Tutorial: Geodaten in neuronalen Netzen speichern

English version – alle Kapitel und der Anhang sind übersetzt.

Dieses Tutorial zeigt Schritt für Schritt, wie man das Höhenmodell der ganzen Erde in die Gewichte eines kleinen neuronalen Netzes packt – und warum die Gewichte dann die Datei sind. Jedes Kapitel verbindet eine Idee mit Experimenten in der Begleit-App aus diesem Repo. Programmcode zeigt das Tutorial bewusst nicht – wer hineinschauen will, findet alles im Ordner src/.

Zielgruppe: Leute mit soliden Python-Kenntnissen und etwas numpy. Neuronale Netze muss man höchstens aus Einführungen kennen, Erfahrung mit Geodaten ist nicht nötig.

Vorbereitung

Zum ersten Hineinschauen gibt es die App auch online, ohne Installation: https://python-app-neural-earth-field.streamlit.app. Sie läuft dort auf einer geteilten CPU ohne Grafikchip und arbeitet deshalb mit erheblich weniger Daten: gröbere Raster (voreingestellt 360 × 720 statt 1080 × 2160) und ein leichteres Training. Ihre Zahlen weichen darum von denen im Tutorial ab. Für die Experimente des Tutorials ist die eigene Installation besser:

git clone https://github.com/gkvoelkl/python-streamlit-neural-earth-field.git
cd python-streamlit-neural-earth-field
uv sync
uv run streamlit run app.py

Beim ersten Start fragt die App, ob sie das globale Höhenmodell ETOPO 2022 (456 MB) herunterladen darf; ohne diese Daten läuft sie nicht. Wer die Datei lieber selbst lädt, findet den Befehl in der README des Repos.

Die App ist auf Englisch. Begriffe aus der Oberfläche stehen im Tutorial im Original und kursiv, etwa Idea & Budget.

Inhalt

Teil 1 · Grundlagen

Teil 2 · Bessere Netze für Geodaten

Mit Kapitel 5 ist der Kern des Tutorials abgeschlossen.

Ergänzungen und Vertiefungen

Die folgenden Kapitel bauen auf den Kapiteln 1 bis 5 auf. Sie lassen sich je nach Interesse einzeln lesen oder überspringen.

Anhang

Messungen