本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 Deadline Cloud 上对卫星图像进行并行分类
<a name="examples-jb-satellite-classification"></a>

[satellite\_cl](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/satellite_classification) assification 作业包将卫星图像图块分为土地覆盖类别（水、植被、裸露土壤、岩石、云层），并将结果合并到一张地图中。分类器读取每个方块的四个光谱波段之间的色比，以确定地面上有什么。

该作业分两步运行。 `ClassifyTiles`为每个图块分散出一个并行任务，该任务下载图块，对其像素进行分类，并写入结果文件和彩色 PNG。 `MosaicResults`在 parallel 步骤完成后运行，并将每个方块合并到一张地图中，外加一张带有等级百分比的概览图像。这种扇出和合并模式适用于输入文件独立的任何工作负载。

该捆绑包附带五个模拟大峡谷区域的样本方块。作业运行时，它们会自动从 Deadline Cloud 样本 CDN 下载，无需外部数据或帐户。

该捆绑包需要一个具有 conda 队列环境的农场，该环境包含`conda-forge`在频道列表中（分类器使用该`rasterio`软件包）。最快的设置是 [starter farm AWS CloudFormation (CloudFormation) 模板](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/starter_farm) ——将其`ProdCondaChannels`参数设置为。`deadline-cloud conda-forge`

使用示例图块提交：

```
deadline bundle submit job_bundles/satellite_classification/
```

要对自己的图块进行分类，请指`TilesDir`向包含 4 波段`.tif`文件的本地目录：

```
deadline bundle submit job_bundles/satellite_classification/ \
  -p TilesDir={{path-to-tiles}}
```