【飛槳開發者說】馬雲飛，棗莊學院地理資訊科學專業在讀，計算機視覺技術愛好者，研究方向為神經網絡在遙感領域的應用等。
高光譜反演是什麼？
高光譜遙感可應用在礦物精細識别（比如油氣資源及災害探測）、地質環境資訊反演（比如植被重金屬污染探測）、行星地質探測（比如中國行星探測工程 天問一号）等。
目前有許多模型可用于高光譜反演，如線性模型、自然對數模型、包絡線去除模型、簡化Hapke模型，人工神經網絡模型等，本文選擇線性模型進行研究。
準備資料集
本次使用的資料集格式如下：
切割資料的比例要考慮到兩個因素：更多的訓練資料會降低參數估計的方差，進而得到更可信的模型；而更多的測試資料會降低測試誤差的方差，進而得到更可信的測試誤差。我們這個例子中設定的分割比例為8:2。
以下代碼可直接在百度AI Studio 上fork我的項目來運作：
https://aistudio.baidu.com/aistudio/projectdetail/693750/
配置訓練程式
對于線性回歸來講，它就是一個從輸入到輸出的簡單的全連接配接層。訓練程式必須傳回 平均損失作為第一個傳回值，因為它會被後面反向傳播算法所用到。
優化器選擇的是 SGD（随機梯度下降）optimizer，其中 learning_rate 是學習率，與網絡的訓練收斂速度有關系。代碼如下：
開始訓練
model_save_dir：模型的儲存目錄，儲存下來，下次就可以繼續訓練或者直接推理了。
訓練過程圖：
模型預測
将結果進行可視化，橫軸為實際含量，縱軸為根據光譜預測的含量，大部分得結果還是比較接近得。至此，我們獲得了通過光譜看到土壤中某物質含量的火眼金睛啦！高光譜反演的用途還有許多，快快在AI Studio中fork項目展示出你的創意吧：
如在使用過程中有問題，可加入飛槳官方QQ群進行交流：1108045677。