماذج التعلم الآلي.
يجب أن تدعم البيئة المتطلبات التالية:
✑ يجب على علماء البيانات إنشاء دفاتر ملاحظات في بيئة سحابية
✑ يجب على علماء البيانات استخدام هندسة الميزات التلقائية وبناء النماذج في خطوط أنابيب التعلم الآلي.
✑ يجب نشر أجهزة الكمبيوتر المحمولة لإعادة التدريب باستخدام مثيلات Spark مع تخصيص ديناميكي للعاملين.
✑ يجب أن تكون أجهزة الكمبيوتر المحمولة قابلة للتصدير ليتم التحكم في إصدارها محليًا.
أنت بحاجة لخلق البيئة.
ما هي الإجراءات الأربعة التي يجب عليك تنفيذها بالتسلسل؟ للإجابة ، انقل الإجراءات المناسبة من قائمة الإجراءات إلى منطقة الإجابة ورتبها بالترتيب الصحيح.
اختر ومكان:

اجابة صحيحة:
الخطوة 1: قم بإنشاء مجموعة Azure HDInsight لتضمين مكتبة Apache Spark Mlib
الخطوة 2: قم بتثبيت Microsot Machine Learning لـ Apache Spark
تقوم بتثبيت AzureML على مجموعة Azure HDInsight.
يوفر التعلم الآلي من Microsoft لـ Apache Spark (MMLSpark) عددًا من أدوات التعلم العميق وعلوم البيانات لـ Apache Spark ، بما في ذلك التكامل السلس لخطوط أنابيب Spark Machine Learning مع Microsoft Cognitive Toolkit (CNTK) و OpenCV ، مما يتيح لك إنشاء قوي وسريع للغاية نماذج تنبؤية وتحليلية قابلة للتطوير لمجموعات بيانات نصية وصورة كبيرة.
الخطوة 3: إنشاء وتنفيذ دفاتر Zeppelin على الكتلة
الخطوة 4: عندما تكون الكتلة جاهزة ، قم بتصدير دفاتر Zeppelin إلى بيئة محلية.
يجب أن تكون أجهزة الكمبيوتر المحمولة قابلة للتصدير ليتم التحكم في إصدارها محليًا.
المرجعي:
https://docs.microsoft.com/en-us/azure/hdinsight/spark/apache-spark-zeppelin-notebook https://azuremlbuild.blob.core.windows.net/pysparkapi/intro.html

أنت تخطط لبناء بيئة علم بيانات جماعية. سيكون حجم بيانات نماذج التدريب في خطوط أنابيب التعلم الآلي أكثر من 20 غيغابايت.
لديك المتطلبات التالية:
✑ يجب بناء النماذج باستخدام أطر عمل Caffe2 أو Chainer.
✑ يجب أن يكون علماء البيانات قادرين على استخدام بيئة علم البيانات لبناء خطوط أنابيب التعلم الآلي وتدريب النماذج على أجهزتهم الشخصية في كل من بيئات الشبكة المتصلة وغير المتصلة.
يجب أن تدعم الأجهزة الشخصية تحديث خطوط أنابيب التعلم الآلي عند الاتصال بشبكة.
تحتاج إلى تحديد بيئة علم البيانات.
ما هي البيئة التي يجب أن تستخدمها؟

  • أ. خدمة التعلم الآلي من Azure
  • ب. Azure Machine Learning Studio
  • C. Databricks أزور
  • D. خدمة Azure Kubernetes (AKS)

اجابة صحيحة: أ
الجهاز الظاهري لعلوم البيانات (DSVM) عبارة عن صورة ظاهرية مخصصة على سحابة Azure من Microsoft € ™ صُممت خصيصًا للقيام بعلوم البيانات. يتم دعم Caffe2 و Chainer بواسطة DSVM.
يتكامل DSVM مع Azure Machine Learning.
الإجابات غير الصحيحة:
ب: استخدم برنامج Machine Learning Studio عندما تريد تجربة نماذج التعلم الآلي بسرعة وسهولة ، وتكون خوارزميات التعلم الآلي المدمجة كافية لحلولك.
المرجعي:
https://docs.microsoft.com/en-us/azure/machine-learning/data-science-virtual-machine/overview

أنت تقوم بتنفيذ نموذج التعلم الآلي للتنبؤ بأسعار الأسهم.
يستخدم النموذج قاعدة بيانات PostgreSQL ويتطلب معالجة GPU.
تحتاج إلى إنشاء جهاز افتراضي تم تكوينه مسبقًا بالأدوات المطلوبة.
ماذا عليك ان تفعل؟


خريطة OpenDRIVE

تدعم الأدوات OpenDRIVE ، وهناك العديد من الأدوات التي تدعم إنشاء الخرائط بتنسيق OpenDRIVE ، مثل Trian3D Builder1. أحد الفوائد الرئيسية لبرنامج OpenDRIVE هو ضمان التبادل السلس للنماذج بين المحاكيات المختلفة مثل أداة معاينة تصدير OpenDRIVE (التي تعد جزءًا من الإصدار الكامل) ، يمكنك استكشاف بيانات OpenDRIVE ، والنقر فوق الممرات والطرق ، والاطلاع على معلومات الهيكل ، واستكشاف الأشياء الموجودة في المشهد. شبكة OpenDRIVE. يمتلك العارض وظيفة بحث وأداة مضمنة تقوم بتشغيل مجموعة من عمليات التحقق من الصحة على بيانات OpenDRIVE لإنشاء روابط تحدد موقع المشكلات المحتملة. لإنشاء base_map.xml ، تحتاج أولاً إلى الحصول على بيانات HDMap ، ثم تحويل التنسيق إلى تنسيق Apollo OpenDrive. بالإضافة إلى ذلك ، قامت مواصفات Apollo OpenDrive بتعديل وتوسيع مواصفات OpenDrive القياسية ، لذلك إذا لزم الأمر ، يمكنك مراسلتنا عبر البريد الإلكتروني للحصول على مواصفات Apollo OpenDrive. selwart12 علق في 8 مارس ، 201 استيراد طرق OpenDRIVE إلى سيناريو القيادة إن OpenDRIVE ® هو تنسيق ملف مفتوح يمكّنك من تحديد شبكات طرق كبيرة ومعقدة. باستخدام تطبيق Driving Scenario Designer ، يمكنك استيراد الطرق والممرات من ملف OpenDRIVE إلى سيناريو القيادة لتصدير الخريطة كصور (PNG ، SVG ، PDF) ، يرجى الرجوع إلى صفحة العرض. للحصول على نظرة عامة أكثر بكثير ، انظر دليل التصدير. للتحويل بين تنسيقات ملفات OSM المختلفة (بما في ذلك التغيير أو التصفية) انظر تنسيقات ملفات OSM # التحويل بين تنسيق بيانات خرائط OSM المختلفة

OpenStreetMap هي خريطة للعالم ، تم إنشاؤها بواسطة أشخاص مثلك ويمكن استخدامها مجانًا بموجب ترخيص مفتوح. الاستضافة مدعومة من قبل UCL و Bytemark Hosting وشركاء آخرين OpenDRIVE هي مواصفات تنسيق مفتوح لوصف منطق شبكة الطرق ، وهدفها هو توحيد وصف الطريق المنطقي لتسهيل تبادل البيانات بين محاكيات القيادة المختلفة OpenStreetMap إلى تنسيق خريطة Opendrive. طرح سؤال تم طرحه منذ 2 سنوات و 4 أشهر. نشط منذ 5 أيام. تمت المشاهدة 2k مرة 2. أحاول إنشاء ملفات opendrive (xodr) من بيانات OpenStreetMap. يوفر OpenStreetMap العقد والطرق. في opendrive ، أحتاج إلى حساب طول الطرق وزاوية العنوان وإحداثيات x و y بالقصور الذاتي والسجلات الهندسية للطرق. الآن أنا أستخدم osmnx.

أداة لإنشاء خرائط OpenDRIVE من - GitHu

  1. عرض سمات ميزات OpenDRIVE. من داخل أداة عارض OpenDRIVE ، حدد الممرات والكائنات الأخرى في نافذة التحرير ثلاثية الأبعاد لعرض سماتها في لوحة السمات. تبديل عرض هندسة المشهد ثلاثي الأبعاد. من داخل أداة OpenDRIVE Viewer Tool (أو أي أداة) ، حدد الخيار View & gt Scene في شريط القوائم أو اضغط على المفتاح F8 ..
  2. OpenDRIVE.xodr- معلومات شبكة الطرق التي تحتاج السيارات لتعميمها على الخريطة. من الممكن تعديل خريطة CARLA الحالية ، راجع البرنامج التعليمي لتخصيص الخريطة. ستقدم الخطوات التالية برنامج RoadRunner لإنشاء الخرائط. تم إنشاؤه بواسطة برامج أخرى ، انتقل إلى هذا القسم
  3. كيف يمكنني فتح خريطة OpenDRIVE وتحريرها في ArcGIS Pro؟ تحرير arcgis-desktop arcgis-pro. مشاركة | تحسين هذا السؤال | اتبع | تم تحريره في 13 ديسمبر 2020 الساعة 10:20. PolyGeo ♦ 61.1k 18 18 شارات ذهبية 94 94 شارات فضية 288288 شارة برونزية. سألت 12 ديسمبر 2020 الساعة 21:42. r1d1 r1d1. 101 1 1 شارة برونزية. ماذا تقصد بخريطة OpenDRIVE؟ هل ربما تحاول تأليف خريطة في مشروع s
  4. خريطة OpenDRIVE. يستخدم هذا النموذج تنسيق الخرائط مفتوح المصدر الشهير OpenDRIVE: وهو مناسب بشكل خاص للاستخدام في المحاكاة ويدعمه عدد متزايد من أدوات المحاكاة
  5. OpenDrive هو تطبيق يمكّنك من تخزين الملفات في السحابة لتسهيل المشاركة والمزامنة بين أجهزة الكمبيوتر. ستتمكن من فتح الملفات وتعديلها وحفظها من أي جهاز كمبيوتر بثقة وأمان تام. بمجرد تثبيت التطبيق على جهاز الكمبيوتر الخاص بك ، سيظهر محرك أقراص ثابت افتراضي في "جهاز الكمبيوتر"

OpenRoadEd هو تطبيق بسيط مصمم لإنشاء كل من المنطقي (معيار OpenDRIVE) والهندسي (OpenSceneGraph). تم تضمين محرر خرائط ، من أجل إنشاء خريطة طريق مخصصة 1 مراجعة. التنزيلات: 5 التحديث الأخير لهذا الأسبوع: 2013-04-02 انظر المشروع. 4. متقطع. محرر المسار للعبة سباق الممرات Turbo Sliders. يسمح محرر المسار للمستخدم برسم أجزاء الطريق باستخدام بيزير. Melden Sie sich bei OneDrive mit Ihrem Microsoft- أودير Office 365-Konto an


آخر الأفكار

يمكن استخدام معلومات البصمة التي تم إنشاؤها بهذه الطريقة لتوثيق التوزيع المكاني للمستوطنات ، مما يسمح للباحثين بتحديد الاتجاهات في التحضر وربما التأثير الإنمائي لتغير المناخ مثل الهجرة المناخية. يمكن تطبيق التقنيات هنا في العديد من المواقف المختلفة ونأمل أن يكون هذا المثال الملموس بمثابة دليل لمعالجة مشكلتك المحددة.

هناك خبر آخر سار لأولئك الذين يتعاملون مع البيانات الجغرافية المكانية وهو أن Azure يقدم بالفعل آلة افتراضية لعلوم بيانات الذكاء الاصطناعي الجغرافي (Geo-DSVM) ، مزودة بنظام ESRI & rsquos ArcGIS Pro Geographic Information System. أنشأنا أيضًا برنامجًا تعليميًا حول كيفية استخدام Geo-DSVM لتدريب نماذج التعلم العميق ودمجها مع ArcGIS Pro لمساعدتك على البدء.

أخيرًا ، إذا كانت مؤسستك تعمل على إيجاد حلول لمواجهة التحديات البيئية باستخدام البيانات والتعلم الآلي ، فنحن نشجعك على التقدم للحصول على منحة AI for Earth حتى تتمكن من الحصول على دعم أفضل في الاستفادة من موارد Azure وتصبح جزءًا من هذا المجتمع الهادف.

إعتراف

أود أن أشكر فيكتور ليانغ ، مهندس برمجيات في Microsoft ، الذي عمل معي على الإصدار الأصلي من هذا المشروع كجزء من الدورات الدراسية لـ Stanford & rsquos CS231n في ربيع 2018 ، ووي هيونغ توك ، مدير عالم البيانات الرئيسي في Microsoft لمساعدته في صياغة هذه المدونة.


التدريب وتطبيق النموذج

يحتوي نموذج التعليمات البرمجية على تجول لتنفيذ خط أنابيب التدريب والتقييم على DLVM. يتم إنتاج نتائج التجزئة التالية بواسطة النموذج في فترات مختلفة أثناء التدريب لصورة الإدخال وزوج الملصق الموضح أعلاه. تُظهر هذه الصورة مبانٍ ذات أسقف بألوان مختلفة وطرق وأرصفة وأشجار وساحات. نلاحظ أن الشبكة تتعلم في البداية كيفية تحديد حواف كتل البناء والمباني ذات الأسطح الحمراء (تختلف عن لون الطرق) ، تليها المباني من جميع ألوان الأسطح بعد الحقبة 5. بعد العصر السابع ، تعلمت الشبكة أن وحدات البكسل للبناء هي محاطة بوحدات بكسل حدودية ، وتفصلها عن بكسلات الطريق. بعد الحقبة العاشرة ، تبدأ مجموعات أصغر وصاخبة من بكسلات البناء في الاختفاء حيث يصبح شكل المباني أكثر تحديدًا.

تتمثل الخطوة الأخيرة في إنتاج المضلعات عن طريق تعيين جميع وحدات البكسل المتوقعة حدود المبنى كما معرفتي لعزل النقط من وحدات بكسل البناء. يتم بعد ذلك وصف نقاط وحدات بكسل المبنى المتصلة بتنسيق مضلع ، مع مراعاة حد أدنى لمنطقة المضلع ، وهي معلمة يمكنك ضبطها لتقليل المقترحات الإيجابية الخاطئة.


DP-100 تصميم وتنفيذ حل علوم البيانات على Azure

السؤال رقم 1
أنت بصدد تطوير ورشة عمل عملية لتقديم Docker for Windows للحضور. تحتاج إلى التأكد من أن الحاضرين في ورشة العمل يمكنهم تثبيت Docker على أجهزتهم. أي مكونين أساسيين يجب أن يقوم الحاضرون بتثبيتهما على الأجهزة؟ تمثل كل إجابة صحيحة جزءًا من الحل. ملاحظة: كل اختيار صحيح يستحق نقطة واحدة.

أ. أداة الكشف عن المحاكاة الافتراضية بمساعدة الأجهزة من Microsoft
ب. Kitematic
جيم - تمكين الافتراضية BIOS.
د. فيرتثلبوإكس
E. Windows 10 64 بت Professional

الإجابة الصحيحة: CE

توضيح:
ج: تأكد من أن نظام Windows الخاص بك يدعم تقنية الأجهزة الافتراضية وأن المحاكاة الافتراضية ممكّنة. تأكد من تشغيل دعم الأجهزة الافتراضية في إعدادات BIOS. فمثلا:

E: لتشغيل Docker ، يجب أن يحتوي جهازك على نظام تشغيل 64 بت يعمل بنظام Windows 7 أو أعلى.

السؤال 2
يقوم فريقك ببناء بيئة تطوير هندسة البيانات وعلوم البيانات. يجب أن تدعم البيئة المتطلبات التالية:

  • دعم بايثون وسكالا
  • يؤلف خدمات تخزين البيانات ونقلها ومعالجتها في خطوط أنابيب البيانات الآلية
  • يجب استخدام نفس الأداة لتنسيق كل من هندسة البيانات وعلوم البيانات
  • دعم عزل عبء العمل وأعباء العمل التفاعلية
  • تمكين التحجيم عبر مجموعة من الآلات

أنت بحاجة لخلق البيئة.

أ. أنشئ البيئة في Apache Hive لـ HDInsight واستخدم Azure Data Factory للتنسيق.
ب. أنشئ البيئة في Azure Databricks واستخدم Azure Data Factory للتنسيق.
ج. أنشئ البيئة في Apache Spark لـ HDInsight واستخدم Azure Container Instances للتنسيق.
د- أنشئ البيئة في Azure Databricks واستخدم Azure Container Instances للتنسيق.

الإجابة الصحيحة: ب

شرح: في Azure Databricks ، يمكننا إنشاء نوعين مختلفين من المجموعات. قياسي ، هذه هي المجموعات الافتراضية ويمكن استخدامها مع Python و R و Scala و SQLHigh-concurrencyAzure Databricks متكامل تمامًا مع Azure Data Factory.

الإجابات غير الصحيحة: د: مثيلات Azure Container جيدة للتطوير أو الاختبار. غير مناسب لأعباء الإنتاج.

السؤال 3
اسحب قطرة
أنت تبني حلاً ذكيًا باستخدام نماذج التعلم الآلي. يجب أن تدعم البيئة المتطلبات التالية:

  • يجب على علماء البيانات إنشاء دفاتر ملاحظات في بيئة سحابية
  • يجب على علماء البيانات استخدام هندسة الميزات التلقائية وبناء النماذج في خطوط أنابيب التعلم الآلي.
  • يجب نشر دفاتر الملاحظات لإعادة التدريب باستخدام مثيلات Spark مع تخصيص ديناميكي للعاملين.
  • يجب أن تكون أجهزة الكمبيوتر المحمولة قابلة للتصدير ليتم التحكم في إصدارها محليًا.

أنت بحاجة لخلق البيئة. ما هي الإجراءات الأربعة التي يجب عليك تنفيذها بالتسلسل؟ للإجابة ، انقل الإجراءات المناسبة من قائمة الإجراءات إلى منطقة الإجابة وقم بترتيبها بالترتيب الصحيح.

توضيح:
الخطوة 1: قم بإنشاء مجموعة Azure HDInsight لتضمين مكتبة Apache Spark Mlib
الخطوة 2: تثبيت Microsoft Machine Learning لـ Apache Spark تقوم بتثبيت AzureML على مجموعة Azure HDInsight. يوفر التعلم الآلي من Microsoft لـ Apache Spark (MMLSpark) عددًا من أدوات التعلم العميق وعلوم البيانات لـ Apache Spark ، بما في ذلك التكامل السلس لخطوط أنابيب Spark Machine Learning مع Microsoft Cognitive Toolkit (CNTK) و OpenCV ، مما يتيح لك إنشاء قوي وسريع للغاية نماذج تنبؤية وتحليلية قابلة للتطوير لمجموعات بيانات نصية وصورة كبيرة.
الخطوة 3: إنشاء وتنفيذ دفاتر Zeppelin على الكتلة
الخطوة 4: عندما تكون الكتلة جاهزة ، قم بتصدير دفاتر Zeppelin إلى بيئة محلية. يجب أن تكون أجهزة الكمبيوتر المحمولة قابلة للتصدير ليتم التحكم في إصدارها محليًا.

السؤال 4
أنت تخطط لبناء بيئة علم بيانات جماعية. سيكون حجم بيانات نماذج التدريب في خطوط أنابيب التعلم الآلي أكثر من 20 غيغابايت. لديك المتطلبات التالية: يجب إنشاء النماذج باستخدام أطر عمل Caffe2 أو Chainer. يجب أن يكون علماء البيانات قادرين على استخدام بيئة علم البيانات لبناء خطوط أنابيب التعلم الآلي وتدريب النماذج على أجهزتهم الشخصية في كل من بيئات الشبكة المتصلة وغير المتصلة. يجب أن تدعم الأجهزة الشخصية تحديث خطوط أنابيب التعلم الآلي عند الاتصال بشبكة. تحتاج إلى تحديد بيئة علم البيانات. ما هي البيئة التي يجب أن تستخدمها؟

أ. خدمة التعلم الآلي من Azure
ب. Azure Machine Learning Studio
C. Databricks أزور
D. خدمة Azure Kubernetes (AKS)

الإجابة الصحيحة:

شرح: الجهاز الظاهري لعلوم البيانات (DSVM) عبارة عن صورة ظاهرية مخصصة على سحابة Azure من Microsoft تم تصميمها خصيصًا للقيام بعلوم البيانات. يتم دعم Caffe2 andChainer بواسطة DSVM ، ويتكامل DSVM مع Azure Machine Learning.

الإجابات غير الصحيحة: ب: استخدم Machine Learning Studio عندما تريد تجربة نماذج التعلم الآلي بسرعة وسهولة ، وتكون خوارزميات التعلم الآلي المدمجة كافية لحلولك.

السؤال 5
أنت تقوم بتنفيذ نموذج التعلم الآلي للتنبؤ بأسعار الأسهم.

يستخدم النموذج قاعدة بيانات PostgreSQL ويتطلب معالجة GPU. تحتاج إلى إنشاء جهاز افتراضي تم تكوينه مسبقًا بالأدوات المطلوبة. ماذا عليك ان تفعل؟

أ. إنشاء إصدار Windows لجهاز ظاهري لعلوم البيانات (DSVM).
ب- قم بإنشاء إصدار Windows للجهاز الظاهري لعلوم البيانات الجغرافية (Geo-DSVM).
ج. قم بإنشاء إصدار Linux من جهاز افتراضي للتعلم العميق (DLVM).
د. قم بإنشاء إصدار Windows لجهاز افتراضي للتعلم العميق (DLVM).

الإجابة الصحيحة:

شرح: في DSVM ، يمكن لنماذج التدريب الخاصة بك استخدام خوارزميات التعلم العميق على الأجهزة التي & # 8217s على أساس وحدات معالجة الرسومات (GPUs). PostgreSQL متاح لأنظمة التشغيل التالية: Linux (جميع التوزيعات الحديثة) ، مثبتات 64 بت المتاحة لـ macOS (OS X) الإصدار 10.6 والإصدارات الأحدث - Windows (مع أدوات التثبيت المتاحة لإصدار 64 بت الذي تم اختباره على أحدث الإصدارات والعودة إلى Windows 2012 R2.

الإجابات غير الصحيحة:
ب: يوفر Azure Geo AI Data Science VM (Geo-DSVM) إمكانات التحليلات الجغرافية المكانية من Microsoft & # 8217s Data Science VM. على وجه التحديد ، يعمل هذا VM على توسيع مجموعة أدوات الذكاء الاصطناعي وعلوم البيانات في VM لعلوم البيانات عن طريق إضافة ESRI & # 8217s نظام المعلومات الجغرافية الرائد في السوق ArcGIS Pro.
C، D: DLVM هو قالب أعلى صورة DSVM. فيما يتعلق بالحزم ، فإن برامج تشغيل GPU ، إلخ ، كلها موجودة في صورة DSVM. غالبًا ما يكون ذلك من أجل الراحة أثناء الإنشاء حيث نسمح فقط بإنشاء DLVM على مثيلات GPU VM على Azure.


شاهد الفيديو: A Complete Beginners Guide to ArcGIS Desktop Part 1