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.

# Komponenten für maschinelles Lernen
<a name="machine-learning-components"></a>

AWS IoT Greengrass bietet die folgenden Komponenten für maschinelles Lernen, die Sie auf unterstützten Geräten bereitstellen können, um [Inferenzen für maschinelles Lernen mithilfe von Modellen durchzuführen](perform-machine-learning-inference.md), die in Amazon SageMaker AI trainiert wurden, oder mit Ihren eigenen vortrainierten Modellen, die in Amazon S3 gespeichert sind. <a name="ml-component-types"></a>

AWS bietet die folgenden Kategorien von Komponenten für maschinelles Lernen:
+ **Modellkomponente** — Enthält Modelle für maschinelles Lernen als Greengrass-Artefakte.
+ **Runtime-Komponente** — Enthält das Skript, das das Machine Learning-Framework und seine Abhängigkeiten auf dem Greengrass-Core-Gerät installiert.
+ **Inferenzkomponente** — Enthält den Inferenzcode und enthält Komponentenabhängigkeiten zur Installation des Frameworks für maschinelles Lernen und zum Herunterladen vorab trainierter Modelle für maschinelles Lernen.

Sie können den Beispiel-Inferenzcode und die vortrainierten Modelle in den AWS bereitgestellten Komponenten für maschinelles Lernen verwenden, um die Bildklassifizierung und Objekterkennung mit DLR und Lite durchzuführen. TensorFlow Um benutzerdefinierte Inferenzen für maschinelles Lernen mit Ihren eigenen Modellen durchzuführen, die in Amazon S3 gespeichert sind, oder um ein anderes Framework für maschinelles Lernen zu verwenden, können Sie die Rezepte dieser öffentlichen Komponenten als Vorlagen verwenden, um benutzerdefinierte maschinelle Lernkomponenten zu erstellen. Weitere Informationen finden Sie unter [Passen Sie Ihre Komponenten für maschinelles Lernen an](ml-customization.md).

AWS IoT Greengrass enthält auch eine AWS bereitgestellte Komponente zur Verwaltung der Installation und des Lebenszyklus des SageMaker AI Edge Manager-Agenten auf Greengrass-Kerngeräten. Mit SageMaker AI Edge Manager können Sie mit Amazon SageMaker AI Neo kompilierte Modelle direkt auf Ihrem Kerngerät verwenden. Weitere Informationen finden Sie unter [Verwenden Sie Amazon SageMaker AI Edge Manager auf Greengrass-Kerngeräten](use-sagemaker-edge-manager.md).

In der folgenden Tabelle sind die Komponenten für maschinelles Lernen aufgeführt, die in AWS IoT Greengrass verfügbar sind. 

**Anmerkung**  <a name="component-nucleus-dependency-update-note"></a>
Einige der AWS bereitgestellten Komponenten hängen von bestimmten Nebenversionen des Greengrass-Kerns ab. Aufgrund dieser Abhängigkeit müssen Sie diese Komponenten aktualisieren, wenn Sie den Greengrass Nucleus auf eine neue Nebenversion aktualisieren. Informationen zu den spezifischen Versionen von Nucleus, von denen jede Komponente abhängt, finden Sie im entsprechenden Komponententhema. Weitere Informationen zur Aktualisierung des Nucleus finden Sie unter[Aktualisieren Sie die AWS IoT Greengrass Core-Software (OTA)](update-greengrass-core-v2.md).

<a name="component-table-type-description"></a>Wenn eine Komponente einen Komponententyp sowohl generisch als auch Lambda hat, ist die aktuelle Version der Komponente der generische Typ und eine frühere Version der Komponente ist der Lambda-Typ.


| Komponente | Description | [Komponententyp](develop-greengrass-components.md#component-types) | Unterstützes Betriebssystem | [Open-Source](open-source.md) | 
| --- | --- | --- | --- | --- | 
| [SageMaker KI-Edge-Manager](sagemaker-edge-manager-component.md) | Stellt den Amazon SageMaker AI Edge Manager-Agenten auf dem Greengrass-Core-Gerät bereit. | Generisch | Linux, Windows | Nein | 
| [DLR-Bildklassifizierung](dlr-image-classification-component.md) | Inferenzkomponente, die den DLR-Bildklassifizierungsmodellspeicher und die DLR-Laufzeitkomponente als Abhängigkeiten verwendet, um DLR zu installieren, Beispielmodelle für die Bildklassifizierung herunterzuladen und Inferenzen zur Bildklassifizierung auf unterstützten Geräten durchzuführen. | Generisch | Linux, Windows | Nein | 
| [DLR-Objekterkennung](dlr-object-detection-component.md) | Inferenzkomponente, die den DLR-Objekterkennungsmodellspeicher und die DLR-Laufzeitkomponente als Abhängigkeiten verwendet, um DLR zu installieren, Beispielmodelle zur Objekterkennung herunterzuladen und Objekterkennungsinferenzen auf unterstützten Geräten durchzuführen. | Generisch | Linux, Windows | Nein | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | Modellkomponente, die Stichprobe ResNet -50 Bildklassifizierungsmodelle als Greengrass-Artefakte enthält. | Generisch | Linux, Windows | Nein | 
| [Modellspeicher für DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | Modellkomponente, die Beispielmodelle zur YOLOv3 Objekterkennung als Greengrass-Artefakte enthält. | Generisch | Linux, Windows | Nein | 
| [DLR-Laufzeit](dlr-component.md) | Runtime-Komponente, die ein Installationsskript enthält, das zur Installation von DLR und seinen Abhängigkeiten auf dem Greengrass-Core-Gerät verwendet wird. | Generisch | Linux, Windows | Nein | 
| [TensorFlow Lite-Bildklassifizierung](tensorflow-lite-image-classification-component.md) | Inferenzkomponente, die den TensorFlow Lite-Bildklassifizierungsmodellspeicher und die TensorFlow Lite-Runtime-Komponente als Abhängigkeiten verwendet, um TensorFlow Lite zu installieren, Beispielmodelle für die Bildklassifizierung herunterzuladen und die Inferenz für die Bildklassifizierung auf unterstützten Geräten durchzuführen. | Generisch | Linux, Windows | Nein | 
| [TensorFlow Lite-Objekterkennung](tensorflow-lite-object-detection-component.md) | Inferenzkomponente, die den TensorFlow Lite-Objekterkennungsmodellspeicher und die TensorFlow Lite-Laufzeitkomponente als Abhängigkeiten verwendet, um TensorFlow Lite zu installieren, Beispielmodelle für die Objekterkennung herunterzuladen und Objekterkennungsinferenzen auf unterstützten Geräten durchzuführen. | Generisch | Linux, Windows | Nein | 
| [TensorFlow Modellspeicher für Lite-Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | Modellkomponente, die ein Beispiel für ein MobileNet v1-Modell als Greengrass-Artefakt enthält. | Generisch | Linux, Windows | Nein | 
| [TensorFlow Modellspeicher für Lite-Objekterkennung](tensorflow-lite-object-detection-model-store-component.md) | Modellkomponente, die ein SSD-Beispielmodell (Single Shot Detection) als MobileNet Greengrass-Artefakt enthält. | Generisch | Linux, Windows | Nein | 
| [TensorFlow Lite-Laufzeit](tensorflow-lite-component.md) | Runtime-Komponente, die ein Installationsskript enthält, das zur Installation von TensorFlow Lite und seinen Abhängigkeiten auf dem Greengrass-Core-Gerät verwendet wird. | Generisch | Linux, Windows | Nein | 

# SageMaker KI-Edge-Manager
<a name="sagemaker-edge-manager-component"></a>

**Wichtig**  
SageMaker AI Edge Manager wurde am 26. April 2024 eingestellt. Weitere Informationen zur weiteren Bereitstellung Ihrer Modelle auf Edge-Geräten finden Sie unter [Ende der Nutzungsdauer von SageMaker AI Edge Manager](https://docs.aws.amazon.com/sagemaker/latest/dg/edge-eol.html).

Die Amazon SageMaker AI Edge Manager-Komponente (`aws.greengrass.SageMakerEdgeManager`) installiert die SageMaker AI Edge Manager-Agent-Binärdatei. 

SageMaker AI Edge Manager bietet Modellmanagement für Edge-Geräte, sodass Sie Modelle für maschinelles Lernen auf Flotten von Edge-Geräten optimieren, sichern, überwachen und verwalten können. Die SageMaker AI Edge Manager-Komponente installiert und verwaltet den Lebenszyklus des SageMaker AI Edge Manager-Agenten auf Ihrem Kerngerät. Sie können SageMaker AI Edge Manager auch verwenden, um mit SageMaker KI Neo kompilierte Modelle als Modellkomponenten auf Greengrass-Kerngeräten zu verpacken und zu verwenden. Weitere Informationen zur Verwendung des SageMaker AI Edge Manager-Agenten auf Ihrem Kerngerät finden Sie unter. [Verwenden Sie Amazon SageMaker AI Edge Manager auf Greengrass-Kerngeräten](use-sagemaker-edge-manager.md)

SageMaker Die AI Edge Manager-Komponente v1.3.x installiert die Edge Manager-Agent-Binärdatei v1.20220822.836f3023. [Weitere Informationen zu den Binärversionen des Edge Manager-Agents finden Sie unter Edge Manager Agent.](https://docs.aws.amazon.com/sagemaker/latest/dg/edge-device-fleet-about)

**Anmerkung**  
Die SageMaker AI Edge Manager-Komponente ist nur in den folgenden Versionen verfügbar AWS-Regionen:  
US East (Ohio)
USA Ost (Nord-Virginia)
USA West (Oregon)
EU (Frankfurt)
EU (Irland)
Asien-Pazifik (Tokio)

**Topics**
+ [Versionen](#sagemaker-edge-manager-component-versions)
+ [Typ](#sagemaker-edge-manager-component-type)
+ [Betriebssystem](#sagemaker-edge-manager-component-os-support)
+ [Voraussetzungen](#sagemaker-edge-manager-component-requirements)
+ [Abhängigkeiten](#sagemaker-edge-manager-component-dependencies)
+ [Konfiguration](#sagemaker-edge-manager-component-configuration)
+ [Lokale Protokolldatei](#sagemaker-edge-manager-component-log-file)
+ [Änderungsprotokoll](#sagemaker-edge-manager-component-changelog)

## Versionen
<a name="sagemaker-edge-manager-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 1.3.x
+ 1.2.x
+ 1.1.x
+ 1.0.x

## Typ
<a name="sagemaker-edge-manager-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente (`aws.greengrass.generic`). Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="sagemaker-edge-manager-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="sagemaker-edge-manager-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="sm-edge-manager-component-reqs"></a>
+ <a name="sm-req-core-device"></a>Ein Greengrass-Core-Gerät, das auf Amazon Linux 2, einer Debian-basierten Linux-Plattform (x86\$164 oder Armv8) oder Windows (x86\$164) läuft. Falls Sie noch keines haben, beachten Sie die Informationen unter [Tutorial: Erste Schritte mit AWS IoT Greengrass V2](getting-started.md).
+ <a name="sm-req-python"></a>[Python](https://www.python.org/downloads/) 3.6 oder höher, auch `pip` für Ihre Version von Python, die auf Ihrem Kerngerät installiert ist.
+ Die [Greengrass-Geräterolle](device-service-role.md) wurde wie folgt konfiguriert: 
  + <a name="sm-req-iam-trust-relationship"></a>Eine Vertrauensbeziehung, die es ermöglicht `credentials.iot.amazonaws.com` und `sagemaker.amazonaws.com` die Übernahme der Rolle ermöglicht, wie im folgenden Beispiel für eine IAM-Richtlinie dargestellt.

    ```
    { 
      "Version": "2012-10-17",		 	 	 
      "Statement": [ 
        { 
          "Effect": "Allow", 
          "Principal": {
            "Service": "credentials.iot.amazonaws.com"
           }, 
          "Action": "sts:AssumeRole" 
        },
        { 
          "Effect": "Allow", 
          "Principal": {
            "Service": "sagemaker.amazonaws.com"
          }, 
          "Action": "sts:AssumeRole" 
        } 
      ] 
    }
    ```
  + <a name="sm-req-iam-sagemanakeredgedevicefleetpolicy"></a>Die von [AmazonSageMakerEdgeDeviceFleetPolicy](https://console.aws.amazon.com/iam/home#/policies/arn:aws:iam::aws:policy/service-role/AmazonSageMakerEdgeDeviceFleetPolicy)IAM verwaltete Richtlinie.
  + <a name="sm-req-iam-s3-putobject"></a>Die `s3:PutObject` Aktion, wie im folgenden Beispiel für eine IAM-Richtlinie dargestellt.

    ```
    {
      "Version": "2012-10-17",		 	 	 
      "Statement": [
        {
          "Action": [
            "s3:PutObject"
          ],
          "Resource": [
            "*"
          ],
          "Effect": "Allow"
        }
      ]
    }
    ```
+ <a name="sm-req-s3-bucket"></a>Ein Amazon S3 S3-Bucket, der im selben AWS-Konto und AWS-Region wie Ihr Greengrass-Core-Gerät erstellt wurde. SageMaker AI Edge Manager benötigt einen S3-Bucket, um eine Edge-Geräteflotte zu erstellen und Beispieldaten aus laufenden Inferenzen auf Ihrem Gerät zu speichern. Informationen zum Erstellen von S3-Buckets finden Sie unter [Erste Schritte mit Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/GetStartedWithS3.html).
+ <a name="sm-req-edge-device-fleet"></a>Eine SageMaker KI-Edge-Geräteflotte, die denselben AWS IoT Rollenalias wie Ihr Greengrass-Core-Gerät verwendet. Weitere Informationen finden Sie unter [Erstellen Sie eine Flotte von Edge-Geräten](get-started-with-edge-manager-on-greengrass.md#create-edge-device-fleet-for-greengrass).
+ <a name="sm-req-edge-device"></a>Ihr Greengrass-Core-Gerät ist als Edge-Gerät in Ihrer SageMaker AI Edge-Geräteflotte registriert. Der Name des Edge-Geräts muss mit dem AWS IoT Dingnamen für Ihr Core-Gerät übereinstimmen. Weitere Informationen finden Sie unter [Registrieren Sie Ihr Greengrass Core-Gerät](get-started-with-edge-manager-on-greengrass.md#register-greengrass-core-device-in-sme).

### Endpunkte und Anschlüsse
<a name="sagemaker-edge-manager-component-endpoints"></a>

Diese Komponente muss in der Lage sein, ausgehende Anfragen an die folgenden Endpunkte und Ports auszuführen, zusätzlich zu den Endpunkten und Ports, die für den Basisbetrieb erforderlich sind. Weitere Informationen finden Sie unter [Geräteverkehr über einen Proxy oder eine Firewall zulassen](allow-device-traffic.md).


| Endpoint | Port | Erforderlich | Description | 
| --- | --- | --- | --- | 
|  `edge.sagemaker.region.amazonaws.com`  | 443 | Ja |  Überprüfen Sie den Status der Geräteregistrierung und senden Sie Messwerte an KI. SageMaker   | 
|  `*.s3.amazonaws.com`  | 443 | Ja |  Laden Sie die Erfassungsdaten in den von Ihnen angegebenen S3-Bucket hoch. Sie können es `*` durch den Namen jedes Buckets ersetzen, in den Sie Daten hochladen.  | 

## Abhängigkeiten
<a name="sagemaker-edge-manager-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#sagemaker-edge-manager-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 1.3.5 and 1.3.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 1.3.5 und 1.3.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.3.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.3.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.3.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.3.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.3.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.3.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.3.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.3.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.1.1 - 1.3.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 1.1.1 bis 1.3.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.1.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.1.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.0.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.0.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.0.1 and 1.0.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 1.0.1 und 1.0.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------
#### [ 1.0.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.0.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 
| [Token-Austauschdienst](token-exchange-service-component.md) | >=0.0.0 | Hart | 

------

Weitere Informationen zu Komponentenabhängigkeiten finden Sie in der Referenz zu den [Komponentenrezepten](component-recipe-reference.md#recipe-reference-component-dependencies).

## Konfiguration
<a name="sagemaker-edge-manager-component-configuration"></a>

Diese Komponente stellt die folgenden Konfigurationsparameter bereit, die Sie bei der Bereitstellung der Komponente anpassen können.

**Anmerkung**  
In diesem Abschnitt werden die Konfigurationsparameter beschrieben, die Sie in der Komponente festlegen. Weitere Informationen zur entsprechenden SageMaker AI Edge Manager-Konfiguration finden Sie unter [Edge Manager Agent](https://docs.aws.amazon.com/sagemaker/latest/dg/edge-device-fleet-about.html#edge-device-fleet-running-agent) im *Amazon SageMaker AI Developer Guide*.

`DeviceFleetName`  
Der Name der SageMaker AI Edge Manager-Geräteflotte, die Ihr Greengrass-Core-Gerät enthält.   
Sie müssen im Konfigurationsupdate einen Wert für diesen Parameter angeben, wenn Sie diese Komponente bereitstellen.

`BucketName`  
Der Name des S3-Buckets, in den Sie erfasste Inferenzdaten hochladen. Der Bucket-Name muss die Zeichenfolge `sagemaker` enthalten.   
Wenn Sie `CaptureDataDestination` auf `Cloud` oder wenn Sie `CaptureDataPeriodicUpload` auf setzen`true`, müssen Sie bei der Bereitstellung dieser Komponente im Konfigurationsupdate einen Wert für diesen Parameter angeben.  
Capture Data ist eine SageMaker KI-Funktion, mit der Sie Inferenzeingaben, Inferenzergebnisse und zusätzliche Inferenzdaten für future Analysen in einen S3-Bucket oder ein lokales Verzeichnis hochladen. Weitere Informationen zur Verwendung von Erfassungsdaten mit SageMaker AI Edge Manager finden Sie unter [Modell verwalten](https://docs.aws.amazon.com/sagemaker/latest/dg/edge-manage-model.html#edge-manage-model-capturedata) im *Amazon SageMaker AI Developer Guide*.

`CaptureDataBatchSize`  
(Optional) Die Größe eines Stapels von Erfassungsdatenanfragen, die der Agent bearbeitet. Dieser Wert muss kleiner als die Puffergröße sein, die Sie in angeben`CaptureDataBufferSize`. Wir empfehlen, die Hälfte der Puffergröße nicht zu überschreiten.  
Der Agent verarbeitet einen Anforderungsstapel, wenn die Anzahl der Anfragen im Puffer der `CaptureDataBatchSize` Anzahl entspricht, oder wenn das `CaptureDataPushPeriodSeconds` Intervall abgelaufen ist, je nachdem, was zuerst eintritt.  
Standard: `10`

`CaptureDataBufferSize`  
(Optional) Die maximale Anzahl von Erfassungsdatenanforderungen, die im Puffer gespeichert sind.  
Standard: `30`

`CaptureDataDestination`  
(Optional) Das Ziel, an dem Sie die erfassten Daten speichern. Folgende Parameterwerte sind möglich:  
+ `Cloud`— Lädt erfasste Daten in den von Ihnen angegebenen S3-Bucket hoch. `BucketName`
+ `Disk`— Schreibt die erfassten Daten in das Arbeitsverzeichnis der Komponente. 
Wenn Sie dies angeben`Disk`, können Sie die erfassten Daten auch regelmäßig in Ihren S3-Bucket hochladen, indem Sie `CaptureDataPeriodicUpload` auf `true` einstellen.  
Standard: `Cloud`

`CaptureDataPeriodicUpload`  
(Optional) Zeichenkettenwert, der angibt, ob die erfassten Daten regelmäßig hochgeladen werden sollen. Unterstützte Werte sind `true` und `false`.  
Setzen Sie diesen Parameter auf, `true` wenn Sie `CaptureDataDestination` auf festlegen und Sie möchten`Disk`, dass der Agent die erfassten Daten regelmäßig in Ihren S3-Bucket hochlädt.  
Standard: `false`

`CaptureDataPeriodicUploadPeriodSeconds`  
(Optional) Das Intervall in Sekunden, in dem der SageMaker AI Edge Manager-Agent die erfassten Daten in den S3-Bucket hochlädt. Verwenden Sie diesen Parameter, wenn Sie `CaptureDataPeriodicUpload` auf `true` einstellen.  
Standard: `8`

`CaptureDataPushPeriodSeconds`  
(Optional) Das Intervall in Sekunden, in dem der SageMaker AI Edge Manager-Agent einen Stapel von Erfassungsdatenanforderungen aus dem Puffer verarbeitet.   
Der Agent verarbeitet einen Anforderungsstapel, wenn die Anzahl der Anfragen im Puffer der `CaptureDataBatchSize` Anzahl entspricht, oder wenn das `CaptureDataPushPeriodSeconds` Intervall abgelaufen ist, je nachdem, was zuerst eintritt.  
Standard: `4`

`CaptureDataBase64EmbedLimit`  
(Optional) Die maximale Größe der erfassten Daten in Byte, die der SageMaker AI Edge Manager-Agent hochlädt.  
Standard: `3072`

`FolderPrefix`  
(Optional) Der Name des Ordners, in den der Agent die erfassten Daten schreibt. Wenn Sie `CaptureDataDestination` auf festlegen`Disk`, erstellt der Agent den Ordner in dem Verzeichnis, das von angegeben ist`CaptureDataDiskPath`. Wenn Sie `CaptureDataDestination` auf `Cloud` oder wenn Sie `CaptureDataPeriodicUpload` auf festlegen`true`, erstellt der Agent den Ordner in Ihrem S3-Bucket.   
Standard: `sme-capture`

`CaptureDataDiskPath`  
Diese Funktion ist in Version 1.1.0 und späteren Versionen der SageMaker AI Edge Manager-Komponente verfügbar.  
(Optional) Der Pfad zu dem Ordner, in dem der Agent den Ordner mit den erfassten Daten erstellt. Wenn Sie `CaptureDataDestination` auf festlegen`Disk`, erstellt der Agent den Ordner mit den erfassten Daten in diesem Verzeichnis. Wenn Sie diesen Wert nicht angeben, erstellt der Agent den Ordner mit den erfassten Daten im Arbeitsverzeichnis der Komponente. Verwenden Sie den `FolderPrefix` Parameter, um den Namen des Ordners für erfasste Daten anzugeben.  
Standard: `/greengrass/v2/work/aws.greengrass.SageMakerEdgeManager/capture`

`LocalDataRootPath`  
Diese Funktion ist in Version 1.2.0 und späteren Versionen der SageMaker AI Edge Manager-Komponente verfügbar.  
(Optional) Der Pfad, in dem diese Komponente die folgenden Daten auf dem Kerngerät speichert:  
+ Die lokale Datenbank für Laufzeitdaten, wenn Sie `DbEnable` auf einstellen`true`.
+ SageMaker Von AI Neo kompilierte Modelle, die diese Komponente automatisch herunterlädt, wenn Sie `DeploymentEnable` auf `true` einstellen.
Standard: `/greengrass/v2/work/aws.greengrass.SageMakerEdgeManager`

`DbEnable`  
(Optional) Sie können diese Komponente aktivieren, um Laufzeitdaten in einer lokalen Datenbank zu speichern, um die Daten für den Fall zu schützen, dass die Komponente ausfällt oder das Gerät ausfällt.  
Diese Datenbank benötigt 5 MB Speicherplatz im Dateisystem des Kerngeräts.  
Standard: `false`

`DeploymentEnable`  
Diese Funktion ist in Version 1.2.0 und späteren Versionen der SageMaker AI Edge Manager-Komponente verfügbar.  
(Optional) Sie können diese Komponente aktivieren, um automatisch mit SageMaker KI Neo kompilierte Modelle abzurufen, von denen Sie auf Amazon S3 hochladen. Nachdem Sie ein neues Modell auf Amazon S3 hochgeladen haben, verwenden Sie SageMaker AI Studio oder die SageMaker KI-API, um das neue Modell auf diesem Kerngerät bereitzustellen. Wenn Sie diese Funktion aktivieren, können Sie neue Modelle auf Kerngeräten bereitstellen, ohne eine AWS IoT Greengrass Bereitstellung erstellen zu müssen.  
Um diese Funktion verwenden zu können, müssen Sie `DbEnable` auf `true` einstellen. Diese Funktion verwendet die lokale Datenbank, um Modelle zu verfolgen, die sie aus der AWS Cloud abruft.
Standard: `false`

`DeploymentPollInterval`  
Diese Funktion ist in Version 1.2.0 und späteren Versionen der SageMaker AI Edge Manager-Komponente verfügbar.  
(Optional) Der Zeitraum (in Minuten), zwischen dem diese Komponente nach neuen Modellen zum Herunterladen sucht. Diese Option gilt, wenn Sie `DeploymentEnable` auf einstellen`true`.  
Standard: `1440` (1 Tag)

`DLRBackendOptions`  
Diese Funktion ist in Version 1.2.0 und späteren Versionen der SageMaker AI Edge Manager-Komponente verfügbar.  
(Optional) Die DLR-Laufzeit-Flags, die in der von dieser Komponente verwendeten DLR-Laufzeit gesetzt werden sollen. Sie können das folgende Flag setzen:  
+ `TVM_TENSORRT_CACHE_DIR`— Aktiviert das Zwischenspeichern von TensorRT-Modellen. Geben Sie einen absoluten Pfad zu einem vorhandenen Ordner mit Lese-/Schreibberechtigungen an.
+ `TVM_TENSORRT_CACHE_DISK_SIZE_MB`— Weist die Obergrenze des TensorRT-Modell-Cache-Ordners zu. Wenn die Verzeichnisgröße diese Grenze überschreitet, werden die zwischengespeicherten Engines, die am wenigsten verwendet werden, gelöscht. Der Standardwert ist 512 MB.
Sie können diesen Parameter beispielsweise auf den folgenden Wert setzen, um das Zwischenspeichern von TensorRT-Modellen zu aktivieren und die Cachegröße auf 800 MB zu begrenzen.  

```
TVM_TENSORRT_CACHE_DIR=/data/secured_folder/trt/cache; TVM_TENSORRT_CACHE_DISK_SIZE_MB=800
```

`SagemakerEdgeLogVerbose`  
(Optional) Zeichenkettenwert, der angibt, ob die Debug-Protokollierung aktiviert werden soll. Unterstützte Werte sind `true` und `false`.  
Standard: `false`

`UnixSocketName`  
(Optional) Der Speicherort des SageMaker AI Edge Manager-Socket-Dateideskriptors auf dem Kerngerät.  
Standard: `/tmp/aws.greengrass.SageMakerEdgeManager.sock`

**Example Beispiel: Update zur Zusammenführung von Konfigurationen**  
Die folgende Beispielkonfiguration gibt an, dass das Kerngerät Teil von ist *MyEdgeDeviceFleet* und dass der Agent die Erfassungsdaten sowohl auf das Gerät als auch in einen S3-Bucket schreibt. Diese Konfiguration ermöglicht auch die Debug-Protokollierung.  

```
{
    "DeviceFleetName": "MyEdgeDeviceFleet",
    "BucketName": "amzn-s3-demo-bucket",
    "CaptureDataDestination": "Disk",
    "CaptureDataPeriodicUpload": "true",
    "SagemakerEdgeLogVerbose": "true"    
}
```

## Lokale Protokolldatei
<a name="sagemaker-edge-manager-component-log-file"></a>

Diese Komponente verwendet die folgende Protokolldatei.

------
#### [ Linux ]

```
/greengrass/v2/logs/aws.greengrass.SageMakerEdgeManager.log
```

------
#### [ Windows ]

```
C:\greengrass\v2\logs\aws.greengrass.SageMakerEdgeManager.log
```

------

**Um die Protokolle dieser Komponente einzusehen**
+ Führen Sie den folgenden Befehl auf dem Kerngerät aus, um die Protokolldatei dieser Komponente in Echtzeit anzuzeigen. Ersetzen Sie `/greengrass/v2` oder *C:\$1greengrass\$1v2* durch den Pfad zum AWS IoT Greengrass Stammordner.

------
#### [ Linux ]

  ```
  sudo tail -f /greengrass/v2/logs/aws.greengrass.SageMakerEdgeManager.log
  ```

------
#### [ Windows (PowerShell) ]

  ```
  Get-Content C:\greengrass\v2\logs\aws.greengrass.SageMakerEdgeManager.log -Tail 10 -Wait
  ```

------

## Änderungsprotokoll
<a name="sagemaker-edge-manager-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  **Version**  |  **Änderungen**  | 
| --- | --- | 
|  1.3.6  |  Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert.  | 
|  1.3.5  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  1.3.4  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  1.3.3  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  1.3.2  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  1.3.1  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  1.3.0  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/sagemaker-edge-manager-component.html)  | 
|  1.2.0  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/sagemaker-edge-manager-component.html)  | 
|  1.1.1  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  1.1.0  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/sagemaker-edge-manager-component.html)  | 
|  1.0.3  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  1.0.2  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/sagemaker-edge-manager-component.html)  | 
|  1.0.1  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  1.0.0  |  Erste Version  | 

# DLR-Bildklassifizierung
<a name="dlr-image-classification-component"></a>

Die DLR-Komponente zur Bildklassifizierung (`aws.greengrass.DLRImageClassification`) enthält Beispiel-Inferenzcode für die Durchführung von Inferenzen zur Bildklassifizierung mithilfe von [Deep Learning Runtime](https://github.com/neo-ai/neo-ai-dlr) - und Resnet-50-Modellen. Diese Komponente verwendet die Variante [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) und die [DLR-Laufzeit](dlr-component.md) Komponenten als Abhängigkeiten, um DLR und die Beispielmodelle herunterzuladen. 

Um diese Inferenzkomponente mit einem speziell trainierten DLR-Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Version](ml-customization.md#override-public-model-store) der abhängigen Modellspeicherkomponente. Um Ihren eigenen benutzerdefinierten Inferenzcode zu verwenden, können Sie das Rezept dieser Komponente als Vorlage verwenden, um eine benutzerdefinierte Inferenzkomponente zu [erstellen](ml-customization.md#create-inference-component).

**Topics**
+ [Versionen](#dlr-image-classification-component-versions)
+ [Typ](#dlr-image-classification-component-type)
+ [Betriebssystem](#dlr-image-classification-component-os-support)
+ [Voraussetzungen](#dlr-image-classification-component-requirements)
+ [Abhängigkeiten](#dlr-image-classification-component-dependencies)
+ [Konfiguration](#dlr-image-classification-component-configuration)
+ [Lokale Protokolldatei](#dlr-image-classification-component-log-file)
+ [Änderungsprotokoll](#dlr-image-classification-component-changelog)

## Versionen
<a name="dlr-image-classification-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x
+ 2.0.x

## Typ
<a name="dlr-image-classification-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente (`aws.greengrass.generic`). Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="dlr-image-classification-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="dlr-image-classification-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den Legacy-Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="dlr-image-classification-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#dlr-image-classification-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.13 and 2.1.14 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.13 und 2.1.14 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.12 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.11 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.11 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.4 - 2.1.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.4 bis 2.1.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 
| [Modellspeicher für die DLR-Bildklassifizierung](dlr-image-classification-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.0.x ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.0.x dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | \$12.0.0 | Weich | 
| Modellspeicher für die DLR-Bildklassifizierung | \$12.0.0 | Hart | 
| DLR | \$11.3.0 | Weich | 

------

## Konfiguration
<a name="dlr-image-classification-component-configuration"></a>

Diese Komponente bietet die folgenden Konfigurationsparameter, die Sie bei der Bereitstellung der Komponente anpassen können.

------
#### [ 2.1.x ]

`accessControl`  
<a name="ml-config-accesscontrol-desc"></a>(Optional) Das Objekt, das die [Autorisierungsrichtlinie](interprocess-communication.md#ipc-authorization-policies) enthält, die es der Komponente ermöglicht, Nachrichten unter dem Standardthema für Benachrichtigungen zu veröffentlichen.   
Standard:   

```
{
   "aws.greengrass.ipc.mqttproxy": {
      "aws.greengrass.DLRImageClassification:mqttproxy:1": {
         "policyDescription": "Allows access to publish via topic ml/dlr/image-classification.",
         "operations": [
            "aws.greengrass#PublishToIoTCore"
         ],
         "resources": [
            "ml/dlr/image-classification"
         ]
      }
   }
}
```

`PublishResultsOnTopic`  
<a name="ml-config-publishresultsontopic-desc"></a>(Optional) Das Thema, zu dem Sie die Inferenzergebnisse veröffentlichen möchten. Wenn Sie diesen Wert ändern, müssen Sie auch den Wert von `resources` im `accessControl` Parameter so ändern, dass er Ihrem benutzerdefinierten Themennamen entspricht.  
Standard: `ml/dlr/image-classification`

`Accelerator`  <a name="ml-config-accelerator"></a>
Der Beschleuniger, den Sie verwenden möchten. Unterstützte Werte sind `cpu` und `gpu`.  
Die Beispielmodelle in der abhängigen Modellkomponente unterstützen nur CPU-Beschleunigung. Um die GPU-Beschleunigung mit einem anderen benutzerdefinierten Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Modellkomponente](ml-customization.md#override-public-model-store), um die Komponente des öffentlichen Modells zu überschreiben.  
Standard: `cpu`

`ImageDirectory`  
<a name="ml-config-imagedirectory-desc"></a>(Optional) Der Pfad des Ordners auf dem Gerät, in dem Inferenzkomponenten Bilder lesen. Sie können diesen Wert an einen beliebigen Ort auf Ihrem Gerät ändern, auf den Sie read/write Zugriff haben.  
<a name="ml-config-imagedirectory-img-default"></a>Standard: `/greengrass/v2/packages/artifacts-unarchived/component-name/image_classification/sample_images/`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`ImageName`  
<a name="ml-config-imagename-desc"></a>(Optional) Der Name des Bilds, das die Inferenzkomponente als Eingabe für eine Make-Vorhersage verwendet. Die Komponente sucht in dem unter angegebenen Ordner nach dem Bild. `ImageDirectory` Standardmäßig verwendet die Komponente das Beispielbild im Standard-Bildverzeichnis. AWS IoT Greengrass unterstützt die folgenden Bildformate: `jpeg``jpg`,`png`, und`npy`.   
<a name="ml-config-imagename-img-default"></a>Standard: `cat.jpeg`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`InferenceInterval`  <a name="ml-config-inferenceinterval"></a>
(Optional) Die Zeit in Sekunden zwischen den einzelnen Vorhersagen des Inferenzcodes. Der Beispiel-Inferenzcode wird unbegrenzt ausgeführt und wiederholt seine Vorhersagen im angegebenen Zeitintervall. Sie können dieses Intervall beispielsweise auf ein kürzeres Intervall ändern, wenn Sie mit einer Kamera aufgenommene Bilder für Vorhersagen in Echtzeit verwenden möchten.  
Standard: `3600`

`ModelResourceKey`  <a name="ml-config-modelresourcekey"></a>
<a name="ml-config-modelresourcekey-desc"></a>(Optional) Die Modelle, die in der abhängigen öffentlichen Modellkomponente verwendet werden. Ändern Sie diesen Parameter nur, wenn Sie die Komponente des öffentlichen Modells durch eine benutzerdefinierte Komponente überschreiben.   
Standard:  

```
{
    "armv7l": "DLR-resnet50-armv7l-cpu-ImageClassification",
    "aarch64": "DLR-resnet50-aarch64-cpu-ImageClassification",
    "x86_64": "DLR-resnet50-x86_64-cpu-ImageClassification",
    "windows": "DLR-resnet50-win-cpu-ImageClassification"
}
```

`UseCamera`  <a name="ml-config-usecamera"></a>
(Optional) Zeichenkettenwert, der definiert, ob Bilder von einer Kamera verwendet werden sollen, die mit dem Greengrass-Core-Gerät verbunden ist. Unterstützte Werte sind `true` und `false`.  
Wenn Sie diesen Wert auf setzen`true`, greift der Beispiel-Inferenzcode auf die Kamera auf Ihrem Gerät zu und führt die Inferenz lokal für das aufgenommene Bild aus. Die Werte der `ImageDirectory` Parameter `ImageName` und werden ignoriert. Stellen Sie sicher, dass der Benutzer, der diese Komponente ausführt, read/write Zugriff auf den Speicherort hat, an dem die Kamera aufgenommene Bilder speichert.  
Standard: `false`  
Wenn Sie sich das Rezept für diese Komponente ansehen, erscheint der `UseCamera` Konfigurationsparameter nicht in der Standardkonfiguration. Sie können den Wert dieses Parameters jedoch in einem [Update zur Zusammenführung der Konfiguration](update-component-configurations.md) ändern, wenn Sie die Komponente bereitstellen.   
Wenn Sie `UseCamera` auf setzen`true`, müssen Sie auch einen Symlink erstellen, damit die Inferenzkomponente über die virtuelle Umgebung, die von der Runtime-Komponente erstellt wurde, auf Ihre Kamera zugreifen kann. Weitere Hinweise zur Verwendung einer Kamera mit den Beispiel-Inferenzkomponenten finden Sie unter. [Komponentenkonfigurationen aktualisieren](ml-tutorial-image-classification-camera.md)

------
#### [ 2.0.x ]

`MLRootPath`  <a name="ml-config-mlrootpath"></a>
<a name="ml-config-mlrootpath-desc"></a>(Optional) Der Pfad des Ordners auf Linux-Kerngeräten, in dem Inferenzkomponenten Bilder lesen und Inferenzergebnisse schreiben. Sie können diesen Wert in einen beliebigen Speicherort auf Ihrem Gerät ändern, auf den der Benutzer, der diese Komponente ausführt, Zugriff hat read/write .  
<a name="ml-config-mlrootpath-default-dlr"></a>Standard: `/greengrass/v2/work/variant.DLR/greengrass_ml`  
<a name="ml-config-mlrootpath-default-tfl"></a>Standard: `/greengrass/v2/work/variant.TensorFlowLite/greengrass_ml`

`Accelerator`  <a name="ml-config-accelerator"></a>
Der Beschleuniger, den Sie verwenden möchten. Unterstützte Werte sind `cpu` und `gpu`.  
Die Beispielmodelle in der abhängigen Modellkomponente unterstützen nur CPU-Beschleunigung. Um die GPU-Beschleunigung mit einem anderen benutzerdefinierten Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Modellkomponente](ml-customization.md#override-public-model-store), um die Komponente des öffentlichen Modells zu überschreiben.  
Standard: `cpu`

`ImageName`  
<a name="ml-config-imagename-desc-dlr-1.3.0"></a>(Optional) Der Name des Bilds, das die Inferenzkomponente als Eingabe für eine Make-Vorhersage verwendet. Die Komponente sucht in dem unter angegebenen Ordner nach dem Bild. `ImageDirectory` Der Standardspeicherort ist`MLRootPath/images`. AWS IoT Greengrass unterstützt die folgenden Bildformate: `jpeg``jpg`,`png`, und`npy`.   
<a name="ml-config-imagename-img-default"></a>Standard: `cat.jpeg`

`InferenceInterval`  <a name="ml-config-inferenceinterval"></a>
(Optional) Die Zeit in Sekunden zwischen den einzelnen Vorhersagen des Inferenzcodes. Der Beispiel-Inferenzcode wird unbegrenzt ausgeführt und wiederholt seine Vorhersagen im angegebenen Zeitintervall. Sie können dieses Intervall beispielsweise auf ein kürzeres Intervall ändern, wenn Sie mit einer Kamera aufgenommene Bilder für Vorhersagen in Echtzeit verwenden möchten.  
Standard: `3600`

`ModelResourceKey`  <a name="ml-config-modelresourcekey"></a>
<a name="ml-config-modelresourcekey-desc"></a>(Optional) Die Modelle, die in der abhängigen öffentlichen Modellkomponente verwendet werden. Ändern Sie diesen Parameter nur, wenn Sie die Komponente des öffentlichen Modells durch eine benutzerdefinierte Komponente überschreiben.   
Standard:  

```
armv7l: "DLR-resnet50-armv7l-cpu-ImageClassification"
x86_64: "DLR-resnet50-x86_64-cpu-ImageClassification"
```

------

## Lokale Protokolldatei
<a name="dlr-image-classification-component-log-file"></a>

Diese Komponente verwendet die folgende Protokolldatei.

------
#### [ Linux ]

```
/greengrass/v2/logs/aws.greengrass.DLRImageClassification.log
```

------
#### [ Windows ]

```
C:\greengrass\v2\logs\aws.greengrass.DLRImageClassification.log
```

------

**Um die Protokolle dieser Komponente einzusehen**
+ Führen Sie den folgenden Befehl auf dem Kerngerät aus, um die Protokolldatei dieser Komponente in Echtzeit anzuzeigen. Ersetzen Sie `/greengrass/v2` oder *C:\$1greengrass\$1v2* durch den Pfad zum AWS IoT Greengrass Stammordner.

------
#### [ Linux ]

  ```
  sudo tail -f /greengrass/v2/logs/aws.greengrass.DLRImageClassification.log
  ```

------
#### [ Windows (PowerShell) ]

  ```
  Get-Content C:\greengrass\v2\logs\aws.greengrass.DLRImageClassification.log -Tail 10 -Wait
  ```

------

## Änderungsprotokoll
<a name="dlr-image-classification-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  **Version**  |  **Änderungen**  | 
| --- | --- | 
|  2.1.14  | Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert. | 
|  2.1.13  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.12  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.11  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.7  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.6  |  Die Version wurde für die Version 2.5.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.5  |  Die Komponente wurde insgesamt veröffentlicht. AWS-Regionen  | 
|  2.1.4  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert. Diese Version ist in Europa (London) nicht verfügbar (`eu-west-2`).  | 
|  2.1.3  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.1  |  <a name="changelog-dlr-image-classification-2.1.1"></a>[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-image-classification-component.html)  | 
|  2.0.4  |  Erste Version  | 

# DLR-Objekterkennung
<a name="dlr-object-detection-component"></a>

Die DLR-Objekterkennungskomponente (`aws.greengrass.DLRObjectDetection`) enthält Beispiel-Inferenzcode für die Durchführung von Inferenzen zur Objekterkennung mithilfe von [Deep Learning Runtime](https://github.com/neo-ai/neo-ai-dlr) sowie vortrainierte Beispielmodelle. Diese Komponente verwendet die Variante [Modellspeicher für DLR-Objekterkennung](dlr-object-detection-model-store-component.md) und die [DLR-Laufzeit](dlr-component.md) Komponenten als Abhängigkeiten, um DLR und die Beispielmodelle herunterzuladen. 

Um diese Inferenzkomponente mit einem speziell trainierten DLR-Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Version](ml-customization.md#override-public-model-store) der abhängigen Modellspeicherkomponente. Um Ihren eigenen benutzerdefinierten Inferenzcode zu verwenden, können Sie das Rezept dieser Komponente als Vorlage verwenden, um eine benutzerdefinierte Inferenzkomponente zu [erstellen](ml-customization.md#create-inference-component).

**Topics**
+ [Versionen](#dlr-object-detection-component-versions)
+ [Typ](#dlr-object-detection-component-type)
+ [Betriebssystem](#dlr-object-detection-component-os-support)
+ [Voraussetzungen](#dlr-object-detection-component-requirements)
+ [Abhängigkeiten](#dlr-object-detection-component-dependencies)
+ [Konfiguration](#dlr-object-detection-component-configuration)
+ [Lokale Protokolldatei](#dlr-object-detection-component-log-file)
+ [Änderungsprotokoll](#dlr-object-detection-component-changelog)

## Versionen
<a name="dlr-object-detection-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x
+ 2.0.x

## Typ
<a name="dlr-object-detection-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente (`aws.greengrass.generic`). Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="dlr-object-detection-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="dlr-object-detection-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den Legacy-Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="dlr-object-detection-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#dlr-object-detection-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.13 and 2.1.14 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.13 und 2.1.14 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.12 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.11 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.11 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.4 - 2.1.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.4 bis 2.1.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 
| [Modellspeicher zur DLR-Objekterkennung](dlr-object-detection-model-store-component.md) | \$12.1.0 | Hart | 
| [DLR](dlr-component.md) | \$11.6.0 | Hart | 

------
#### [ 2.0.x ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.0.x dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | \$12.0.0 | Weich | 
| Modellspeicher für DLR-Objekterkennung | \$12.0.0 | Hart | 
| DLR | \$11.3.0 | Weich | 

------

## Konfiguration
<a name="dlr-object-detection-component-configuration"></a>

Diese Komponente bietet die folgenden Konfigurationsparameter, die Sie bei der Bereitstellung der Komponente anpassen können.

------
#### [ 2.1.x ]

`accessControl`  
<a name="ml-config-accesscontrol-desc"></a>(Optional) Das Objekt, das die [Autorisierungsrichtlinie](interprocess-communication.md#ipc-authorization-policies) enthält, die es der Komponente ermöglicht, Nachrichten unter dem Standardthema für Benachrichtigungen zu veröffentlichen.   
Standard:   

```
{
   "aws.greengrass.ipc.mqttproxy": {
      "aws.greengrass.DLRObjectDetection:mqttproxy:1": {
         "policyDescription": "Allows access to publish via topic ml/dlr/object-detection.",
         "operations": [
            "aws.greengrass#PublishToIoTCore"
         ],
         "resources": [
            "ml/dlr/object-detection"
         ]
      }
   }
}
```

`PublishResultsOnTopic`  
<a name="ml-config-publishresultsontopic-desc"></a>(Optional) Das Thema, zu dem Sie die Inferenzergebnisse veröffentlichen möchten. Wenn Sie diesen Wert ändern, müssen Sie auch den Wert von `resources` im `accessControl` Parameter so ändern, dass er Ihrem benutzerdefinierten Themennamen entspricht.  
Standard: `ml/dlr/object-detection`

`Accelerator`  <a name="ml-config-accelerator"></a>
Der Beschleuniger, den Sie verwenden möchten. Unterstützte Werte sind `cpu` und `gpu`.  
Die Beispielmodelle in der abhängigen Modellkomponente unterstützen nur CPU-Beschleunigung. Um die GPU-Beschleunigung mit einem anderen benutzerdefinierten Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Modellkomponente](ml-customization.md#override-public-model-store), um die Komponente des öffentlichen Modells zu überschreiben.  
Standard: `cpu`

`ImageDirectory`  
<a name="ml-config-imagedirectory-desc"></a>(Optional) Der Pfad des Ordners auf dem Gerät, in dem Inferenzkomponenten Bilder lesen. Sie können diesen Wert an einen beliebigen Ort auf Ihrem Gerät ändern, auf den Sie read/write Zugriff haben.  
<a name="ml-config-imagedirectory-obj-default"></a>Standard: `/greengrass/v2/packages/artifacts-unarchived/component-name/object_detection/sample_images/`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`ImageName`  
<a name="ml-config-imagename-desc"></a>(Optional) Der Name des Bilds, das die Inferenzkomponente als Eingabe für eine Make-Vorhersage verwendet. Die Komponente sucht in dem unter angegebenen Ordner nach dem Bild. `ImageDirectory` Standardmäßig verwendet die Komponente das Beispielbild im Standard-Bildverzeichnis. AWS IoT Greengrass unterstützt die folgenden Bildformate: `jpeg``jpg`,`png`, und`npy`.   
<a name="ml-config-imagename-obj-default"></a>Standard: `objects.jpg`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`InferenceInterval`  <a name="ml-config-inferenceinterval"></a>
(Optional) Die Zeit in Sekunden zwischen den einzelnen Vorhersagen des Inferenzcodes. Der Beispiel-Inferenzcode wird unbegrenzt ausgeführt und wiederholt seine Vorhersagen im angegebenen Zeitintervall. Sie können dieses Intervall beispielsweise auf ein kürzeres Intervall ändern, wenn Sie mit einer Kamera aufgenommene Bilder für Vorhersagen in Echtzeit verwenden möchten.  
Standard: `3600`

`ModelResourceKey`  <a name="ml-config-modelresourcekey"></a>
<a name="ml-config-modelresourcekey-desc"></a>(Optional) Die Modelle, die in der abhängigen öffentlichen Modellkomponente verwendet werden. Ändern Sie diesen Parameter nur, wenn Sie die Komponente des öffentlichen Modells durch eine benutzerdefinierte Komponente überschreiben.   
Standard:  

```
{
    "armv7l": "DLR-yolo3-armv7l-cpu-ObjectDetection",
    "aarch64": "DLR-yolo3-aarch64-gpu-ObjectDetection",
    "x86_64": "DLR-yolo3-x86_64-cpu-ObjectDetection",
    "windows": "DLR-resnet50-win-cpu-ObjectDetection"
}
```

`UseCamera`  <a name="ml-config-usecamera"></a>
(Optional) Zeichenkettenwert, der definiert, ob Bilder von einer Kamera verwendet werden sollen, die mit dem Greengrass-Core-Gerät verbunden ist. Unterstützte Werte sind `true` und `false`.  
Wenn Sie diesen Wert auf setzen`true`, greift der Beispiel-Inferenzcode auf die Kamera auf Ihrem Gerät zu und führt die Inferenz lokal für das aufgenommene Bild aus. Die Werte der `ImageDirectory` Parameter `ImageName` und werden ignoriert. Stellen Sie sicher, dass der Benutzer, der diese Komponente ausführt, read/write Zugriff auf den Speicherort hat, an dem die Kamera aufgenommene Bilder speichert.  
Standard: `false`  
Wenn Sie sich das Rezept für diese Komponente ansehen, erscheint der `UseCamera` Konfigurationsparameter nicht in der Standardkonfiguration. Sie können den Wert dieses Parameters jedoch in einem [Update zur Zusammenführung der Konfiguration](update-component-configurations.md) ändern, wenn Sie die Komponente bereitstellen.   
Wenn Sie `UseCamera` auf setzen`true`, müssen Sie auch einen Symlink erstellen, damit die Inferenzkomponente über die virtuelle Umgebung, die von der Runtime-Komponente erstellt wurde, auf Ihre Kamera zugreifen kann. Weitere Hinweise zur Verwendung einer Kamera mit den Beispiel-Inferenzkomponenten finden Sie unter. [Komponentenkonfigurationen aktualisieren](ml-tutorial-image-classification-camera.md)

------
#### [ 2.0.x ]

`MLRootPath`  <a name="ml-config-mlrootpath"></a>
<a name="ml-config-mlrootpath-desc"></a>(Optional) Der Pfad des Ordners auf Linux-Kerngeräten, in dem Inferenzkomponenten Bilder lesen und Inferenzergebnisse schreiben. Sie können diesen Wert in einen beliebigen Speicherort auf Ihrem Gerät ändern, auf den der Benutzer, der diese Komponente ausführt, Zugriff hat read/write .  
<a name="ml-config-mlrootpath-default-dlr"></a>Standard: `/greengrass/v2/work/variant.DLR/greengrass_ml`  
<a name="ml-config-mlrootpath-default-tfl"></a>Standard: `/greengrass/v2/work/variant.TensorFlowLite/greengrass_ml`

`Accelerator`  
Ändern Sie nicht. Derzeit ist der einzige unterstützte Wert für den Beschleuniger`cpu`, weil die Modelle in den abhängigen Modellkomponenten nur für den CPU-Beschleuniger kompiliert werden.

`ImageName`  
<a name="ml-config-imagename-desc-dlr-1.3.0"></a>(Optional) Der Name des Bilds, das die Inferenzkomponente als Eingabe für eine Make-Vorhersage verwendet. Die Komponente sucht in dem unter angegebenen Ordner nach dem Bild. `ImageDirectory` Der Standardspeicherort ist`MLRootPath/images`. AWS IoT Greengrass unterstützt die folgenden Bildformate: `jpeg``jpg`,`png`, und`npy`.   
<a name="ml-config-imagename-obj-default"></a>Standard: `objects.jpg`

`InferenceInterval`  <a name="ml-config-inferenceinterval"></a>
(Optional) Die Zeit in Sekunden zwischen den einzelnen Vorhersagen des Inferenzcodes. Der Beispiel-Inferenzcode wird unbegrenzt ausgeführt und wiederholt seine Vorhersagen im angegebenen Zeitintervall. Sie können dieses Intervall beispielsweise auf ein kürzeres Intervall ändern, wenn Sie mit einer Kamera aufgenommene Bilder für Vorhersagen in Echtzeit verwenden möchten.  
Standard: `3600`

`ModelResourceKey`  <a name="ml-config-modelresourcekey"></a>
<a name="ml-config-modelresourcekey-desc"></a>(Optional) Die Modelle, die in der abhängigen öffentlichen Modellkomponente verwendet werden. Ändern Sie diesen Parameter nur, wenn Sie die Komponente des öffentlichen Modells durch eine benutzerdefinierte Komponente überschreiben.   
Standard:  

```
{
    armv7l: "DLR-yolo3-armv7l-cpu-ObjectDetection",
    x86_64: "DLR-yolo3-x86_64-cpu-ObjectDetection"
}
```

------

## Lokale Protokolldatei
<a name="dlr-object-detection-component-log-file"></a>

Diese Komponente verwendet die folgende Protokolldatei.

------
#### [ Linux ]

```
/greengrass/v2/logs/aws.greengrass.DLRObjectDetection.log
```

------
#### [ Windows ]

```
C:\greengrass\v2\logs\aws.greengrass.DLRObjectDetection.log
```

------

**Um die Protokolle dieser Komponente einzusehen**
+ Führen Sie den folgenden Befehl auf dem Kerngerät aus, um die Protokolldatei dieser Komponente in Echtzeit anzuzeigen. Ersetzen Sie `/greengrass/v2` oder *C:\$1greengrass\$1v2* durch den Pfad zum AWS IoT Greengrass Stammordner.

------
#### [ Linux ]

  ```
  sudo tail -f /greengrass/v2/logs/aws.greengrass.DLRObjectDetection.log
  ```

------
#### [ Windows (PowerShell) ]

  ```
  Get-Content C:\greengrass\v2\logs\aws.greengrass.DLRObjectDetection.log -Tail 10 -Wait
  ```

------

## Änderungsprotokoll
<a name="dlr-object-detection-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  **Version**  |  **Änderungen**  | 
| --- | --- | 
|  2.1.14  | Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert. | 
|  2.1.13  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.12  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.11  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.7  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.6  |  Die Version wurde für die Version 2.5.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.5  |  Die Komponente wurde insgesamt veröffentlicht. AWS-Regionen  | 
|  2.1.4  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert. Diese Version ist in Europa (London) nicht verfügbar (`eu-west-2`).  | 
|  2.1.3  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  <a name="changelog-dlr-object-detection-2.1.2"></a>[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-object-detection-component.html)  | 
|  2.1.1  |  <a name="changelog-dlr-object-detection-2.1.1"></a>[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-object-detection-component.html)  | 
|  2.0.4  |  Erste Version  | 

# Modellspeicher für die DLR-Bildklassifizierung
<a name="dlr-image-classification-model-store-component"></a>

Der DLR-Bildklassifizierungsmodellspeicher ist eine Modellkomponente für maschinelles Lernen, die vortrainierte ResNet -50 Modelle als Greengrass-Artefakte enthält. [Die in dieser Komponente verwendeten vortrainierten Modelle werden aus dem [GluonCV Model Zoo](https://cv.gluon.ai/model_zoo/index.html) abgerufen und mit AI Neo Deep Learning Runtime kompiliert. SageMaker ](https://github.com/neo-ai/neo-ai-dlr)

Die [DLR-Inferenzkomponente zur Bildklassifizierung](dlr-image-classification-component.md) verwendet diese Komponente als Abhängigkeit für die Modellquelle. Um ein benutzerdefiniertes DLR-Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Version](ml-customization.md#override-public-model-store) dieser Modellkomponente und fügen Sie Ihr benutzerdefiniertes Modell als Komponentenartefakt hinzu. Sie können das Rezept dieser Komponente als Vorlage verwenden, um benutzerdefinierte Modellkomponenten zu erstellen. 

**Anmerkung**  
Der Name der DLR-Speicherkomponente für das Bildklassifizierungsmodell variiert je nach Version. Der Komponentenname für Version 2.1.x und spätere Versionen lautet. `variant.DLR.ImageClassification.ModelStore` Der Komponentenname für Version 2.0.x lautet. `variant.ImageClassification.ModelStore`

**Topics**
+ [Versionen](#dlr-image-classification-model-store-component-versions)
+ [Typ](#dlr-image-classification-model-store-component-type)
+ [Betriebssystem](#dlr-image-classification-model-store-component-os-support)
+ [Voraussetzungen](#dlr-image-classification-model-store-component-requirements)
+ [Abhängigkeiten](#dlr-image-classification-model-store-component-dependencies)
+ [Konfiguration](#dlr-image-classification-model-store-component-configuration)
+ [Lokale Protokolldatei](#dlr-image-classification-model-store-component-log-file)
+ [Änderungsprotokoll](#dlr-image-classification-model-store-component-changelog)

## Versionen
<a name="dlr-image-classification-model-store-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x () `variant.DLR.ImageClassification.ModelStore` 
+ 2.0.x () `variant.ImageClassification.ModelStore` 

## Typ
<a name="dlr-image-classification-model-store-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente (`aws.greengrass.generic`). Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="dlr-image-classification-model-store-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="dlr-image-classification-model-store-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den Legacy-Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="dlr-image-classification-model-store-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#dlr-image-classification-model-store-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.12 - 2.1.14 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.12 und 2.1.13 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 

------
#### [ 2.1.11 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.11 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 

------
#### [ 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 

------
#### [ 2.1.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 

------
#### [ 2.1.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 

------
#### [ 2.0.x ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.0.x dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | \$12.0.0 | Weich | 

------

## Konfiguration
<a name="dlr-image-classification-model-store-component-configuration"></a>

Diese Komponente hat keine Konfigurationsparameter.

## Lokale Protokolldatei
<a name="dlr-image-classification-model-store-component-log-file"></a>

Diese Komponente gibt keine Protokolle aus.

## Änderungsprotokoll
<a name="dlr-image-classification-model-store-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  **Version**  |  **Änderungen**  | 
| --- | --- | 
|  2.1.13  | Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert. | 
|  2.1.12  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.11  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.7  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.6  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.5  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-image-classification-model-store-component.html)  | 
|  2.1.4  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.3  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.1  |  <a name="changelog-dlr-image-classification-model-store-2.1.1"></a>[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-image-classification-model-store-component.html)  | 
|  2.0.4  |  Erste Version  | 

# Modellspeicher für DLR-Objekterkennung
<a name="dlr-object-detection-model-store-component"></a>

Der DLR-Modellspeicher zur Objekterkennung ist eine Modellkomponente für maschinelles Lernen, die vortrainierte YOLOv3 Modelle als Greengrass-Artefakte enthält. [Die in dieser Komponente verwendeten Beispielmodelle werden aus dem [GluonCV Model Zoo](https://cv.gluon.ai/model_zoo/index.html) abgerufen und mit AI Neo Deep Learning Runtime SageMaker kompiliert.](https://github.com/neo-ai/neo-ai-dlr)

Die [DLR-Inferenzkomponente zur Objekterkennung](dlr-object-detection-component.md) verwendet diese Komponente als Abhängigkeit für die Modellquelle. Um ein benutzerdefiniertes DLR-Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Version](ml-customization.md#override-public-model-store) dieser Modellkomponente und fügen Sie Ihr benutzerdefiniertes Modell als Komponentenartefakt hinzu. Sie können das Rezept dieser Komponente als Vorlage verwenden, um benutzerdefinierte Modellkomponenten zu erstellen. 

**Anmerkung**  
Der Name der Speicherkomponente für das DLR-Objekterkennungsmodell variiert je nach Version. Der Komponentenname für Version 2.1.x und spätere Versionen lautet. `variant.DLR.ObjectDetection.ModelStore` Der Komponentenname für Version 2.0.x lautet. `variant.ObjectDetection.ModelStore`

**Topics**
+ [Versionen](#dlr-object-detection-model-store-component-versions)
+ [Typ](#dlr-object-detection-model-store-component-type)
+ [Betriebssystem](#dlr-object-detection-model-store-component-os-support)
+ [Voraussetzungen](#dlr-object-detection-model-store-component-requirements)
+ [Abhängigkeiten](#dlr-object-detection-model-store-component-dependencies)
+ [Konfiguration](#dlr-object-detection-model-store-component-configuration)
+ [Lokale Protokolldatei](#dlr-object-detection-model-store-component-log-file)
+ [Änderungsprotokoll](#dlr-object-detection-model-store-component-changelog)

## Versionen
<a name="dlr-object-detection-model-store-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x 
+ 2.0.x

## Typ
<a name="dlr-object-detection-model-store-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente (`aws.greengrass.generic`). Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="dlr-object-detection-model-store-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="dlr-object-detection-model-store-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den alten Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="dlr-object-detection-model-store-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#dlr-object-detection-model-store-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.13 and 2.1.14 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.13 und 2.1.14 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 

------
#### [ 2.1.12 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 

------
#### [ 2.1.11 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.11 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 

------
#### [ 2.1.5 and 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.5 und 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 

------
#### [ 2.1.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 

------
#### [ 2.0.x ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.0.x dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | \$12.0.0 | Weich | 

------

## Konfiguration
<a name="dlr-object-detection-model-store-component-configuration"></a>

Diese Komponente hat keine Konfigurationsparameter.

## Lokale Protokolldatei
<a name="dlr-object-detection-model-store-component-log-file"></a>

Diese Komponente gibt keine Protokolle aus.

## Änderungsprotokoll
<a name="dlr-object-detection-model-store-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  **Version**  |  **Änderungen**  | 
| --- | --- | 
|  2.1.14  |  Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert.  | 
|  2.1.13  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.12  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.11  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.7  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.6  |  Fügt ein CPU-Modell hinzu, um ein Problem auf Armv8 () AArch64 -Geräten zu beheben.  | 
|  2.1.5  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-object-detection-model-store-component.html)  | 
|  2.1.4  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.3  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.1  |  <a name="changelog-dlr-object-detection-model-store-2.1.1"></a>[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-object-detection-model-store-component.html) | 
|  2.0.4  |  Erste Version  | 

# DLR-Laufzeit
<a name="dlr-component"></a>

Die DLR-Laufzeitkomponente (`variant.DLR`) enthält ein Skript, das [Deep Learning Runtime](https://github.com/neo-ai/neo-ai-dlr) (DLR) und seine Abhängigkeiten in einer virtuellen Umgebung auf Ihrem Gerät installiert. Die [DLR-Objekterkennung](dlr-object-detection-component.md) Komponenten [DLR-Bildklassifizierung](dlr-image-classification-component.md) und verwenden diese Komponente als Abhängigkeit für die Installation von DLR. Mit der Komponentenversion 1.6.x wird DLR v1.6.0 installiert und mit der Komponentenversion 1.3.x wird DLR v1.3.0 installiert. 

[Um eine andere Laufzeit zu verwenden, können Sie das Rezept dieser Komponente als Vorlage verwenden, um eine benutzerdefinierte Komponente für maschinelles Lernen zu erstellen.](ml-customization.md) 

**Topics**
+ [Versionen](#dlr-component-versions)
+ [Typ](#dlr-component-type)
+ [Betriebssystem](#dlr-component-os-support)
+ [Voraussetzungen](#dlr-component-requirements)
+ [Abhängigkeiten](#dlr-component-dependencies)
+ [Konfiguration](#dlr-component-configuration)
+ [Usage](#dlr-component-usage)
+ [Lokale Protokolldatei](#dlr-component-log-file)
+ [Änderungsprotokoll](#dlr-component-changelog)

## Versionen
<a name="dlr-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 1.6.x
+ 1.3.x

## Typ
<a name="dlr-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente () `aws.greengrass.generic`. Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="dlr-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="dlr-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den Legacy-Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

### Endpunkte und Anschlüsse
<a name="dlr-component-endpoints"></a>

Standardmäßig verwendet diese Komponente ein Installationsskript, um Pakete mit den `pip` Befehlen`apt`, `yum``brew`, und zu installieren, je nachdem, welche Plattform das Kerngerät verwendet. Diese Komponente muss in der Lage sein, ausgehende Anfragen an verschiedene Paketindizes und Repositorys auszuführen, um das Installationsskript auszuführen. Damit der ausgehende Datenverkehr dieser Komponente über einen Proxy oder eine Firewall übertragen werden kann, müssen Sie die Endpunkte für die Paketindizes und Repositorys identifizieren, zu denen Ihr Kerngerät eine Verbindung zur Installation herstellt.

Beachten Sie bei der Identifizierung von Endpunkten, die für das Installationsskript dieser Komponente erforderlich sind, Folgendes:
+ Die Endpunkte hängen von der Plattform des Kerngeräts ab. Beispielsweise verwendet ein Kerngerät, auf dem Ubuntu ausgeführt wird, `apt` eher als `yum` oder`brew`. Darüber hinaus haben Geräte, die denselben Paketindex verwenden, möglicherweise unterschiedliche Quelllisten, sodass sie Pakete aus verschiedenen Repositorys abrufen können.
+ Die Endpunkte können sich bei mehreren Geräten, die denselben Paketindex verwenden, unterscheiden, da jedes Gerät über eigene Quelllisten verfügt, die definieren, wo Pakete abgerufen werden sollen.
+ Die Endpunkte können sich im Laufe der Zeit ändern. Jeder Paketindex enthält die URLs Repositorys, in die Sie Pakete herunterladen, und der Besitzer eines Pakets kann ändern, was URLs der Paketindex bereitstellt.

Weitere Informationen zu den Abhängigkeiten, die diese Komponente installiert, und zur Deaktivierung des Installationsskripts finden Sie unter dem [UseInstaller](#dlr-component-config-useinstaller-term)Konfigurationsparameter.

Weitere Informationen zu Endpunkten und Ports, die für den Basisbetrieb erforderlich sind, finden Sie unter[Geräteverkehr über einen Proxy oder eine Firewall zulassen](allow-device-traffic.md).

## Abhängigkeiten
<a name="dlr-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#dlr-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 1.6.11 - 1.6.16 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 1.6.11 bis 1.6.16 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <3.0.0 | Weich | 

------
#### [ 1.6.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.6.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 

------
#### [ 1.6.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.6.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 

------
#### [ 1.6.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.6.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 

------
#### [ 1.6.6 and 1.6.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 1.6.6 und 1.6.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 

------
#### [ 1.6.4 and 1.6.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 1.6.4 und 1.6.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 

------
#### [ 1.6.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.6.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 

------
#### [ 1.6.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.6.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 

------
#### [ 1.6.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.6.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 

------
#### [ 1.3.x ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 1.3.x dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | \$12.0.0 | Weich | 

------

Weitere Informationen zu Komponentenabhängigkeiten finden Sie in der Referenz zu den [Komponentenrezepten](component-recipe-reference.md#recipe-reference-component-dependencies).

## Konfiguration
<a name="dlr-component-configuration"></a>

Diese Komponente stellt die folgenden Konfigurationsparameter bereit, die Sie bei der Bereitstellung der Komponente anpassen können.

`MLRootPath`  
<a name="ml-config-mlrootpath-desc"></a>(Optional) Der Pfad des Ordners auf Linux-Kerngeräten, in dem Inferenzkomponenten Bilder lesen und Inferenzergebnisse schreiben. Sie können diesen Wert in einen beliebigen Speicherort auf Ihrem Gerät ändern, auf den der Benutzer, der diese Komponente ausführt, Zugriff hat read/write .  
<a name="ml-config-mlrootpath-default-dlr"></a>Standard: `/greengrass/v2/work/variant.DLR/greengrass_ml`

`WindowsMLRootPath`  
Diese Funktion ist in Version 1.6.6 und höher dieser Komponente verfügbar.  
<a name="ml-config-windowsmlrootpath-desc"></a>(Optional) Der Pfad des Ordners auf dem Windows Core-Gerät, in dem Inferenzkomponenten Bilder lesen und Inferenzergebnisse schreiben. Sie können diesen Wert in einen beliebigen Speicherort auf Ihrem Gerät ändern, auf den der Benutzer, der diese Komponente ausführt, Zugriff hat read/write .  
<a name="ml-config-windowsmlrootpath-default-dlr"></a>Standard: `C:\greengrass\v2\\work\\variant.DLR\\greengrass_ml`

  `UseInstaller`   
<a name="ml-config-useinstaller-desc-dlr"></a>(Optional) Zeichenkettenwert, der definiert, ob das Installationsskript in dieser Komponente zur Installation von DLR und seinen Abhängigkeiten verwendet werden soll. Unterstützte Werte sind `true` und `false`.   <a name="ml-config-useinstaller-libraries-dlr"></a>

Legen Sie diesen Wert auf fest, `false` wenn Sie ein benutzerdefiniertes Skript für die DLR-Installation verwenden möchten oder wenn Sie Laufzeitabhängigkeiten in ein vorgefertigtes Linux-Image aufnehmen möchten. Um diese Komponente mit den von AWS-bereitgestellten DLR-Inferenzkomponenten zu verwenden, installieren Sie die folgenden Bibliotheken, einschließlich aller Abhängigkeiten, und stellen Sie sie dem Systembenutzer zur Verfügung, z. B. dem Systembenutzer, der die ML-Komponenten `ggc_user` ausführt.
+ [Python](https://www.python.org/downloads/) 3.7 oder höher, auch `pip` für Ihre Version von Python.
+ [Deep Learning Runtime](https://github.com/neo-ai/neo-ai-dlr) v1.6.0
+ [NumPy](https://numpy.org/install/).
+ [OpenCV-Python](https://pypi.org/project/opencv-python/).
+ [AWS IoT Device SDK v2 für Python](https://github.com/aws/aws-iot-device-sdk-python-v2).
+ [AWS Common Runtime (CRT) Python](https://github.com/awslabs/aws-crt-python).
+ [Picamera](https://picamera.readthedocs.io/en/release-1.13/) (nur für Raspberry Pi-Geräte).
+ [`awscam`Modul](https://docs.aws.amazon.com/deeplens/latest/dg/deeplens-library-awscam-module.html) (für AWS DeepLens Geräte).
+ LibGL (für Linux-Geräte)
<a name="ml-config-useinstaller-default"></a>Standard: `true`

## Usage
<a name="dlr-component-usage"></a>

Verwenden Sie diese Komponente mit dem `UseInstaller` Konfigurationsparameter auf, `true` um DLR und seine Abhängigkeiten auf Ihrem Gerät zu installieren. Die Komponente richtet eine virtuelle Umgebung auf Ihrem Gerät ein, die OpenCV und die NumPy Bibliotheken enthält, die für DLR erforderlich sind. 

**Anmerkung**  <a name="ml-installer-component-usage-note"></a>
Das Installationsskript in dieser Komponente installiert auch die neuesten Versionen zusätzlicher Systembibliotheken, die für die Konfiguration der virtuellen Umgebung auf Ihrem Gerät und die Verwendung des installierten Frameworks für maschinelles Lernen erforderlich sind. Dadurch könnten die vorhandenen Systembibliotheken auf Ihrem Gerät aktualisiert werden. In der folgenden Tabelle finden Sie eine Liste der Bibliotheken, die diese Komponente für jedes unterstützte Betriebssystem installiert. Wenn Sie diesen Installationsvorgang anpassen möchten, setzen Sie den `UseInstaller` Konfigurationsparameter auf `false` und entwickeln Sie Ihr eigenes Installationsskript.


| Plattform | Auf dem Gerätesystem installierte Bibliotheken | In der virtuellen Umgebung installierte Bibliotheken | 
| --- | --- | --- | 
| Armv7l | build-essential, cmake, ca-certificates, git | setuptools, wheel | 
| Amazon Linux 2 | mesa-libGL | Keine | 
| Ubuntu | wget | Keine | 

Wenn Sie Ihre Inferenzkomponente bereitstellen, überprüft diese Runtime-Komponente zunächst, ob DLR und seine Abhängigkeiten bereits auf Ihrem Gerät installiert sind, und falls nicht, installiert sie sie dann für Sie. 

## Lokale Protokolldatei
<a name="dlr-component-log-file"></a>

Diese Komponente verwendet die folgende Protokolldatei.

------
#### [ Linux ]

```
/greengrass/v2/logs/variant.DLR.log
```

------
#### [ Windows ]

```
C:\greengrass\v2\logs\variant.DLR.log
```

------

**Um die Protokolle dieser Komponente einzusehen**
+ Führen Sie den folgenden Befehl auf dem Kerngerät aus, um die Protokolldatei dieser Komponente in Echtzeit anzuzeigen. Ersetzen Sie `/greengrass/v2` oder *C:\$1greengrass\$1v2* durch den Pfad zum AWS IoT Greengrass Stammordner.

------
#### [ Linux ]

  ```
  sudo tail -f /greengrass/v2/logs/variant.DLR.log
  ```

------
#### [ Windows (PowerShell) ]

  ```
  Get-Content C:\greengrass\v2\logs\variant.DLR.log -Tail 10 -Wait
  ```

------

## Änderungsprotokoll
<a name="dlr-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  **Version**  |  **Änderungen**  | 
| --- | --- | 
|  1.6.16  |  Version für Greengrass Nucleus Version 2.12.5 aktualisiert.  | 
|  1.6.12  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-component.html)  | 
|  1.6.11  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  1.6.10  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  1.6.9  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  1.6.8  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  1.6.7  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-component.html)  | 
|  1.6.6  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-component.html)  | 
|  1.6.5  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-component.html)  | 
|  1.6.4  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  1.6.3  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  1.6.2  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  1.6.1  |  <a name="changelog-dlr-1.6.1"></a>[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/dlr-component.html)  | 
|  1.3.2  |  Erste Version Installiert DLR v1.3.0.  | 

# TensorFlow Lite-Bildklassifizierung
<a name="tensorflow-lite-image-classification-component"></a>

Die TensorFlow Lite-Komponente zur Bildklassifizierung (`aws.greengrass.TensorFlowLiteImageClassification`) enthält einen Beispiel-Inferenzcode für die Durchführung von Inferenzen zur Bildklassifizierung mithilfe der [TensorFlow Lite-Laufzeit](https://www.tensorflow.org/lite/guide/python) und ein vortrainiertes quantisiertes MobileNet 1.0-Beispielmodell. Diese Komponente verwendet die Variante [TensorFlow Modellspeicher für Lite-Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) und die [TensorFlow Lite-Laufzeit](tensorflow-lite-component.md) Komponenten als Abhängigkeiten, um die TensorFlow Lite-Laufzeit und das Beispielmodell herunterzuladen.

Um diese Inferenzkomponente mit einem individuell trainierten TensorFlow Lite-Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Version](ml-customization.md#override-public-model-store) der abhängigen Modellspeicherkomponente. Um Ihren eigenen benutzerdefinierten Inferenzcode zu verwenden, können Sie das Rezept dieser Komponente als Vorlage verwenden, um [eine benutzerdefinierte Inferenzkomponente zu erstellen](ml-customization.md#create-inference-component).

**Topics**
+ [Versionen](#tensorflow-lite-image-classification-component-versions)
+ [Typ](#tensorflow-lite-image-classification-component-type)
+ [Betriebssystem](#tensorflow-lite-image-classification-component-os-support)
+ [Voraussetzungen](#tensorflow-lite-image-classification-component-requirements)
+ [Abhängigkeiten](#tensorflow-lite-image-classification-component-dependencies)
+ [Konfiguration](#tensorflow-lite-image-classification-component-configuration)
+ [Lokale Protokolldatei](#tensorflow-lite-image-classification-component-log-file)
+ [Änderungsprotokoll](#tensorflow-lite-image-classification-component-changelog)

## Versionen
<a name="tensorflow-lite-image-classification-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x

## Typ
<a name="tensorflow-lite-image-classification-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente () `aws.greengrass.generic`. Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="tensorflow-lite-image-classification-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="tensorflow-lite-image-classification-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den alten Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="tensorflow-lite-image-classification-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#tensorflow-lite-image-classification-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.11 and 2.1.12 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.11 und 2.1.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------

## Konfiguration
<a name="tensorflow-lite-image-classification-component-configuration"></a>

Diese Komponente stellt die folgenden Konfigurationsparameter bereit, die Sie bei der Bereitstellung der Komponente anpassen können.

`accessControl`  
<a name="ml-config-accesscontrol-desc"></a>(Optional) Das Objekt, das die [Autorisierungsrichtlinie](interprocess-communication.md#ipc-authorization-policies) enthält, die es der Komponente ermöglicht, Nachrichten unter dem Standardthema für Benachrichtigungen zu veröffentlichen.   
Standard:   

```
{
   "aws.greengrass.ipc.mqttproxy": {
      "aws.greengrass.TensorFlowLiteImageClassification:mqttproxy:1": {
         "policyDescription": "Allows access to publish via topic ml/tflite/image-classification.",
         "operations": [
            "aws.greengrass#PublishToIoTCore"
         ],
         "resources": [
            "ml/tflite/image-classification"
         ]
      }
   }
}
```

`PublishResultsOnTopic`  
<a name="ml-config-publishresultsontopic-desc"></a>(Optional) Das Thema, zu dem Sie die Inferenzergebnisse veröffentlichen möchten. Wenn Sie diesen Wert ändern, müssen Sie auch den Wert von `resources` im `accessControl` Parameter so ändern, dass er Ihrem benutzerdefinierten Themennamen entspricht.  
Standard: `ml/tflite/image-classification`

`Accelerator`  <a name="ml-config-accelerator"></a>
Der Beschleuniger, den Sie verwenden möchten. Unterstützte Werte sind `cpu` und `gpu`.  
Die Beispielmodelle in der abhängigen Modellkomponente unterstützen nur CPU-Beschleunigung. Um die GPU-Beschleunigung mit einem anderen benutzerdefinierten Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Modellkomponente](ml-customization.md#override-public-model-store), um die Komponente des öffentlichen Modells zu überschreiben.  
Standard: `cpu`

`ImageDirectory`  
<a name="ml-config-imagedirectory-desc"></a>(Optional) Der Pfad des Ordners auf dem Gerät, in dem Inferenzkomponenten Bilder lesen. Sie können diesen Wert an einen beliebigen Ort auf Ihrem Gerät ändern, auf den Sie read/write Zugriff haben.  
<a name="ml-config-imagedirectory-img-default"></a>Standard: `/greengrass/v2/packages/artifacts-unarchived/component-name/image_classification/sample_images/`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`ImageName`  
<a name="ml-config-imagename-desc"></a>(Optional) Der Name des Bilds, das die Inferenzkomponente als Eingabe für eine Make-Vorhersage verwendet. Die Komponente sucht in dem unter angegebenen Ordner nach dem Bild. `ImageDirectory` Standardmäßig verwendet die Komponente das Beispielbild im Standard-Bildverzeichnis. AWS IoT Greengrass unterstützt die folgenden Bildformate: `jpeg``jpg`,`png`, und`npy`.   
<a name="ml-config-imagename-img-default"></a>Standard: `cat.jpeg`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`InferenceInterval`  <a name="ml-config-inferenceinterval"></a>
(Optional) Die Zeit in Sekunden zwischen den einzelnen Vorhersagen des Inferenzcodes. Der Beispiel-Inferenzcode wird unbegrenzt ausgeführt und wiederholt seine Vorhersagen im angegebenen Zeitintervall. Sie können dieses Intervall beispielsweise auf ein kürzeres Intervall ändern, wenn Sie mit einer Kamera aufgenommene Bilder für Vorhersagen in Echtzeit verwenden möchten.  
Standard: `3600`

`ModelResourceKey`  <a name="ml-config-modelresourcekey"></a>
<a name="ml-config-modelresourcekey-desc"></a>(Optional) Die Modelle, die in der abhängigen öffentlichen Modellkomponente verwendet werden. Ändern Sie diesen Parameter nur, wenn Sie die Komponente des öffentlichen Modells durch eine benutzerdefinierte Komponente überschreiben.   
Standard:  

```
{
    "model": "TensorFlowLite-Mobilenet"
}
```

`UseCamera`  <a name="ml-config-usecamera"></a>
(Optional) Zeichenkettenwert, der definiert, ob Bilder von einer Kamera verwendet werden sollen, die mit dem Greengrass-Core-Gerät verbunden ist. Unterstützte Werte sind `true` und `false`.  
Wenn Sie diesen Wert auf setzen`true`, greift der Beispiel-Inferenzcode auf die Kamera auf Ihrem Gerät zu und führt die Inferenz lokal für das aufgenommene Bild aus. Die Werte der `ImageDirectory` Parameter `ImageName` und werden ignoriert. Stellen Sie sicher, dass der Benutzer, der diese Komponente ausführt, read/write Zugriff auf den Speicherort hat, an dem die Kamera aufgenommene Bilder speichert.  
Standard: `false`  
Wenn Sie sich das Rezept für diese Komponente ansehen, erscheint der `UseCamera` Konfigurationsparameter nicht in der Standardkonfiguration. Sie können den Wert dieses Parameters jedoch in einem [Update zur Zusammenführung der Konfiguration](update-component-configurations.md) ändern, wenn Sie die Komponente bereitstellen.   
Wenn Sie `UseCamera` auf setzen`true`, müssen Sie auch einen Symlink erstellen, damit die Inferenzkomponente über die virtuelle Umgebung, die von der Runtime-Komponente erstellt wurde, auf Ihre Kamera zugreifen kann. Weitere Hinweise zur Verwendung einer Kamera mit den Beispiel-Inferenzkomponenten finden Sie unter. [Komponentenkonfigurationen aktualisieren](ml-tutorial-image-classification-camera.md)

## Lokale Protokolldatei
<a name="tensorflow-lite-image-classification-component-log-file"></a>

Diese Komponente verwendet die folgende Protokolldatei.

------
#### [ Linux ]

```
/greengrass/v2/logs/aws.greengrass.TensorFlowLiteImageClassification.log
```

------
#### [ Windows ]

```
C:\greengrass\v2\logs\aws.greengrass.TensorFlowLiteImageClassification.log
```

------

**Um die Protokolle dieser Komponente einzusehen**
+ Führen Sie den folgenden Befehl auf dem Kerngerät aus, um die Protokolldatei dieser Komponente in Echtzeit anzuzeigen. Ersetzen Sie `/greengrass/v2` oder *C:\$1greengrass\$1v2* durch den Pfad zum AWS IoT Greengrass Stammordner.

------
#### [ Linux ]

  ```
  sudo tail -f /greengrass/v2/logs/aws.greengrass.TensorFlowLiteImageClassification.log
  ```

------
#### [ Windows (PowerShell) ]

  ```
  Get-Content C:\greengrass\v2\logs\aws.greengrass.TensorFlowLiteImageClassification.log -Tail 10 -Wait
  ```

------

## Änderungsprotokoll
<a name="tensorflow-lite-image-classification-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  Version  |  Änderungen  | 
| --- | --- | 
|  2.1.12  |  Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert.  | 
|  2.1.11  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.7  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.6  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.5  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.4  |  Die Version wurde für die Version 2.5.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.3  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.1  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.0  |  Erste Version  | 

# TensorFlow Lite-Objekterkennung
<a name="tensorflow-lite-object-detection-component"></a>

Die TensorFlow Lite-Objekterkennungskomponente (`aws.greengrass.TensorFlowLiteObjectDetection`) enthält einen Beispiel-Inferenzcode für die Durchführung von Inferenzen zur Objekterkennung mit [TensorFlow Lite](https://www.tensorflow.org/lite/guide/python) und ein vortrainiertes Single Shot Detection (SSD) MobileNet 1.0-Modell als Beispiel. Diese Komponente verwendet die Variante [TensorFlow Modellspeicher für Lite-Objekterkennung](tensorflow-lite-object-detection-model-store-component.md) und die [TensorFlow Lite-Laufzeit](tensorflow-lite-component.md) Komponenten als Abhängigkeiten, um TensorFlow Lite und das Beispielmodell herunterzuladen. 

Um diese Inferenzkomponente mit einem speziell trainierten TensorFlow Lite-Modell zu verwenden, können Sie [eine benutzerdefinierte Version der abhängigen Modellspeicherkomponente erstellen](ml-customization.md#override-public-model-store). Um Ihren eigenen benutzerdefinierten Inferenzcode zu verwenden, verwenden Sie das Rezept dieser Komponente als Vorlage, um [eine benutzerdefinierte Inferenzkomponente zu erstellen](ml-customization.md#create-inference-component).

**Topics**
+ [Versionen](#tensorflow-lite-object-detection-component-versions)
+ [Typ](#tensorflow-lite-object-detection-component-type)
+ [Betriebssystem](#tensorflow-lite-object-detection-component-os-support)
+ [Voraussetzungen](#tensorflow-lite-object-detection-component-requirements)
+ [Abhängigkeiten](#tensorflow-lite-object-detection-component-dependencies)
+ [Konfiguration](#tensorflow-lite-object-detection-component-configuration)
+ [Lokale Protokolldatei](#tensorflow-lite-object-detection-component-log-file)
+ [Änderungsprotokoll](#tensorflow-lite-object-detection-component-changelog)

## Versionen
<a name="tensorflow-lite-object-detection-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x

## Typ
<a name="tensorflow-lite-object-detection-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente () `aws.greengrass.generic`. Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="tensorflow-lite-object-detection-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="tensorflow-lite-object-detection-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den Legacy-Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="tensorflow-lite-object-detection-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#tensorflow-lite-object-detection-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.11 and 2.1.12 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.11 und 2.1.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------
#### [ 2.1.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 
| [TensorFlow Lite-Modellspeicher zur Bildklassifizierung](tensorflow-lite-image-classification-model-store-component.md) | >=2.1.0 <2.2.0 | Hart | 
| [TensorFlow Leicht](tensorflow-lite-component.md) | >=2,5,0 <2,6,0 | Hart | 

------

## Konfiguration
<a name="tensorflow-lite-object-detection-component-configuration"></a>

Diese Komponente stellt die folgenden Konfigurationsparameter bereit, die Sie bei der Bereitstellung der Komponente anpassen können.

`accessControl`  
<a name="ml-config-accesscontrol-desc"></a>(Optional) Das Objekt, das die [Autorisierungsrichtlinie](interprocess-communication.md#ipc-authorization-policies) enthält, die es der Komponente ermöglicht, Nachrichten unter dem Standardthema für Benachrichtigungen zu veröffentlichen.   
Standard:   

```
{
   "aws.greengrass.ipc.mqttproxy": {
      "aws.greengrass.TensorFlowLiteObjectDetection:mqttproxy:1": {
         "policyDescription": "Allows access to publish via topic ml/tflite/object-detection.",
         "operations": [
            "aws.greengrass#PublishToIoTCore"
         ],
         "resources": [
            "ml/tflite/object-detection"
         ]
      }
   }
}
```

`PublishResultsOnTopic`  
<a name="ml-config-publishresultsontopic-desc"></a>(Optional) Das Thema, zu dem Sie die Inferenzergebnisse veröffentlichen möchten. Wenn Sie diesen Wert ändern, müssen Sie auch den Wert von `resources` im `accessControl` Parameter so ändern, dass er Ihrem benutzerdefinierten Themennamen entspricht.  
Standard: `ml/tflite/object-detection`

`Accelerator`  <a name="ml-config-accelerator"></a>
Der Beschleuniger, den Sie verwenden möchten. Unterstützte Werte sind `cpu` und `gpu`.  
Die Beispielmodelle in der abhängigen Modellkomponente unterstützen nur CPU-Beschleunigung. Um die GPU-Beschleunigung mit einem anderen benutzerdefinierten Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Modellkomponente](ml-customization.md#override-public-model-store), um die Komponente des öffentlichen Modells zu überschreiben.  
Standard: `cpu`

`ImageDirectory`  
<a name="ml-config-imagedirectory-desc"></a>(Optional) Der Pfad des Ordners auf dem Gerät, in dem Inferenzkomponenten Bilder lesen. Sie können diesen Wert an einen beliebigen Ort auf Ihrem Gerät ändern, auf den Sie read/write Zugriff haben.  
<a name="ml-config-imagedirectory-obj-default"></a>Standard: `/greengrass/v2/packages/artifacts-unarchived/component-name/object_detection/sample_images/`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`ImageName`  
<a name="ml-config-imagename-desc"></a>(Optional) Der Name des Bilds, das die Inferenzkomponente als Eingabe für eine Make-Vorhersage verwendet. Die Komponente sucht in dem unter angegebenen Ordner nach dem Bild. `ImageDirectory` Standardmäßig verwendet die Komponente das Beispielbild im Standard-Bildverzeichnis. AWS IoT Greengrass unterstützt die folgenden Bildformate: `jpeg``jpg`,`png`, und`npy`.   
<a name="ml-config-imagename-obj-default"></a>Standard: `objects.jpg`  
Wenn Sie den Wert `UseCamera` auf setzen`true`, wird dieser Konfigurationsparameter ignoriert. 

`InferenceInterval`  <a name="ml-config-inferenceinterval"></a>
(Optional) Die Zeit in Sekunden zwischen den einzelnen Vorhersagen des Inferenzcodes. Der Beispiel-Inferenzcode wird unbegrenzt ausgeführt und wiederholt seine Vorhersagen im angegebenen Zeitintervall. Sie können dieses Intervall beispielsweise auf ein kürzeres Intervall ändern, wenn Sie mit einer Kamera aufgenommene Bilder für Vorhersagen in Echtzeit verwenden möchten.  
Standard: `3600`

`ModelResourceKey`  <a name="ml-config-modelresourcekey"></a>
<a name="ml-config-modelresourcekey-desc"></a>(Optional) Die Modelle, die in der abhängigen öffentlichen Modellkomponente verwendet werden. Ändern Sie diesen Parameter nur, wenn Sie die Komponente des öffentlichen Modells durch eine benutzerdefinierte Komponente überschreiben.   
Standard:  

```
{
    "model": "TensorFlowLite-SSD"
}
```

`UseCamera`  <a name="ml-config-usecamera"></a>
(Optional) Zeichenkettenwert, der definiert, ob Bilder von einer Kamera verwendet werden sollen, die mit dem Greengrass-Core-Gerät verbunden ist. Unterstützte Werte sind `true` und `false`.  
Wenn Sie diesen Wert auf setzen`true`, greift der Beispiel-Inferenzcode auf die Kamera auf Ihrem Gerät zu und führt die Inferenz lokal für das aufgenommene Bild aus. Die Werte der `ImageDirectory` Parameter `ImageName` und werden ignoriert. Stellen Sie sicher, dass der Benutzer, der diese Komponente ausführt, read/write Zugriff auf den Speicherort hat, an dem die Kamera aufgenommene Bilder speichert.  
Standard: `false`  
Wenn Sie sich das Rezept für diese Komponente ansehen, erscheint der `UseCamera` Konfigurationsparameter nicht in der Standardkonfiguration. Sie können den Wert dieses Parameters jedoch in einem [Update zur Zusammenführung der Konfiguration](update-component-configurations.md) ändern, wenn Sie die Komponente bereitstellen.   
Wenn Sie `UseCamera` auf setzen`true`, müssen Sie auch einen Symlink erstellen, damit die Inferenzkomponente über die virtuelle Umgebung, die von der Runtime-Komponente erstellt wurde, auf Ihre Kamera zugreifen kann. Weitere Hinweise zur Verwendung einer Kamera mit den Beispiel-Inferenzkomponenten finden Sie unter. [Komponentenkonfigurationen aktualisieren](ml-tutorial-image-classification-camera.md)

**Anmerkung**  <a name="ml-config-not-visible-note"></a>
Wenn Sie sich das Rezept für diese Komponente ansehen, wird der `UseCamera` Konfigurationsparameter in der Standardkonfiguration nicht angezeigt. Sie können den Wert dieses Parameters jedoch in einem [Update zur Zusammenführung der Konfiguration](update-component-configurations.md) ändern, wenn Sie die Komponente bereitstellen.   
Wenn Sie `UseCamera` auf setzen`true`, müssen Sie auch einen Symlink erstellen, damit die Inferenzkomponente über die virtuelle Umgebung, die von der Runtime-Komponente erstellt wurde, auf Ihre Kamera zugreifen kann. Weitere Hinweise zur Verwendung einer Kamera mit den Beispiel-Inferenzkomponenten finden Sie unter. [Komponentenkonfigurationen aktualisieren](ml-tutorial-image-classification-camera.md)

## Lokale Protokolldatei
<a name="tensorflow-lite-object-detection-component-log-file"></a>

Diese Komponente verwendet die folgende Protokolldatei.

------
#### [ Linux ]

```
/greengrass/v2/logs/aws.greengrass.TensorFlowLiteObjectDetection.log
```

------
#### [ Windows ]

```
C:\greengrass\v2\logs\aws.greengrass.TensorFlowLiteObjectDetection.log
```

------

**Um die Protokolle dieser Komponente einzusehen**
+ Führen Sie den folgenden Befehl auf dem Kerngerät aus, um die Protokolldatei dieser Komponente in Echtzeit anzuzeigen. Ersetzen Sie `/greengrass/v2` oder *C:\$1greengrass\$1v2* durch den Pfad zum AWS IoT Greengrass Stammordner.

------
#### [ Linux ]

  ```
  sudo tail -f /greengrass/v2/logs/aws.greengrass.TensorFlowLiteObjectDetection.log
  ```

------
#### [ Windows (PowerShell) ]

  ```
  Get-Content C:\greengrass\v2\logs\aws.greengrass.TensorFlowLiteObjectDetection.log -Tail 10 -Wait
  ```

------

## Änderungsprotokoll
<a name="tensorflow-lite-object-detection-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  Version  |  Änderungen  | 
| --- | --- | 
|  2.1.12  |  Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert.  | 
|  2.1.11  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.7  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.6  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.5  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.4  |  Die Version wurde für die Version 2.5.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.3  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.1  |  <a name="changelog-tensorflow-lite-object-detection-2.1.1"></a>[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/tensorflow-lite-object-detection-component.html)  | 
|  2.1.0  |  Erste Version  | 

# TensorFlow Modellspeicher für Lite-Bildklassifizierung
<a name="tensorflow-lite-image-classification-model-store-component"></a>

Der TensorFlow Lite-Bildklassifizierungsmodellspeicher (`variant.TensorFlowLite.ImageClassification.ModelStore`) ist eine Modellkomponente für maschinelles Lernen, die ein vortrainiertes MobileNet v1-Modell als Greengrass-Artefakt enthält. [Das in dieser Komponente verwendete Beispielmodell wird vom [TensorFlowHub](https://tfhub.dev/) abgerufen und mit Lite implementiert. TensorFlow ](https://www.tensorflow.org/lite/guide/python)

Die [TensorFlow Lite-Bildklassifizierung](tensorflow-lite-image-classification-component.md) Inferenzkomponente verwendet diese Komponente als Abhängigkeit für die Modellquelle. Um ein benutzerdefiniertes TensorFlow Lite-Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Version](ml-customization.md#override-public-model-store) dieser Modellkomponente und fügen Sie Ihr benutzerdefiniertes Modell als Komponentenartefakt hinzu. Sie können das Rezept dieser Komponente als Vorlage verwenden, um benutzerdefinierte Modellkomponenten zu erstellen. 

**Topics**
+ [Versionen](#tensorflow-lite-image-classification-model-store-component-versions)
+ [Typ](#tensorflow-lite-image-classification-model-store-component-type)
+ [Betriebssystem](#tensorflow-lite-image-classification-model-store-component-os-support)
+ [Voraussetzungen](#tensorflow-lite-image-classification-model-store-component-requirements)
+ [Abhängigkeiten](#tensorflow-lite-image-classification-model-store-component-dependencies)
+ [Konfiguration](#tensorflow-lite-image-classification-model-store-component-configuration)
+ [Lokale Protokolldatei](#tensorflow-lite-image-classification-model-store-component-log-file)
+ [Änderungsprotokoll](#tensorflow-lite-image-classification-model-store-component-changelog)

## Versionen
<a name="tensorflow-lite-image-classification-model-store-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x

## Typ
<a name="tensorflow-lite-image-classification-model-store-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente () `aws.greengrass.generic`. Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="tensorflow-lite-image-classification-model-store-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="tensorflow-lite-image-classification-model-store-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den Legacy-Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="tensorflow-lite-image-classification-model-store-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#tensorflow-lite-image-classification-model-store-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.11 and 2.1.12  ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.11 und 2.1.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 

------
#### [ 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 

------
#### [ 2.1.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 

------
#### [ 2.1.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 

------
#### [ 2.1.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 

------

## Konfiguration
<a name="tensorflow-lite-image-classification-model-store-component-configuration"></a>

Diese Komponente hat keine Konfigurationsparameter.

## Lokale Protokolldatei
<a name="tensorflow-lite-image-classification-model-store-component-log-file"></a>

Diese Komponente gibt keine Protokolle aus.

## Änderungsprotokoll
<a name="tensorflow-lite-image-classification-model-store-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  Version  |  Änderungen  | 
| --- | --- | 
|  2.1.12  |  Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert.  | 
|  2.1.11  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.7  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.6  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.5  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.4  |  Die Version wurde für die Version 2.5.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.3  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.1  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.0  |  Erste Version  | 

# TensorFlow Modellspeicher für Lite-Objekterkennung
<a name="tensorflow-lite-object-detection-model-store-component"></a>

Der TensorFlow Lite-Objekterkennungsmodellspeicher (`variant.TensorFlowLite.ObjectDetection.ModelStore`) ist eine Modellkomponente für maschinelles Lernen, die ein vortrainiertes Single Shot Detection (SSD) MobileNet -Modell als Greengrass-Artefakt enthält. [Das in dieser Komponente verwendete Beispielmodell wird vom [TensorFlow Hub](https://tfhub.dev/) abgerufen und mit Lite implementiert. TensorFlow ](https://www.tensorflow.org/lite/guide/python)

Die [TensorFlow Lite-Inferenzkomponente zur Objekterkennung](tensorflow-lite-object-detection-component.md) verwendet diese Komponente als Abhängigkeit für die Modellquelle. Um ein benutzerdefiniertes TensorFlow Lite-Modell zu verwenden, [erstellen Sie eine benutzerdefinierte Version](ml-customization.md#override-public-model-store) dieser Modellkomponente und fügen Sie Ihr benutzerdefiniertes Modell als Komponentenartefakt hinzu. Sie können das Rezept dieser Komponente als Vorlage verwenden, um benutzerdefinierte Modellkomponenten zu erstellen. 

**Topics**
+ [Versionen](#tensorflow-lite-object-detection-model-store-component-versions)
+ [Typ](#tensorflow-lite-object-detection-model-store-component-type)
+ [Betriebssystem](#tensorflow-lite-object-detection-model-store-component-os-support)
+ [Voraussetzungen](#tensorflow-lite-object-detection-model-store-component-requirements)
+ [Abhängigkeiten](#tensorflow-lite-object-detection-model-store-component-dependencies)
+ [Konfiguration](#tensorflow-lite-object-detection-model-store-component-configuration)
+ [Lokale Protokolldatei](#tensorflow-lite-object-detection-model-store-component-log-file)
+ [Änderungsprotokoll](#tensorflow-lite-object-detection-model-store-component-changelog)

## Versionen
<a name="tensorflow-lite-object-detection-model-store-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.1.x

## Typ
<a name="tensorflow-lite-object-detection-model-store-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente () `aws.greengrass.generic`. Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="tensorflow-lite-object-detection-model-store-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="tensorflow-lite-object-detection-model-store-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den alten Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

## Abhängigkeiten
<a name="tensorflow-lite-object-detection-model-store-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt sie AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#tensorflow-lite-object-detection-model-store-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.1.11 and 2.1.12 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.1.11 und 2.1.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 

------
#### [ 2.1.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 

------
#### [ 2.1.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 

------
#### [ 2.1.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 

------
#### [ 2.1.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 

------
#### [ 2.1.6 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.6 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 

------
#### [ 2.1.5 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.5 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 

------
#### [ 2.1.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 

------
#### [ 2.1.3 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.3 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 

------
#### [ 2.1.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 

------
#### [ 2.1.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 

------
#### [ 2.1.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.1.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 

------

## Konfiguration
<a name="tensorflow-lite-object-detection-model-store-component-configuration"></a>

Diese Komponente hat keine Konfigurationsparameter.

## Lokale Protokolldatei
<a name="tensorflow-lite-object-detection-model-store-component-log-file"></a>

Diese Komponente gibt keine Protokolle aus.

## Änderungsprotokoll
<a name="tensorflow-lite-object-detection-model-store-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  Version  |  Änderungen  | 
| --- | --- | 
|  2.1.12  |  Die Version wurde für die Version Greengrass Nucleus 2.12.5 aktualisiert.  | 
|  2.1.11  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.10  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.9  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.8  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.7  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.1.6  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.5  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.4  |  Die Version wurde für die Version 2.5.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.3  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.2  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.1  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  2.1.0  |  Erste Version  | 

# TensorFlow Lite-Laufzeit
<a name="tensorflow-lite-component"></a>

Die TensorFlow Lite-Runtime-Komponente (`variant.TensorFlowLite`) enthält ein Skript, das die [TensorFlow Lite-Version](https://www.tensorflow.org/lite/guide/python) 2.5.0 und ihre Abhängigkeiten in einer virtuellen Umgebung auf Ihrem Gerät installiert. Die [TensorFlow Lite-Komponente zur Bildklassifizierung](tensorflow-lite-image-classification-component.md) und [TensorFlow Lite-Objekterkennung](tensorflow-lite-object-detection-component.md) verwendet diese Laufzeitkomponente als Abhängigkeit für die Installation von TensorFlow Lite. 

**Anmerkung**  
TensorFlow Die Lite-Runtime-Komponente v2.5.6 und höher installiert bestehende Installationen der TensorFlow Lite-Runtime und ihrer Abhängigkeiten neu. Durch diese Neuinstallation wird sichergestellt, dass auf dem Kerngerät kompatible Versionen von TensorFlow Lite und seinen Abhängigkeiten ausgeführt werden.

Um eine andere Laufzeit zu verwenden, können Sie das Rezept dieser Komponente als Vorlage verwenden, um [eine benutzerdefinierte Komponente für maschinelles Lernen zu erstellen](ml-customization.md).

**Topics**
+ [Versionen](#tensorflow-lite-component-versions)
+ [Typ](#tensorflow-lite-component-type)
+ [Betriebssystem](#tensorflow-lite-component-os-support)
+ [Voraussetzungen](#tensorflow-lite-component-requirements)
+ [Abhängigkeiten](#tensorflow-lite-component-dependencies)
+ [Konfiguration](#tensorflow-lite-component-configuration)
+ [Usage](#tensorflow-lite-component-usage)
+ [Lokale Protokolldatei](#tensorflow-lite-component-log-file)
+ [Änderungsprotokoll](#tensorflow-lite-component-changelog)

## Versionen
<a name="tensorflow-lite-component-versions"></a>

Diese Komponente hat die folgenden Versionen:
+ 2.5.x

## Typ
<a name="tensorflow-lite-component-type"></a>

<a name="public-component-type-generic"></a>Diese <a name="public-component-type-generic-phrase"></a>Komponente ist eine generische Komponente () `aws.greengrass.generic`. Der [Greengrass-Kern](greengrass-nucleus-component.md) führt die Lebenszyklusskripte der Komponente aus.

<a name="public-component-type-more-information"></a>Weitere Informationen finden Sie unter [Komponententypen](develop-greengrass-components.md#component-types).

## Betriebssystem
<a name="tensorflow-lite-component-os-support"></a>

Diese Komponente kann auf Kerngeräten installiert werden, auf denen die folgenden Betriebssysteme ausgeführt werden:
+ Linux
+ Windows

## Voraussetzungen
<a name="tensorflow-lite-component-requirements"></a>

Für diese Komponente gelten die folgenden Anforderungen:<a name="ml-component-requirements"></a>
+ Auf Greengrass-Core-Geräten, auf denen Amazon Linux 2 oder Ubuntu 18.04 ausgeführt wird, ist die [GNU C Library](https://www.gnu.org/software/libc/) (Glibc) Version 2.27 oder höher auf dem Gerät installiert.
+ Auf ARMv7L-Geräten wie Raspberry Pi sind Abhängigkeiten für OpenCV-Python auf dem Gerät installiert. Führen Sie den folgenden Befehl aus, um die Abhängigkeiten zu installieren.

  ```
  sudo apt-get install libopenjp2-7 libilmbase23 libopenexr-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libgtk-3-0 libwebp-dev
  ```
+ Raspberry Pi-Geräte, auf denen Raspberry Pi OS Bullseye ausgeführt wird, müssen die folgenden Anforderungen erfüllen:
  + NumPy 1.22.4 oder höher auf dem Gerät installiert. Raspberry Pi OS Bullseye enthält eine frühere Version von NumPy, sodass Sie den folgenden Befehl ausführen können, um das Gerät zu aktualisieren NumPy .

    ```
    pip3 install --upgrade numpy
    ```
  + Der ältere Kamerastack ist auf dem Gerät aktiviert. Raspberry Pi OS Bullseye enthält einen neuen Kamerastack, der standardmäßig aktiviert und nicht kompatibel ist. Sie müssen also den älteren Kamerastack aktivieren.<a name="raspberry-pi-bullseye-enable-legacy-camera-stack"></a>

**Um den alten Kamerastack zu aktivieren**

    1. Führen Sie den folgenden Befehl aus, um das Raspberry Pi-Konfigurationstool zu öffnen.

       ```
       sudo raspi-config
       ```

    1. Wählen Sie **Schnittstellenoptionen**.

    1. Wählen Sie **Legacy-Kamera** aus, um den Legacy-Kamerastack zu aktivieren.

    1. Starten Sie den Raspberry Pi neu.

### Endpunkte und Anschlüsse
<a name="tensorflow-lite-component-endpoints"></a>

Standardmäßig verwendet diese Komponente ein Installationsskript, um Pakete mit den `pip` Befehlen`apt`, `yum``brew`, und zu installieren, je nachdem, welche Plattform das Kerngerät verwendet. Diese Komponente muss in der Lage sein, ausgehende Anfragen an verschiedene Paketindizes und Repositorys auszuführen, um das Installationsskript auszuführen. Damit der ausgehende Datenverkehr dieser Komponente über einen Proxy oder eine Firewall übertragen werden kann, müssen Sie die Endpunkte für die Paketindizes und Repositorys identifizieren, zu denen Ihr Kerngerät eine Verbindung zur Installation herstellt.

Beachten Sie bei der Identifizierung von Endpunkten, die für das Installationsskript dieser Komponente erforderlich sind, Folgendes:
+ Die Endpunkte hängen von der Plattform des Kerngeräts ab. Beispielsweise verwendet ein Kerngerät, auf dem Ubuntu ausgeführt wird, `apt` eher als `yum` oder`brew`. Darüber hinaus haben Geräte, die denselben Paketindex verwenden, möglicherweise unterschiedliche Quelllisten, sodass sie Pakete aus verschiedenen Repositorys abrufen können.
+ Die Endpunkte können sich bei mehreren Geräten, die denselben Paketindex verwenden, unterscheiden, da jedes Gerät über eigene Quelllisten verfügt, die definieren, wo Pakete abgerufen werden sollen.
+ Die Endpunkte können sich im Laufe der Zeit ändern. Jeder Paketindex enthält die URLs Repositorys, in die Sie Pakete herunterladen, und der Besitzer eines Pakets kann ändern, was URLs der Paketindex bereitstellt.

Weitere Informationen zu den Abhängigkeiten, die diese Komponente installiert, und zur Deaktivierung des Installationsskripts finden Sie unter dem [UseInstaller](#tensorflow-lite-component-config-useinstaller-term)Konfigurationsparameter.

Weitere Informationen zu Endpunkten und Ports, die für den Basisbetrieb erforderlich sind, finden Sie unter[Geräteverkehr über einen Proxy oder eine Firewall zulassen](allow-device-traffic.md).

## Abhängigkeiten
<a name="tensorflow-lite-component-dependencies"></a>

Wenn Sie eine Komponente bereitstellen, stellt AWS IoT Greengrass auch kompatible Versionen ihrer Abhängigkeiten bereit. Das bedeutet, dass Sie die Anforderungen für die Komponente und all ihre Abhängigkeiten erfüllen müssen, um die Komponente erfolgreich bereitstellen zu können. In diesem Abschnitt werden die Abhängigkeiten für die [veröffentlichten Versionen](#tensorflow-lite-component-changelog) dieser Komponente sowie die semantischen Versionseinschränkungen aufgeführt, die die Komponentenversionen für jede Abhängigkeit definieren. Sie können auch die Abhängigkeiten für jede Version der Komponente in der [AWS IoT Greengrass Konsole](https://console.aws.amazon.com//greengrass) anzeigen. Suchen Sie auf der Seite mit den Komponentendetails nach der Liste der **Abhängigkeiten**.

------
#### [ 2.5.14 and 2.5.15 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.5.14 und 2.5.15 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.13.0 | Weich | 

------
#### [ 2.5.13 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.13 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.12.0 | Weich | 

------
#### [ 2.5.12 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.12 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.11.0 | Weich | 

------
#### [ 2.5.11 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.11 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.10.0 | Weich | 

------
#### [ 2.5.10 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.10 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.9.0 | Weich | 

------
#### [ 2.5.9 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.9 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.8.0 | Weich | 

------
#### [ 2.5.8 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.8 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.7.0 | Weich | 

------
#### [ 2.5.5 - 2.5.7 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.5.5 bis 2.5.7 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.6.0 | Weich | 

------
#### [ 2.5.3 and 2.5.4 ]

In der folgenden Tabelle sind die Abhängigkeiten für die Versionen 2.5.3 und 2.5.4 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.5.0 | Weich | 

------
#### [ 2.5.2 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.2 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.4.0 | Weich | 

------
#### [ 2.5.1 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.1 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.3.0 | Weich | 

------
#### [ 2.5.0 ]

In der folgenden Tabelle sind die Abhängigkeiten für Version 2.5.0 dieser Komponente aufgeführt.


| -Abhängigkeit | Kompatible Versionen | Art der Abhängigkeit | 
| --- | --- | --- | 
| [Grüngraskern](greengrass-nucleus-component.md) | >=2.0.0 <2.2.0 | Weich | 

------

[Weitere Informationen zu Komponentenabhängigkeiten finden Sie in der Referenz zu den Komponentenrezepten.](component-recipe-reference.md#recipe-reference-component-dependencies)

## Konfiguration
<a name="tensorflow-lite-component-configuration"></a>

Diese Komponente stellt die folgenden Konfigurationsparameter bereit, die Sie bei der Bereitstellung der Komponente anpassen können.

`MLRootPath`  
<a name="ml-config-mlrootpath-desc"></a>(Optional) Der Pfad des Ordners auf Linux-Kerngeräten, in dem Inferenzkomponenten Bilder lesen und Inferenzergebnisse schreiben. Sie können diesen Wert in einen beliebigen Speicherort auf Ihrem Gerät ändern, auf den der Benutzer, der diese Komponente ausführt, Zugriff hat read/write .  
<a name="ml-config-mlrootpath-default-tfl"></a>Standard: `/greengrass/v2/work/variant.TensorFlowLite/greengrass_ml`

`WindowsMLRootPath`  
Diese Funktion ist in Version 1.6.6 und höher dieser Komponente verfügbar.  
<a name="ml-config-windowsmlrootpath-desc"></a>(Optional) Der Pfad des Ordners auf dem Windows Core-Gerät, in dem Inferenzkomponenten Bilder lesen und Inferenzergebnisse schreiben. Sie können diesen Wert in einen beliebigen Speicherort auf Ihrem Gerät ändern, auf den der Benutzer, der diese Komponente ausführt, Zugriff hat read/write .  
<a name="ml-config-windowsmlrootpath-default-dlr"></a>Standard: `C:\greengrass\v2\\work\\variant.DLR\\greengrass_ml`

  `UseInstaller`   
<a name="ml-config-useinstaller-desc-tfl"></a>(Optional) Zeichenkettenwert, der definiert, ob das Installationsskript in dieser Komponente verwendet werden soll, um TensorFlow Lite und seine Abhängigkeiten zu installieren. Unterstützte Werte sind `true` und `false`.   <a name="ml-config-useinstaller-libraries-tfl"></a>

Setzen Sie diesen Wert auf, `false` wenn Sie ein benutzerdefiniertes Skript für die TensorFlow Lite-Installation verwenden möchten oder wenn Sie Laufzeitabhängigkeiten in ein vorgefertigtes Linux-Image aufnehmen möchten. Um diese Komponente mit den von AWS-bereitgestellten TensorFlow Lite-Inferenzkomponenten zu verwenden, installieren Sie die folgenden Bibliotheken, einschließlich aller Abhängigkeiten, und stellen Sie sie dem Systembenutzer zur Verfügung, z. B. `ggc_user` dem Systembenutzer, der die ML-Komponenten ausführt.
+ [Python](https://www.python.org/downloads/) 3.8 oder höher, auch `pip` für Ihre Version von Python
+ [TensorFlow Lite v2.5.0](https://www.tensorflow.org/lite/guide/python)
+ [NumPy](https://numpy.org/install/)
+ [Öffnen Sie CV-Python](https://pypi.org/project/opencv-python/)
+ [AWS IoT Device SDK v2 für Python](https://github.com/aws/aws-iot-device-sdk-python-v2)
+ [AWS Common Runtime (CRT) Python](https://github.com/awslabs/aws-crt-python)
+ [Picamera](https://picamera.readthedocs.io/en/release-1.13/) (für Raspberry Pi-Geräte)
+ [`awscam`Modul](https://docs.aws.amazon.com/deeplens/latest/dg/deeplens-library-awscam-module.html) (für AWS DeepLens Geräte)
+ LibGL (für Linux-Geräte)
<a name="ml-config-useinstaller-default"></a>Standard: `true`

## Usage
<a name="tensorflow-lite-component-usage"></a>

Verwenden Sie diese Komponente mit dem `UseInstaller` Konfigurationsparameter auf, `true` um TensorFlow Lite und seine Abhängigkeiten auf Ihrem Gerät zu installieren. Die Komponente richtet eine virtuelle Umgebung auf Ihrem Gerät ein, die OpenCV und die NumPy Bibliotheken enthält, die für TensorFlow Lite erforderlich sind. 

**Anmerkung**  <a name="ml-installer-component-usage-note"></a>
Das Installationsskript in dieser Komponente installiert auch die neuesten Versionen zusätzlicher Systembibliotheken, die für die Konfiguration der virtuellen Umgebung auf Ihrem Gerät und die Verwendung des installierten Frameworks für maschinelles Lernen erforderlich sind. Dadurch könnten die vorhandenen Systembibliotheken auf Ihrem Gerät aktualisiert werden. In der folgenden Tabelle finden Sie eine Liste der Bibliotheken, die diese Komponente für jedes unterstützte Betriebssystem installiert. Wenn Sie diesen Installationsvorgang anpassen möchten, setzen Sie den `UseInstaller` Konfigurationsparameter auf `false` und entwickeln Sie Ihr eigenes Installationsskript.


| Plattform | Auf dem Gerätesystem installierte Bibliotheken | In der virtuellen Umgebung installierte Bibliotheken | 
| --- | --- | --- | 
| Armv7l | build-essential, cmake, ca-certificates, git | setuptools, wheel | 
| Amazon Linux 2 | mesa-libGL | Keine | 
| Ubuntu | wget | Keine | 

Wenn Sie Ihre Inferenzkomponente bereitstellen, überprüft diese Runtime-Komponente zunächst, ob TensorFlow Lite und die zugehörigen Abhängigkeiten auf Ihrem Gerät bereits installiert sind. Wenn nicht, installiert die Runtime-Komponente sie für Sie. 

## Lokale Protokolldatei
<a name="tensorflow-lite-component-log-file"></a>

Diese Komponente verwendet die folgende Protokolldatei.

------
#### [ Linux ]

```
/greengrass/v2/logs/variant.TensorFlowLite.log
```

------
#### [ Windows ]

```
C:\greengrass\v2\logs\variant.TensorFlowLite.log
```

------

**Um die Protokolle dieser Komponente einzusehen**
+ Führen Sie den folgenden Befehl auf dem Kerngerät aus, um die Protokolldatei dieser Komponente in Echtzeit anzuzeigen. Ersetzen Sie `/greengrass/v2` oder *C:\$1greengrass\$1v2* durch den Pfad zum AWS IoT Greengrass Stammordner.

------
#### [ Linux ]

  ```
  sudo tail -f /greengrass/v2/logs/variant.TensorFlowLite.log
  ```

------
#### [ Windows (PowerShell) ]

  ```
  Get-Content C:\greengrass\v2\logs\variant.TensorFlowLite.log -Tail 10 -Wait
  ```

------

## Änderungsprotokoll
<a name="tensorflow-lite-component-changelog"></a>

In der folgenden Tabelle werden die Änderungen in den einzelnen Versionen der Komponente beschrieben.


|  Version  |  Änderungen  | 
| --- | --- | 
|  2.5.15  |  Version für Greengrass Nucleus 2.12.5 aktualisiert.  | 
|  2.5.14  | Die Version wurde für die Version 2.12.0 von Greengrass Nucleus aktualisiert. | 
|  2.5.13  | Die Version wurde für die Version 2.11.0 von Greengrass Nucleus aktualisiert. | 
|  2.5.12  | Die Version wurde für die Version 2.10.0 von Greengrass Nucleus aktualisiert. | 
|  2.5.11  | Die Version wurde für die Version 2.9.0 von Greengrass Nucleus aktualisiert. | 
|  2.5.10  | Die Version wurde für die Version 2.8.0 von Greengrass Nucleus aktualisiert. | 
|  2.5.9  |  Die Version wurde für die Version 2.7.0 von Greengrass Nucleus aktualisiert.  | 
|  2.5.8  |  Die Version wurde für die Version 2.6.0 von Greengrass Nucleus aktualisiert.  | 
|  2.5.7  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/tensorflow-lite-component.html)  | 
|  2.5.6  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/tensorflow-lite-component.html)  | 
|  2.5.5  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/tensorflow-lite-component.html)  | 
|  2.5.4  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/greengrass/v2/developerguide/tensorflow-lite-component.html)  | 
|  2.5.3  |  Die Version wurde für die Version 2.4.0 von Greengrass Nucleus aktualisiert.  | 
|  2.5.2  |  Die Version wurde für die Version 2.3.0 von Greengrass Nucleus aktualisiert.  | 
|  2.5.1  |  Die Version wurde für die Version 2.2.0 von Greengrass Nucleus aktualisiert.  | 
|  2.5.0  |  Erste Version  |