News

KI-Anwendungen auf CODE-DE

2021-11-16
code-de project

Künstliche Intelligenz (KI) beschreibt die Fähigkeit von Computern, die menschliche Intelligenz zu simulieren. KI versucht, menschliches Denken (und Handeln) durch digitale Informationsaufnahme und -verarbeitung zu imitieren.

In der Erdbeobachtung (EO) wurden DNNs erfolgreich in der Bildvorverarbeitung, Merkmalserkennung, Bildklassifizierung und Veränderungserkennung eingesetzt. Der DL-Ansatz verwendet Beispieldaten, um Bildobjekte zu kennzeichnen und dann ein DNN auf seine Fähigkeit zu trainieren, verschiedene Arten der Landbedeckung zu erkennen. Das trainierte DNN wird dann auf einen vollständigen Satz von Fernerkundungsbildern angewandt, um die Bodenbedeckung in dem betreffenden Gebiet zu kartieren. Ein Teil der Beispieldaten, der von den Trainingsdaten unabhängig ist, wird dann zur Validierung der Ergebnisse verwendet. Zu den typischen Anwendungen von DNN gehören die automatische Extraktion von Gebäuden, bebauten Gebieten und deren Veränderung sowie die Kartierung von Bodenbedeckung, landwirtschaftlichen Feldern oder Kulturpflanzenarten. Obwohl DNN-Algorithmen in der Informationsverarbeitung noch relativ neu sind, gehören sie bei den meisten Anwendungen bereits zu den Spitzenreitern.

Potenzial & Anforderungen

EO-Verarbeitungsplattformen wie CODE-DE ermöglichen die Nutzung der riesigen Archive von vorverarbeiteten multitemporalen und Multisensor-Satellitenbeobachtungen, insbesondere wenn sie mit ebenso großen Verarbeitungsmöglichkeiten für KI-Anwendungen ausgestattet sind. Damit ein DNN eine beabsichtigte Operation (z. B. Klassifizierung und Regression) durchführen kann, muss es oft einen immensen Rechenprozess durchführen, der eine leistungsstarke physische oder virtuelle Computerumgebung mit schnellen Verarbeitungseinheiten erfordert, wie sie beispielsweise in Form von Graphical Processing Units (GPUs) verfügbar sind.

Neue CODE-DE-Funktionalitäten

CODE-DE-Benutzer haben jetzt Zugang zu GPU-beschleunigten virtuellen Maschinen. Als Reaktion auf die hohen Rechenanforderungen von auf maschinellem Lernen basierenden Verarbeitungsketten - die mit CPUs nicht sinnvoll realisierbar sind - hat CODE-DE zwei neue GPU-Typen in seine Infrastruktur aufgenommen. Sowohl die Nvidia A100 GPU als auch die Nvidia RTX A6000 GPU sind Spitzenprodukte in ihrer jeweiligen Kategorie. Die Nvidia A100 ist der derzeit leistungsstärkste Grafikprozessor für Rechenzentren, dessen Architektur speziell für KI- und HPC-Anwendungen (High Performance Computing) ausgelegt ist. Mit ihr können Benutzer die anspruchsvollsten Aufgaben ausführen. Die Nvidia RTX A6000 hingegen bietet perfekte Fähigkeiten für Workflow-Prototyping und verschiedene reale Anwendungen.

Der Abschnitt FAQ zu CODE-DE enthält Anleitungen zur Aktivierung der GPU. Ein Benutzer kann auf die GPU-Funktionen zugreifen, indem er ein Kontingent im Dashboard von CODE-DE beantragt.  Sobald das Kontingent bewilligt wurde, ist es möglich, eine virtuelle Maschine einzurichten, die die GPUs in ihre Verarbeitungsumgebung einschließt. Die virtuelle Maschine ist mit einer Programmierumgebung ausgestattet, die interaktive Code-Entwicklungstools wie Jupyter-Notebooks, DL-Frameworks wie Tensorflow und Pytorch und andere Bibliotheken von Drittanbietern enthält. Dies ermöglicht die einfache Entwicklung und Ausführung von Skripten zur Verarbeitung von EO-Daten auf CODE-DE und zur Bereitstellung anwendungsrelevanter digitaler Karten.

Technische Details 

Die GPUs werden den CODE-DE-Benutzern  direkt zugewiesen ("Passthrough"-Mechanismus): Das bedeutet, dass die Benutzer eine ausgewählte GPU nicht mit anderen teilen müssen. Dieser Mechanismus stellt auch sicher, dass der Hypervisor-Overhead für Rechenoperationen praktisch eliminiert wird. Dadurch steht dem Benutzer die volle Kapazität des ausgewählten Grafikprozessors zur Verfügung. GPU-beschleunigte virtuelle Maschinen können auch mit einem sehr schnellen SSD-Speicher (NVMe) ausgestattet werden, um einen ausreichenden Datenfluss während des Betriebs zu gewährleisten. GPU-beschleunigte virtuelle Maschinen sind in zwei neuen Varianten verfügbar: Eine basiert auf der Nvidia A100 Serie, die andere auf der Nvidia RTX A6000 Serie. Beide sind mit 24 vCPUs und 118 GB RAM ausgestattet.

Um die effiziente Nutzung dieser hochinnovativen DL-Umgebung für verschiedene KI-Anwendungen zu unterstützen, arbeitet das CODE-DE Team mit EO-Experten des Fachbereichs Geoinformatik der Universität Salzburg zusammen, um Schulungsmaterial und dokumentierte Anwendungsfälle zu erstellen.