Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Sortie : mise à jour logicielle AWS IoT Greengrass Core v2.1.0 le 26 avril 2021
Cette version fournit la version 2.1.0 du composant Greengrass Nucleus et AWS met à jour les composants fournis.
**Date de sortie :** 26 avril 2021
**Points forts de la publication**
+ **Intégration entre Docker Hub et Amazon Elastic Container Registry (Amazon ECR)** — Le nouveau composant du gestionnaire d'applications Docker vous permet de télécharger des images publiques ou privées depuis Amazon ECR. Vous pouvez également utiliser ce composant pour télécharger des images publiques depuis Docker Hub et AWS Marketplace. Pour de plus amples informations, veuillez consulter [Exécuter un conteneur Docker](run-docker-container.md).
+ **Images Dockerfile et Docker pour le logiciel AWS IoT Greengrass principal** : vous pouvez utiliser l'image Greengrass Docker pour l'exécuter dans AWS IoT Greengrass un conteneur Docker qui utilise Amazon Linux 2 comme système d'exploitation de base. Vous pouvez également utiliser le AWS IoT Greengrass Dockerfile pour créer votre propre image Greengrass. Pour de plus amples informations, veuillez consulter [Exécuter le logiciel AWS IoT Greengrass Core dans un conteneur Docker](run-greengrass-docker.md).
+ **Support de structures et de plateformes d'apprentissage automatique supplémentaires** : vous pouvez déployer des exemples de composants d'inférence d'apprentissage automatique qui utilisent des modèles préentraînés pour effectuer la classification d'images d'échantillons et la détection d'objets à l'aide de TensorFlow Lite 2.5.0 et DLR 1.6.0. Cette version étend également la prise en charge des exemples de machine learning pour les appareils Armv8 (AArch64). Pour de plus amples informations, veuillez consulter [Exécuter l'inférence de Machine Learning](perform-machine-learning-inference.md).
**Topics**
+ [Mises à jour du support technique](#greengrass-2021-04-26-platforms)
+ [Mises à jour des composants publics](#greengrass-2021-04-26-components)
## Mises à jour du support technique
| **Plateforme** | **Détails** |
| --- | --- |
| Docker | Un Dockerfile et une image Docker pour AWS IoT Greengrass sont désormais disponibles.**Dockerfile**
AWS IoT Greengrass fournit un Dockerfile pour créer une image de conteneur sur laquelle le logiciel AWS IoT Greengrass Core et ses dépendances sont installés sur une image de base Amazon Linux 2 (x86\_64). Vous pouvez modifier l'image de base dans le Dockerfile pour l'exécuter AWS IoT Greengrass sur une architecture de plate-forme différente.
**Image Docker**
AWS IoT Greengrass fournit une image Docker prédéfinie sur laquelle le logiciel AWS IoT Greengrass principal et ses dépendances sont installés sur une image de base Amazon Linux 2 (x86\_64).
Pour de plus amples informations, veuillez consulter [Exécuter le logiciel AWS IoT Greengrass Core dans un conteneur Docker](run-greengrass-docker.md). |
## Mises à jour des composants publics
Le tableau suivant répertorie les composants AWS fournis qui incluent des fonctionnalités nouvelles et mises à jour.
**Important**
Lorsque vous déployez un composant, AWS IoT Greengrass installe les dernières versions prises en charge de toutes les dépendances de ce composant. De ce fait, les nouvelles versions de correctif des composants publics AWS fournis peuvent être automatiquement déployées sur vos appareils principaux si vous ajoutez de nouveaux appareils à un groupe d'objets ou si vous mettez à jour le déploiement qui cible ces appareils. Certaines mises à jour automatiques, telles que la mise à jour du noyau, peuvent provoquer le redémarrage inattendu de vos appareils.
Pour éviter les mises à jour involontaires d'un composant en cours d'exécution sur votre appareil, nous vous recommandons d'inclure directement votre version préférée de ce composant lorsque vous [créez un déploiement](create-deployments.md). Pour plus d'informations sur le comportement de mise à jour du logiciel AWS IoT Greengrass Core, consultez[Mettez à jour le AWS IoT Greengrass Logiciel de base (OTA)](update-greengrass-core-v2.md).
| **Composant** | **Détails** |
| --- | --- |
| Noyau de Greengrass | La version 2.1.0 du noyau [Greengrass est disponible](greengrass-nucleus-component.md).**Nouvelles fonctionnalités**
Prend en charge le téléchargement d'images Docker à partir de référentiels privés sur Amazon ECR. Ajoute les paramètres suivants pour personnaliser la configuration MQTT sur les appareils principaux : `maxInFlightPublishes`— Le nombre maximum de messages MQTT QoS 1 non reconnus qui peuvent être envoyés en même temps. `maxPublishRetry`— Le nombre maximum de fois que vous pouvez réessayer un message qui n'est pas publié. Ajoute le paramètre de `fleetstatusservice` configuration pour configurer l'intervalle auquel le périphérique principal publie l'état du périphérique dans le AWS Cloud. Corrections et améliorations mineures supplémentaires. Pour plus d'informations, consultez les [versions](https://github.com/aws-greengrass/aws-greengrass-nucleus/releases) sur GitHub.
**Corrections de bugs et améliorations**
Résout un problème en raison duquel les déploiements fictifs étaient dupliqués lors du redémarrage du noyau. Résout un problème qui provoquait le blocage du noyau lorsqu'il rencontrait une exception de chargement de service. Améliore la résolution des dépendances entre les composants en cas d'échec d'un déploiement incluant une dépendance circulaire. Résout un problème qui empêchait le redéploiement d'un composant de plug-in s'il avait été précédemment supprimé du périphérique principal. Résolution d'un problème en raison duquel la variable d'`HOME`environnement était définie `{{/greengrass/v2}}/work` dans le répertoire des composants Lambda ou des composants exécutés en tant qu'utilisateur root. La `HOME` variable est désormais correctement définie dans le répertoire de base de l'utilisateur qui exécute le composant. Corrections et améliorations mineures supplémentaires. Pour plus d'informations, consultez les [versions](https://github.com/aws-greengrass/aws-greengrass-nucleus/releases) sur GitHub. |
| Gestionnaire d'applications Docker | La version 2.0.0 du nouveau [composant du gestionnaire d'applications Docker est disponible](docker-application-manager-component.md).**Nouvelles fonctionnalités**
Gère les informations d'identification pour télécharger des images depuis des référentiels privés sur Amazon ECR. Télécharge des images publiques depuis Amazon ECR, Docker Hub et. AWS Marketplace |
| Lanceur Lambda | La version 2.0.4 du composant du [lanceur Lambda](lambda-launcher-component.md) est disponible.**Corrections de bugs et améliorations**
Résout un problème en raison duquel le composant ne passe pas correctement `AddGroupOwner` au conteneur de fonctions Lambda. |
| Routeur d'abonnement Legacy | La version 2.1.0 de l'[ancien composant routeur d'abonnement](legacy-subscription-router-component.md) est disponible.**Corrections de bugs et améliorations**
Permet de spécifier les noms des composants au lieu de ARNs for `source` et`target`. Si vous spécifiez un nom de composant pour un abonnement, vous n'avez pas besoin de reconfigurer l'abonnement chaque fois que la version de la fonction Lambda change. |
| Console de débogage locale | La version 2.1.0 du [composant de console de débogage local est disponible](local-debug-console-component.md).**Nouvelles fonctionnalités**
Utilise le protocole HTTPS pour sécuriser votre connexion à la console de débogage locale. Le protocole HTTPS est activé par défaut.
**Corrections de bugs et améliorations**
Vous pouvez ignorer les messages de la barre flash dans l'éditeur de configuration. |
| Gestionnaire de journaux | La version 2.1.0 du [composant du gestionnaire de journaux](log-manager-component.md) est disponible.**Corrections de bugs et améliorations**
Utilisez des valeurs par défaut pour `logFileDirectoryPath` et `logFileRegex` qui fonctionnent pour les composants Greengrass qui impriment en sortie standard (stdout) et en erreur standard (stderr). Acheminez correctement le trafic via un proxy réseau configuré lors du téléchargement des CloudWatch journaux vers Logs. Gérez correctement les caractères deux-points (`:`) dans les noms des flux de log. CloudWatch Les noms des flux de journaux ne prennent pas en charge les deux-points. Simplifiez les noms des flux de journaux en supprimant les noms de groupes d'objets du flux de journaux. Supprimez un message du journal des erreurs qui s'imprime lors d'un comportement normal. |
| Classification des images DLR | La version 2.1.1 du composant de [classification d'images DLR](dlr-image-classification-component.md) est disponible.**Nouvelles fonctionnalités**
Utilisez [Deep Learning Runtime](https://github.com/neo-ai/neo-ai-dlr) v1.6.0. Ajout de la prise en charge de la classification des exemples d'images sur les plateformes Armv8 (AArch64). Cela étend la prise en charge de l'apprentissage automatique pour les appareils principaux de Greengrass exécutant NVIDIA Jetson, tels que le Jetson Nano. Activez l'intégration de la caméra pour l'inférence d'échantillons. Utilisez le nouveau paramètre `UseCamera` de configuration pour permettre à l'exemple de code d'inférence d'accéder à la caméra de votre appareil principal Greengrass et d'exécuter l'inférence localement sur l'image capturée. Ajoutez la prise en charge de la publication des résultats d'inférence au AWS Cloud. Utilisez le nouveau paramètre `PublishResultsOnTopic` de configuration pour spécifier le sujet sur lequel vous souhaitez publier les résultats. Ajoutez le nouveau paramètre `ImageDirectory` de configuration qui vous permet de spécifier un répertoire personnalisé pour l'image sur laquelle vous souhaitez effectuer une inférence.
**Corrections de bugs et améliorations**
Écrivez les résultats d'inférence dans le fichier journal du composant plutôt que dans un fichier d'inférence distinct. Utilisez le module de journalisation du logiciel AWS IoT Greengrass Core pour enregistrer la sortie des composants. Utilisez le Kit SDK des appareils AWS IoT pour lire la configuration du composant et appliquer les modifications de configuration. |
| Détection d'objets DLR | La version 2.1.1 du composant de [détection d'objets DLR](dlr-object-detection-component.md) est disponible.**Nouvelles fonctionnalités**
Utilisez [Deep Learning Runtime](https://github.com/neo-ai/neo-ai-dlr) v1.6.0. Ajout de la prise en charge de la détection d'échantillons d'objets sur les plateformes Armv8 (AArch64). Cela étend la prise en charge de l'apprentissage automatique pour les appareils principaux de Greengrass exécutant NVIDIA Jetson, tels que le Jetson Nano. Activez l'intégration de la caméra pour l'inférence d'échantillons. Utilisez le nouveau paramètre `UseCamera` de configuration pour permettre à l'exemple de code d'inférence d'accéder à la caméra de votre appareil principal Greengrass et d'exécuter l'inférence localement sur l'image capturée. Ajoutez la prise en charge de la publication des résultats d'inférence au AWS Cloud. Utilisez le nouveau paramètre `PublishResultsOnTopic` de configuration pour spécifier le sujet sur lequel vous souhaitez publier les résultats. Ajoutez le nouveau paramètre `ImageDirectory` de configuration qui vous permet de spécifier un répertoire personnalisé pour l'image sur laquelle vous souhaitez effectuer une inférence.
**Corrections de bugs et améliorations**
Écrivez les résultats d'inférence dans le fichier journal du composant plutôt que dans un fichier d'inférence distinct. Utilisez le module de journalisation du logiciel AWS IoT Greengrass Core pour enregistrer la sortie des composants. Utilisez le Kit SDK des appareils AWS IoT pour lire la configuration du composant et appliquer les modifications de configuration. |
| magasin de modèles de classification d'images DLR | La version 2.1.1 du composant [Model Store de classification d'images DLR](dlr-image-classification-model-store-component.md) est disponible.**Nouvelles fonctionnalités**
Ajoutez un exemple de modèle de classification d'images ResNet -50 pour les plateformes Armv8 ()AArch64. Cela étend la prise en charge de l'apprentissage automatique pour les appareils principaux de Greengrass exécutant NVIDIA Jetson, tels que le Jetson Nano. |
| Model Store dédié à la détection d'objets DLR | La version 2.1.1 du composant [Model Store de détection d'objets DLR](dlr-object-detection-model-store-component.md) est disponible.**Nouvelles fonctionnalités**
Ajoutez un exemple de modèle de détection d' YOLOv3 objets pour les plateformes Armv8 (AArch64). Cela étend la prise en charge de l'apprentissage automatique pour les appareils principaux de Greengrass exécutant NVIDIA Jetson, tels que le Jetson Nano. |
| Installateur DLR | La version 1.6.1 du composant [DLR](dlr-component.md) est disponible.**Nouvelles fonctionnalités**
Installez [Deep Learning Runtime](https://github.com/neo-ai/neo-ai-dlr) v1.6.0 et ses dépendances. Ajout du support pour l'installation du DLR sur les plateformes Armv8 ()AArch64. Cela étend la prise en charge de l'apprentissage automatique pour les appareils principaux de Greengrass exécutant NVIDIA Jetson, tels que le Jetson Nano.
**Corrections de bugs et améliorations**
Installez-le Kit SDK des appareils AWS IoT dans l'environnement virtuel pour lire la configuration des composants et appliquer les modifications de configuration. Corrections de bogues et améliorations mineures supplémentaires. |
| TensorFlow Classification d'images Lite | La version 2.1.0 du nouveau composant de [classification d'images TensorFlow Lite](tensorflow-lite-image-classification-component.md) est disponible.**Nouvelles fonctionnalités**
Ajoutez la prise en charge de l'inférence de classification d'exemples d'images à l'aide de [TensorFlow Lite](https://www.tensorflow.org/lite/guide/python). |
| TensorFlow Détection d'objets allégée | La version 2.1.0 du nouveau composant de [détection d'objets TensorFlow Lite](tensorflow-lite-object-detection-component.md) est disponible.**Nouvelles fonctionnalités**
Ajoutez la prise en charge de l'inférence de détection d'échantillons d'objets à l'aide de [TensorFlow Lite](https://www.tensorflow.org/lite/guide/python). |
| TensorFlow Boutique de modèles de classification d'images Lite | La version 2.1.0 du nouveau composant de [magasin de modèles de classification d'images TensorFlow Lite](tensorflow-lite-image-classification-model-store-component.md) est disponible.**Nouvelles fonctionnalités**
Fournissez un modèle quantifié MobileNet v1 pré-entraîné pour l'inférence de classification d'échantillons d'images à l'aide de Lite. TensorFlow |
| TensorFlow Boutique de modèles de détection d'objets Lite | La version 2.1.0 du nouveau composant [TensorFlow Lite de détection d'objets Model Store](tensorflow-lite-object-detection-model-store-component.md) est disponible.**Nouvelles fonctionnalités**
Fournissez un MobileNet modèle SSD (Single Shot Detection) préentraîné basé sur le jeu de données COCO pour l'inférence de détection d'échantillons d'objets à l'aide TensorFlow de Lite. |
| TensorFlow Lite | La version 2.5.0 du nouveau composant [TensorFlow Lite](tensorflow-lite-component.md) est disponible.**Nouvelles fonctionnalités**
Installez [TensorFlow Lite](https://www.tensorflow.org/lite/guide/python) v1.6.0 et ses dépendances dans un environnement virtuel sur les plateformes Armv7, Armv8 (AArch64) et x86\_64. |