Hinweis zum Ende des Supports: Am 31. Oktober 2025 AWS wird der Support für Amazon Lookout for Vision eingestellt. Nach dem 31. Oktober 2025 können Sie nicht mehr auf die Lookout for Vision Vision-Konsole oder die Lookout for Vision Vision-Ressourcen zugreifen. Weitere Informationen finden Sie in diesem Blogbeitrag.
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.
Verpacken Sie Ihr Modell (SDK)
Sie verpacken ein Modell als Modellkomponente, indem Sie einen Auftrag zum Paketieren eines Modells erstellen. Um einen Model-Packaging-Job zu erstellen, rufen Sie die StartModelPackagingJobAPI auf. Es kann eine Weile dauern, bis der Job abgeschlossen ist. Um den aktuellen Status zu erfahren, rufen Sie an DescribeModelPackagingJobund überprüfen Sie das Status Feld in der Antwort.
Informationen zu Paketeinstellungen finden Sie unterEinstellungen für das Package.
Das folgende Verfahren zeigt Ihnen, wie Sie einen Paketierungsauftrag mithilfe der AWS CLI starten. Sie können das Modell für eine Zielplattform oder ein Zielgerät verpacken. Ein Beispiel für Java-Code finden Sie unter StartModelPackagingJob.
So verpacken Sie Ihr Modell (SDK)
-
Falls Sie dies noch nicht getan haben, installieren und konfigurieren Sie die AWS CLI und die AWS SDKs. Weitere Informationen finden Sie unter Schritt 4: Richten Sie das ein AWS CLI and AWS SDKs.
-
Stellen Sie sicher, dass Sie über die richtigen Berechtigungen verfügen, um einen Model-Packaging-Job zu starten. Weitere Informationen finden Sie unter StartModelPackagingJob.
Verwenden Sie die folgenden CLI-Befehle, um Ihr Modell entweder für ein Zielgerät oder eine Zielplattform zu verpacken.
- Target platform
-
Der folgende CLI-Befehl zeigt, wie Sie ein Modell für eine Zielplattform mit einem NVIDIA-Beschleuniger verpacken.
Ändern Sie die folgenden Werte:
project_namein den Namen des Projekts, das das Modell enthält, das Sie verpacken möchten.
model_versionzu der Version des Modells, das Sie verpacken möchten.
(Optional) description zu einer Beschreibung für Ihren Auftrag zum Verpacken Ihres Modells.
architecturezur Architektur (ARM64oderX86_64) des AWS IoT Greengrass Version 2 Kerngeräts, auf dem Sie die Modellkomponente ausführen.
gpu_codezum GPU-Code des Kerngeräts, auf dem Sie die Modellkomponente ausführen.
trt_verauf die TensorRT-Version, die Sie auf Ihrem Core-Gerät installiert haben.
cuda_verzu der CUDA-Version, die Sie auf Ihrem Core-Gerät installiert haben.
component_namezu einem Namen für die Modellkomponente, auf AWS IoT Greengrass V2 der Sie erstellen möchten.
(Optional) component_version zu einer Version für die Modellkomponente, die der Paketierungsauftrag erstellt. Verwenden Sie dabei das Format major.minor.patch. Beispielsweise steht 1.0.0 für die erste Hauptversion einer Komponente.
bucketin den Amazon S3 S3-Bucket, in dem der Verpackungsauftrag die Modellkomponenten-Artefakte speichert.
prefixan den Ort innerhalb des Amazon S3 S3-Buckets, an dem der Verpackungsauftrag die Modellkomponenten-Artefakte speichert.
(Optional) component_description zu einer Beschreibung der Modellkomponente.
(Optional) tag_key1 und tag_key2 zu den Schlüsseln für Beschriftungen, die an die Modellkomponente angehängt sind.
(Optional) tag_value1 und tag_value2 zu den Schlüsselwerten für die Tags, die an die Modellkomponente angehängt sind.
aws lookoutvision start-model-packaging-job \
--project-name project_name \
--model-version model_version \
--description="description" \
--configuration "Greengrass={TargetPlatform={Os='LINUX',Arch='architecture',Accelerator='NVIDIA'},CompilerOptions='{\"gpu-code\": \"gpu_code\", \"trt-ver\": \"trt_ver\", \"cuda-ver\": \"cuda_ver\"}',S3OutputLocation={Bucket='bucket',Prefix='prefix'},ComponentName='Component_name',ComponentVersion='component_version',ComponentDescription='component_description',Tags=[{Key='tag_key1',Value='tag_value1'}, {Key='tag_key2',Value='tag_value2'}]}" \
--profile lookoutvision-access
Beispiele:
aws lookoutvision start-model-packaging-job \
--project-name test-project-01 \
--model-version 1 \
--description="Model Packaging Job for G4 Instance using TargetPlatform Option" \
--configuration "Greengrass={TargetPlatform={Os='LINUX',Arch='X86_64',Accelerator='NVIDIA'},CompilerOptions='{\"gpu-code\": \"sm_75\", \"trt-ver\": \"7.1.3\", \"cuda-ver\": \"10.2\"}',S3OutputLocation={Bucket='bucket',Prefix='test-project-01/folder'},ComponentName='SampleComponentNameX86TargetPlatform',ComponentVersion='0.1.0',ComponentDescription='This is my component',Tags=[{Key='modelKey0',Value='modelValue'}, {Key='modelKey1',Value='modelValue'}]}" \
--profile lookoutvision-access
- Target Device
-
Verwenden Sie die folgenden CLI-Befehle, um ein Modell für ein Zielgerät zu verpacken.
Ändern Sie die folgenden Werte:
project_namein den Namen des Projekts, das das Modell enthält, das Sie verpacken möchten.
model_versionzu der Version des Modells, das Sie verpacken möchten.
(Optional) description zu einer Beschreibung für Ihren Auftrag zum Verpacken Ihres Modells.
component_namezu einem Namen für die Modellkomponente, auf der Sie etwas erstellen möchtenAWS IoT Greengrass V2.
(Optional) component_version zu einer Version für die Modellkomponente, die der Paketierungsauftrag erstellt. Verwenden Sie dabei das Format major.minor.patch. Beispielsweise steht 1.0.0 für die erste Hauptversion einer Komponente.
bucketin den Amazon S3 S3-Bucket, in dem der Verpackungsauftrag die Modellkomponenten-Artefakte speichert.
prefixan den Ort innerhalb des Amazon S3 S3-Buckets, an dem der Verpackungsauftrag die Modellkomponenten-Artefakte speichert.
(Optional) component_description zu einer Beschreibung der Modellkomponente.
(Optional) tag_key1 und tag_key2 zu den Schlüsseln für Beschriftungen, die an die Modellkomponente angehängt sind.
(Optional) tag_value1 und tag_value2 zu den Schlüsselwerten für die Tags, die an die Modellkomponente angehängt sind.
aws lookoutvision start-model-packaging-job \
--project-name project_name \
--model-version model_version \
--description="description" \
--configuration "Greengrass={TargetDevice='jetson_xavier',S3OutputLocation={Bucket='bucket',Prefix='prefix'},ComponentName='component_name',ComponentVersion='component_version',ComponentDescription='component_description',Tags=[{Key='tag_key1',Value='tag_value1'}, {Key='tag_key2',Value='tag_value2'}]}" \
--profile lookoutvision-access
Beispiele:
aws lookoutvision start-model-packaging-job \
--project-name project_01 \
--model-version 1 \
--description="description" \
--configuration "Greengrass={TargetDevice='jetson_xavier',S3OutputLocation={Bucket='bucket',Prefix='component_folder'},ComponentName='jetson_component',ComponentVersion='2.0.0',ComponentDescription='jetson model component',Tags=[{Key='tag_key1',Value='tag_value1'}, {Key='tag_key2',Value='tag_value2'}]}" \
--profile lookoutvision-access
Notieren Sie sich den Wert von JobName in der Antwort. Sie benötigen diese im nächsten Schritt. Beispiele:
{
"JobName": "6bcfd0ff-90c3-4463-9a89-6b4be3daf972"
}
DescribeModelPackagingJobDient zum Abrufen des aktuellen Status des Jobs. Ändern Sie Folgendes:
project_namein den Namen des Projekts, das Sie verwenden.
job_nameauf den Namen des Jobs, den Sie im vorherigen Schritt notiert haben.
aws lookoutvision describe-model-packaging-job \
--project-name project_name \
--job-name job_name \
--profile lookoutvision-access
Der Auftrag zum Paketieren des Modells ist abgeschlossen, wenn der Wert von Status istSUCCEEDED. Wenn der Wert anders ist, warten Sie eine Minute und versuchen Sie es erneut.
Setzen Sie die Bereitstellung fort mitAWS IoT Greengrass V2. Weitere Informationen finden Sie unter Bereitstellen Ihrer Komponenten auf einem Gerät.
