Configuration de votre appareil - Amazon SageMaker AI

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.

Configuration de votre appareil

Vous devrez installer des packages sur votre appareil en périphérie pour qu'il puisse faire des inférences. Vous devrez également installer AWS IoT Greengrass ou Deep Learning Runtime (DLR). Dans cet exemple, vous allez installer les packages requis pour faire des inférences pour l'algorithme de détection d'objet coco_ssd_mobilenet et vous utiliserez DLR.

  1. Installation de packages supplémentaires

    En plus de Boto3, vous devez installer certaines bibliothèques sur votre appareil en périphérie. Les bibliothèques que vous installez dépendent de votre cas d'utilisation.

    Par exemple, pour l'algorithme de détection d'coco_ssd_mobilenetobjets que vous avez téléchargé précédemment, vous devez l'installer NumPypour la manipulation des données et les statistiques, PIL pour charger les images et Matplotlib pour générer des tracés. Vous avez également besoin d'une copie de TensorFlow si vous souhaitez évaluer l'impact de la compilation avec Neo par rapport à une base de référence. 

    !pip3 install numpy pillow tensorflow matplotlib

  2. Installation du moteur d'inférence sur votre périphérique

    Pour exécuter votre modèle néo-compilé, installez le Deep Learning Runtime (DLR) sur votre périphérique. DLR est un environnement d'exécution courant compact, pour les modèles de deep learning et d'arbres de décision. Sur les CPU cibles x86_64 exécutant Linux, vous pouvez installer la dernière version du package DLR à l'aide de la commande pip :

    !pip install dlr

    Pour l'installation de DLR sur des GPU cibles ou des appareils en périphérie non x86, veuillez consulter Releases (Versions) pour les binaires préconçus, ou Installing DLR (Installation de DLR) pour créer un DLR à partir d'une source. Par exemple, pour installer un DLR pour Raspberry Pi 3, vous pouvez utiliser : 

    !pip install https://neo-ai-dlr-release.s3-us-west-2.amazonaws.com/v1.3.0/pi-armv7l-raspbian4.14.71-glibc2_24-libstdcpp3_4/dlr-1.3.0-py3-none-any.whl