Konfigurieren Sie die IDT-Einstellungen, um die AWS IoT Greengrass Qualification Suite auszuführen - AWS IoT Greengrass

Konfigurieren Sie Ihre AWS Anmeldeinformationen Konfigurieren von device.json Konfigurieren von device.json für die ML-Qualifizierung

AWS IoT Greengrass Version 1 trat am 30. Juni 2023 in die erweiterte Lebensphase ein. Weitere Informationen finden Sie in der AWS IoT Greengrass V1 Wartungsrichtlinie. Nach diesem Datum AWS IoT Greengrass V1 werden keine Updates mehr veröffentlicht, die Funktionen, Verbesserungen, Bugfixes oder Sicherheitspatches bieten. Geräte, die auf laufen, werden AWS IoT Greengrass V1 nicht gestört und funktionieren weiterhin und stellen eine Verbindung zur Cloud her. Wir empfehlen Ihnen dringend, zu migrieren AWS IoT Greengrass Version 2, da dies wichtige neue Funktionen und Unterstützung für zusätzliche Plattformen bietet.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Konfigurieren Sie die IDT-Einstellungen, um die AWS IoT Greengrass Qualification Suite auszuführen

Bevor Sie Tests ausführen, müssen Sie Einstellungen für AWS Anmeldeinformationen und Geräte auf Ihrem Hostcomputer konfigurieren.

Konfigurieren Sie Ihre AWS Anmeldeinformationen

Sie müssen Ihre IAM-Benutzeranmeldedaten in der <device-tester-extract-location> /configs/config.json Datei konfigurieren. Verwenden Sie die Anmeldeinformationen für den IDT für den AWS IoT Greengrass Benutzer, der in erstellt wurde. Erstellen und konfigurieren Sie ein AWS-Konto Sie können Ihre Anmeldeinformationen auf zwei Arten angeben:

Anmeldeinformationsdatei
Umgebungsvariablen

IDT verwendet die gleiche Anmeldeinformationsdatei wie das AWS CLI. Weitere Informationen finden Sie unter Konfigurations- und Anmeldeinformationsdateien.

Der Speicherort der Datei mit den Anmeldeinformationen variiert je nach verwendetem Betriebssystem:

macOS Linux: ~/.aws/credentials
Windows: C:\Users\UserName\.aws\credentials

Fügen Sie der credentials Datei Ihre AWS Anmeldeinformationen im folgenden Format hinzu:


[default]
aws_access_key_id = <your_access_key_id>
aws_secret_access_key = <your_secret_access_key>

Um IDT für die Verwendung von AWS Anmeldeinformationen aus Ihrer credentials Datei AWS IoT Greengrass zu konfigurieren, bearbeiten Sie Ihre config.json Datei wie folgt:


{
	"awsRegion": "us-west-2",
	"auth": {
		"method": "file",
		"credentials": {
			"profile": "default"
		}
	}
}

Anmerkung

Wenn Sie das default AWS Profil nicht verwenden, ändern Sie unbedingt den Profilnamen in Ihrer config.json Datei. Weitere Informationen hierzu finden Sie unter Benannte Profile.

Konfigurieren Sie die AWS Anmeldeinformationen mit einer Anmeldeinformationsdatei

IDT verwendet die gleiche Anmeldeinformationsdatei wie das AWS CLI. Weitere Informationen finden Sie unter Konfigurations- und Anmeldeinformationsdateien.

Der Speicherort der Datei mit den Anmeldeinformationen variiert je nach verwendetem Betriebssystem:

macOS Linux: ~/.aws/credentials
Windows: C:\Users\UserName\.aws\credentials

Fügen Sie der credentials Datei Ihre AWS Anmeldeinformationen im folgenden Format hinzu:


[default]
aws_access_key_id = <your_access_key_id>
aws_secret_access_key = <your_secret_access_key>

Um IDT für die Verwendung von AWS Anmeldeinformationen aus Ihrer credentials Datei AWS IoT Greengrass zu konfigurieren, bearbeiten Sie Ihre config.json Datei wie folgt:


{
	"awsRegion": "us-west-2",
	"auth": {
		"method": "file",
		"credentials": {
			"profile": "default"
		}
	}
}

Anmerkung

Wenn Sie das default AWS Profil nicht verwenden, ändern Sie unbedingt den Profilnamen in Ihrer config.json Datei. Weitere Informationen hierzu finden Sie unter Benannte Profile.

Umgebungsvariablen sind Variablen, die vom Betriebssystem gepflegt und von Systembefehlen verwendet werden. Sie werden nicht gespeichert, wenn Sie die SSH-Sitzung schließen. IDT for AWS IoT Greengrass kann die AWS_SECRET_ACCESS_KEY Umgebungsvariablen AWS_ACCESS_KEY_ID und zum Speichern Ihrer AWS Anmeldeinformationen verwenden.

Um diese Variablen auf Linux, macOS oder Unix festzulegen, verwenden Sie export:


export AWS_ACCESS_KEY_ID=<your_access_key_id>
export AWS_SECRET_ACCESS_KEY=<your_secret_access_key>

In Windows können Sie die Variablen mit set festlegen:


set AWS_ACCESS_KEY_ID=<your_access_key_id>
set AWS_SECRET_ACCESS_KEY=<your_secret_access_key>

Um den IDT so zu konfigurieren, dass er die Umgebungsvariablen verwendet, bearbeiten Sie den Abschnitt auth in Ihrer Datei config.json. Ein Beispiel:


{
	"awsRegion": "us-west-2",
	"auth": {
		"method": "environment"
	}
}

Konfigurieren Sie AWS Anmeldeinformationen mit Umgebungsvariablen

Um diese Variablen auf Linux, macOS oder Unix festzulegen, verwenden Sie export:


export AWS_ACCESS_KEY_ID=<your_access_key_id>
export AWS_SECRET_ACCESS_KEY=<your_secret_access_key>

In Windows können Sie die Variablen mit set festlegen:


set AWS_ACCESS_KEY_ID=<your_access_key_id>
set AWS_SECRET_ACCESS_KEY=<your_secret_access_key>

Um den IDT so zu konfigurieren, dass er die Umgebungsvariablen verwendet, bearbeiten Sie den Abschnitt auth in Ihrer Datei config.json. Ein Beispiel:


{
	"awsRegion": "us-west-2",
	"auth": {
		"method": "environment"
	}
}

Konfigurieren von device.json

Zusätzlich zu den AWS Anmeldeinformationen AWS IoT Greengrass benötigt IDT for Informationen über die Geräte, auf denen Tests ausgeführt werden (z. B. IP-Adresse, Anmeldeinformationen, Betriebssystem und CPU-Architektur).

Sie müssen diese Informationen mittels der Vorlage device.json in <device_tester_extract_location>/configs/device.json angeben:

Physical device


[
  {
    "id": "<pool-id>",
    "sku": "<sku>",
    "features": [
      {
        "name": "os",
        "value": "linux | ubuntu | openwrt"
      },
      {
        "name": "arch",
        "value": "x86_64 | armv6l | armv7l | aarch64"
      },
      {
        "name": "container",
        "value": "yes | no"
      },
      {
        "name": "docker",
        "value": "yes | no"
      },
      {
        "name": "streamManagement",
        "value": "yes | no"
      },
      {
        "name": "hsi",
        "value": "yes | no"
      },
      {
        "name": "ml",
        "value": "mxnet | tensorflow | dlr | mxnet,dlr,tensorflow | no"
      },
      *********** Remove the section below if the device is not qualifying for ML **************,
      {
        "name": "mlLambdaContainerizationMode",
        "value": "container | process | both"
      },
      {
        "name": "processor",
        "value": "cpu | gpu"
      },
      ******************************************************************************************
    ],
    *********** Remove the section below if the device is not qualifying for HSI ***************
    "hsm": {
      "p11Provider": "/path/to/pkcs11ProviderLibrary",
      "slotLabel": "<slot_label>",
      "slotUserPin": "<slot_pin>",
      "privateKeyLabel": "<key_label>",
      "openSSLEngine": "/path/to/openssl/engine"
    },
    ********************************************************************************************
    *********** Remove the section below if the device is not qualifying for ML ****************
    "machineLearning": {
      "dlrModelPath": "/path/to/compiled/dlr/model",
      "environmentVariables": [
        {
          "key": "<environment-variable-name>",
          "value": "<Path:$PATH>"
        }
      ],
      "deviceResources": [
        {
          "name": "<resource-name>",
          "path": "<resource-path>",
          "type": "device | volume"
        }
      ]
    },
    ******************************************************************************************
    "kernelConfigLocation": "",
    "greengrassLocation": "",
    "devices": [
      {
        "id": "<device-id>",
        "connectivity": {
          "protocol": "ssh",
          "ip": "<ip-address>",
          "port": 22,
          "auth": {
            "method": "pki | password",
            "credentials": {
              "user": "<user-name>",
              "privKeyPath": "/path/to/private/key",
              "password": "<password>"
            }
          }
        }
      }
    ]
  }
]

Anmerkung

Geben Sie privKeyPath nur an, wenn method auf pki gesetzt ist.

Geben Sie password nur an, wenn method auf password gesetzt ist.

Docker container


[
  {
    "id": "<pool-id>",
    "sku": "<sku>",
    "features": [
      {
        "name": "os",
        "value": "linux | ubuntu | openwrt"
      },
      {
        "name": "arch",
        "value": "x86_64"
      },
      {
        "name": "container",
        "value": "no"
      },
      {
        "name": "docker",
        "value": "no"
      },
      {
        "name": "streamManagement",
        "value": "yes | no"
      },
      {
        "name": "hsi",
        "value": "no"
      },
      {
        "name": "ml",
        "value": "mxnet | tensorflow | dlr | mxnet,dlr,tensorflow | no"
      },
      *********** Remove the section below if the device is not qualifying for ML **************,
      {
        "name": "mlLambdaContainerizationMode",
        "value": "process"
      },
      {
        "name": "processor",
        "value": "cpu | gpu"
      },
      ******************************************************************************************
    ],
    *********** Remove the section below if the device is not qualifying for ML ****************
    "machineLearning": {
      "dlrModelPath": "/path/to/compiled/dlr/model",
      "environmentVariables": [
        {
          "key": "<environment-variable-name>",
          "value": "<Path:$PATH>"
        }
      ],
      "deviceResources": [
        {
          "name": "<resource-name>",
          "path": "<resource-path>",
          "type": "device | volume"
        }
      ]
    },
    ******************************************************************************************
    "kernelConfigLocation": "",
    "greengrassLocation": "",
    "devices": [
      {
        "id": "<device-id>",
        "connectivity": {
          "protocol": "docker",
          "containerId": "<container-name | container-id>",
          "containerUser": "<user>"
        }
      }
    ]
  }
]

anchor anchor


[
  {
    "id": "<pool-id>",
    "sku": "<sku>",
    "features": [
      {
        "name": "os",
        "value": "linux | ubuntu | openwrt"
      },
      {
        "name": "arch",
        "value": "x86_64 | armv6l | armv7l | aarch64"
      },
      {
        "name": "container",
        "value": "yes | no"
      },
      {
        "name": "docker",
        "value": "yes | no"
      },
      {
        "name": "streamManagement",
        "value": "yes | no"
      },
      {
        "name": "hsi",
        "value": "yes | no"
      },
      {
        "name": "ml",
        "value": "mxnet | tensorflow | dlr | mxnet,dlr,tensorflow | no"
      },
      *********** Remove the section below if the device is not qualifying for ML **************,
      {
        "name": "mlLambdaContainerizationMode",
        "value": "container | process | both"
      },
      {
        "name": "processor",
        "value": "cpu | gpu"
      },
      ******************************************************************************************
    ],
    *********** Remove the section below if the device is not qualifying for HSI ***************
    "hsm": {
      "p11Provider": "/path/to/pkcs11ProviderLibrary",
      "slotLabel": "<slot_label>",
      "slotUserPin": "<slot_pin>",
      "privateKeyLabel": "<key_label>",
      "openSSLEngine": "/path/to/openssl/engine"
    },
    ********************************************************************************************
    *********** Remove the section below if the device is not qualifying for ML ****************
    "machineLearning": {
      "dlrModelPath": "/path/to/compiled/dlr/model",
      "environmentVariables": [
        {
          "key": "<environment-variable-name>",
          "value": "<Path:$PATH>"
        }
      ],
      "deviceResources": [
        {
          "name": "<resource-name>",
          "path": "<resource-path>",
          "type": "device | volume"
        }
      ]
    },
    ******************************************************************************************
    "kernelConfigLocation": "",
    "greengrassLocation": "",
    "devices": [
      {
        "id": "<device-id>",
        "connectivity": {
          "protocol": "ssh",
          "ip": "<ip-address>",
          "port": 22,
          "auth": {
            "method": "pki | password",
            "credentials": {
              "user": "<user-name>",
              "privKeyPath": "/path/to/private/key",
              "password": "<password>"
            }
          }
        }
      }
    ]
  }
]

Anmerkung

Geben Sie privKeyPath nur an, wenn method auf pki gesetzt ist.

Geben Sie password nur an, wenn method auf password gesetzt ist.

Nachfolgend sind alle Pflichtfelder beschrieben:

id

Eine benutzerdefinierte alphanumerische ID, die eine Sammlung von Geräten, den sogenannten Gerätepool, eindeutig identifiziert. Geräte, die zu einem Pool gehören, müssen über identische Hardware verfügen. Bei der Ausführung einer Reihe von Tests werden Geräte im Pool verwendet, um die Workload zu parallelisieren. Mehrere Geräte werden verwendet, um verschiedene Tests auszuführen.

sku

Ein alphanumerischer Wert, durch den das zu testende Gerät eindeutig identifiziert wird. Die SKU wird verwendet, um qualifizierte Boards nachzuverfolgen.

Anmerkung

Wenn Sie Ihr Motherboard im AWS Partner Gerätekatalog auflisten möchten, muss die hier angegebene SKU mit der SKU übereinstimmen, die Sie bei der Angebotserstellung verwenden.

features

Ein Array, das die Funktionen enthält, die das Gerät unterstützt. Alle Funktionen sind erforderlich.

os und arch

Unterstützte Kombinationen aus Betriebssystem (OS) und Architektur:

linux, x86_64
linux, armv6l
linux, armv7l
linux, aarch64
ubuntu, x86_64
openwrt, armv7l
openwrt, aarch64

Anmerkung

Wenn Sie IDT verwenden, um die AWS IoT Greengrass Ausführung in einem Docker-Container zu testen, wird nur die x86_64-Docker-Architektur unterstützt.

container

Überprüft, ob das Gerät alle Software- und Hardwareanforderungen erfüllt, um Lambda-Funktionen im Containermodus auf einem Greengrass-Kern auszuführen.

Der gültige Wert ist oder. yes no

docker

Überprüft, ob das Gerät alle erforderlichen technischen Abhängigkeiten erfüllt, um den Greengrass Docker Application Deployment Connector für die Ausführung von Containern zu verwenden

Der gültige Wert ist oder. yes no

streamManagement

Überprüft, ob das Gerät alle erforderlichen technischen Abhängigkeiten erfüllt, um AWS IoT Greengrass Stream Manager auszuführen.

Der gültige Wert ist yes oderno.

hsi

Überprüft, ob die bereitgestellte gemeinsam genutzte HSI-Bibliothek eine Schnittstelle zum Hardware-Sicherheitsmodul (HSM) herstellen kann, und implementiert das erforderliche PKCS #11 korrekt. APIs Das HSM und die freigegebene Bibliothek müssen in der Lage sein, eine CSR zu signieren, TLS-Operationen auszuführen und die korrekten Schlüssellängen sowie den korrekten Algorithmus für den öffentlichen Schlüssel bereitzustellen.

Der gültige Wert ist oder. yes no

ml

Überprüft, ob das Gerät alle erforderlichen technischen Abhängigkeiten erfüllt, um die ML-Inferenz lokal ausführen zu können.

Der gültige Wert kann eine beliebige Kombination ausmxnet, tensorflowdlr, und sein no (z. B.mxnet,mxnet,tensorflow,mxnet,tensorflow,dlr, oderno).

mlLambdaContainerizationMode

Überprüft, ob das Gerät alle erforderlichen technischen Abhängigkeiten erfüllt, um ML-Inferenz im Container-Modus auf einem Greengrass-Gerät durchzuführen.

Der gültige Wert istcontainer,, process oder. both

processor

Überprüft, ob das Gerät alle Hardwareanforderungen für den angegebenen Prozessortyp erfüllt.

Der gültige Wert ist cpu odergpu.

Anmerkung

Wenn Sie die ml Funktioncontainer,,docker, oder nicht verwenden möchten streamManagerhsi, können Sie den entsprechenden Wert value auf festlegenno.

Docker unterstützt nur die Funktionsqualifizierung für streamManagement undml.

machineLearning

Optional. Konfigurationsinformationen für ML-Qualifizierungstests Weitere Informationen finden Sie unter Konfigurieren von device.json für die ML-Qualifizierung.

hsm

Optional. Konfigurationsinformationen für Tests mit einem AWS IoT Greengrass Hardware Security Module (HSM). Andernfalls sollte die hsm-Eigenschaft weggelassen werden. Weitere Informationen finden Sie unter Integration von Hardware-Sicherheit.

Diese Eigenschaft gilt nur, wenn connectivity.protocol auf ssh festgelegt ist.

hsm.p11Provider: Der absolute Pfad zur libdl-ladbaren Bibliothek der PKCS#11-Implementierung.
hsm.slotLabel: Das Slot-Label zur Identifizierung des Hardwaremoduls
hsm.slotUserPin: Die Benutzer-PIN, die zur Authentifizierung des AWS IoT Greengrass Kerns gegenüber dem Modul verwendet wurde.
hsm.privateKeyLabel: Das Label zur Identifizierung des Schlüssels im Hardwaremodul.
hsm.openSSLEngine: Der absolute Pfad zur .so-Datei der OpenSSL-Engine, um die PKCS#11-Unterstützung unter OpenSSL zu aktivieren Wird vom AWS IoT Greengrass OTA-Update-Agenten verwendet.

devices.id

Eine benutzerdefinierte eindeutige Kennung für das zu testende Gerät.

connectivity.protocol

Das Kommunikationsprotokoll, das für die Kommunikation mit diesem Gerät verwendet wird. Derzeit sind die einzigen unterstützten Werte ssh für physische Geräte und docker für Docker-Container.

connectivity.ip

Die IP-Adresse des zu testenden Geräts.

Diese Eigenschaft gilt nur, wenn connectivity.protocol auf ssh festgelegt ist.

connectivity.containerId

Die Container-ID oder der Name des getesteten Docker-Containers.

Diese Eigenschaft gilt nur, wenn connectivity.protocol auf docker festgelegt ist.

connectivity.auth

Authentifizierungsinformationen für die Verbindung.

Diese Eigenschaft gilt nur, wenn connectivity.protocol auf ssh festgelegt ist.

connectivity.auth.method

Die Authentifizierungsmethode, die für den Zugriff über ein bestimmtes Verbindungsprotokoll auf ein Gerät verwendet wird.

Unterstützte Werte sind:

pki
password

connectivity.auth.credentials

Die für die Authentifizierung verwendeten Anmeldeinformationen.

connectivity.auth.credentials.password

Das Passwort für die Anmeldung am Gerät wird überprüft.

Dieser Wert gilt nur, wenn connectivity.auth.method auf password festgelegt ist.

connectivity.auth.credentials.privKeyPath

Der vollständige Pfad zum privaten Schlüssel, der für die Anmeldung bei dem zu testenden Gerät verwendet wird.

Dieser Wert gilt nur, wenn connectivity.auth.method auf pki festgelegt ist.

connectivity.auth.credentials.user

Der Benutzername für die Anmeldung bei dem zu testenden Gerät.

connectivity.auth.credentials.privKeyPath

Der vollständige Pfad zum privaten Schlüssel, der für die Anmeldung beim zu testenden Gerät verwendet wird.

connectivity.port

Optional. Die Portnummer, die für SSH-Verbindungen verwendet werden soll.

Der Standardwert ist 22.

Diese Eigenschaft gilt nur, wenn sie auf gesetzt connectivity.protocol istssh.

greengrassLocation

Der Speicherort der AWS IoT Greengrass Core-Software auf Ihren Geräten.

Für physische Geräte wird dieser Wert nur verwendet, wenn Sie eine vorhandene Installation von verwenden AWS IoT Greengrass. Verwenden Sie dieses Attribut, um IDT anzuweisen, die auf Ihren Geräten installierte Version der AWS IoT Greengrass Core-Software zu verwenden.

Wenn Sie Tests in einem Docker-Container über das Docker-Image oder die von bereitgestellte Docker-Datei ausführen AWS IoT Greengrass, setzen Sie diesen Wert auf. /greengrass

kernelConfigLocation

Optional. Der Pfad zur Kernel-Konfigurationsdatei. AWS IoT Device Tester verwendet diese Datei, um zu überprüfen, ob auf den Geräten die erforderlichen Kernel-Funktionen aktiviert sind. Falls nicht angegeben, verwendet IDT die folgenden Pfade, um nach der Kernel-Konfigurationsdatei zu suchen: /proc/config.gz und/boot/config-<kernel-version>. AWS IoT Device Tester verwendet den ersten Pfad, den er findet.

Konfigurieren von device.json für die ML-Qualifizierung

In diesem Abschnitt werden die optionalen Eigenschaften für die ML-Qualifizierung in der Gerätekonfigurationsdatei beschrieben. Wenn Sie Tests für die ML-Qualifizierung ausführen möchten, müssen Sie die Eigenschaften für Ihren Anwendungsfall definieren.

Sie können die Vorlage device-ml.json verwenden, um die Konfigurationseinstellungen für Ihr Gerät zu definieren. Diese Vorlage enthält die optionalen ML-Eigenschaften. Sie können auch die Datei device.json verwenden und die Eigenschaften für die ML-Qualifizierung hinzufügen. Diese Dateien sind unter <device-tester-extract-location>/configs gespeichert und enthalten Eigenschaften für die ML-Qualifizierung. Wenn Sie device-ml.json verwenden, müssen Sie die Datei in device.json umbenennen, bevor Sie IDT-Tests ausführen.

Weitere Informationen zu Eigenschaften für die Gerätekonfiguration, die nicht für die ML-Qualifizierung gelten, finden Sie unter Konfigurieren von device.json.

ml im Array features

Die ML-Frameworks, die Ihr Board unterstützt. Diese Eigenschaft erfordert IDT v3.1.0 oder höher.

Wenn Ihr Board nur ein Framework unterstützt, geben Sie das Framework an. Zum Beispiel:
```
{
    "name": "ml",
    "value": "mxnet"
}
```
Wenn Ihr Board mehrere Frameworks unterstützt, geben Sie die Frameworks als durch Kommas getrennte Liste an. Zum Beispiel:
```
{
    "name": "ml",
    "value": "mxnet,tensorflow"
}
```

mlLambdaContainerizationMode im Array features

Der Containerisierungsmodus, den Sie für die Tests verwenden möchten. Diese Eigenschaft erfordert IDT v3.1.0 oder höher.

Wählen Sieprocess, ob ML-Inferenzcode mit einer nicht containerisierten Lambda-Funktion ausgeführt werden soll. Für diese Option ist Version 1.10.x oder höher erforderlich. AWS IoT Greengrass
Wählen Siecontainer, ob ML-Inferenzcode mit einer containerisierten Lambda-Funktion ausgeführt werden soll.
Wählen Sie both, um ML-Inferenzcode mit beiden Modi auszuführen. Für diese Option ist Version 1.10.x oder höher erforderlich AWS IoT Greengrass .

processor im Array features

Gibt den Hardwarebeschleuniger an, den Ihr Board unterstützt. Diese Eigenschaft erfordert IDT v3.1.0 oder höher.

Wählen Sie cpu, wenn Ihr Board eine CPU als Prozessor verwendet.
Wählen Sie gpu, wenn Ihr Board eine GPU als Prozessor verwendet.

machineLearning

Optional. Konfigurationsinformationen für ML-Qualifizierungstests Diese Eigenschaft erfordert IDT v3.1.0 oder höher.

dlrModelPath

Erforderlich, um das Framework dlr verwenden zu können. Der absolute Pfad zu Ihrem kompilierten DLR-Modellverzeichnis, das mit resnet18 benannt werden muss. Weitere Informationen finden Sie unter Kompilieren des DLR-Modells.

Anmerkung

Im Folgenden sehen Sie einen Beispielpfad unter macOS: /Users/<user>/Downloads/resnet18.

environmentVariables

Ein Array von Schlüssel-Wert-Paaren, die Einstellungen dynamisch an ML-Inferenztests übergeben können. Optional für CPU-Geräte. In diesem Abschnitt können Sie Framework-spezifische Umgebungsvariablen hinzufügen, die für Ihren Gerätetyp erforderlich sind. Weitere Informationen zu diesen Anforderungen finden Sie auf der offiziellen Website des Frameworks oder des Geräts. Um beispielsweise MXNet Inferenztests auf einigen Geräten auszuführen, sind möglicherweise die folgenden Umgebungsvariablen erforderlich.


"environmentVariables": [
    ...
    {
        "key": "PYTHONPATH",      
        "value": "$MXNET_HOME/python:$PYTHONPATH"    
    },
    {
        "key": "MXNET_HOME",
        "value": "$HOME/mxnet/"
    },
    ...
]

Anmerkung

Das value Feld kann je nach Ihrer MXNet Installation variieren.

Wenn Sie Lambda-Funktionen testen, die mit Containerisierung auf GPU-Geräten ausgeführt werden, fügen Sie Umgebungsvariablen für die GPU-Bibliothek hinzu. Dadurch kann die GPU Berechnungen ausführen. Informationen zur Verwendung verschiedener GPU-Bibliotheken finden Sie in der offiziellen Dokumentation für die Bibliothek oder das Gerät.

Anmerkung

Konfigurieren Sie die folgenden Schlüssel, wenn für die Funktion mlLambdaContainerizationMode container oder both festgelegt ist


"environmentVariables": [
    {
        "key": "PATH",      
        "value": "<path/to/software/bin>:$PATH"    
    },
    {
        "key": "LD_LIBRARY_PATH",      
        "value": "<path/to/ld/lib>"    
    },
    ...
]

deviceResources

Erforderlich für GPU-Geräte. Enthält lokale Ressourcen, auf die über Lambda-Funktionen zugegriffen werden kann. Verwenden Sie diesen Abschnitt, um lokale Geräte- und Volume-Ressourcen hinzuzufügen.

Geben Sie für Geräteressourcen "type": "device" an. Bei GPU-Geräten sollten die Geräteressourcen GPU-bezogene Gerätedateien unter /dev sein.

Anmerkung
Das Verzeichnis /dev/shm stellt eine Ausnahme dar. Sie kann nur als eine Volume-Ressource konfiguriert werden.
Geben Sie für Volume-Ressourcen "type": "volume" an.

Warnung JavaScript ist in Ihrem Browser nicht verfügbar oder deaktiviert.

Zur Nutzung der AWS-Dokumentation muss JavaScript aktiviert sein. Weitere Informationen finden auf den Hilfe-Seiten Ihres Browsers.

Dokumentkonventionen

Optional: Konfigurieren des Geräts für die ML-Qualifizierung

Führen Sie die AWS IoT Greengrass Qualifizierungssuite aus

Wählen Sie Ihre Cookie-Einstellungen aus

Cookie-Einstellungen anpassen

Essenziell

Leistung

Funktional

Werbung

Cookie-Einstellungen konnten nicht gespeichert werden

Konfigurieren Sie die IDT-Einstellungen, um die AWS IoT Greengrass Qualification Suite auszuführen

Konfigurieren Sie Ihre AWS Anmeldeinformationen

Anmerkung

Konfigurieren Sie die AWS Anmeldeinformationen mit einer Anmeldeinformationsdatei

Anmerkung

Konfigurieren Sie AWS Anmeldeinformationen mit Umgebungsvariablen

Konfigurieren von device.json

Anmerkung

Anmerkung

Anmerkung

Anmerkung

Anmerkung

Konfigurieren von device.json für die ML-Qualifizierung

Anmerkung

Anmerkung

Anmerkung

Anmerkung

Hat Ihnen diese Seite geholfen?

Nächstes Thema:

Vorheriges Thema:

Brauchen Sie Hilfe?