Componenti per l'apprendimento automatico - AWS IoT Greengrass

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Componenti per l'apprendimento automatico

AWS IoT Greengrass fornisce i seguenti componenti di machine learning che puoi distribuire su dispositivi supportati per eseguire inferenze di machine learning utilizzando modelli addestrati in Amazon SageMaker AI o con i tuoi modelli pre-addestrati archiviati in Amazon S3.

AWS fornisce le seguenti categorie di componenti di apprendimento automatico:

  • Componente del modello: contiene modelli di apprendimento automatico come artefatti Greengrass.

  • Componente Runtime: contiene lo script che installa il framework di machine learning e le sue dipendenze sul dispositivo principale Greengrass.

  • Componente di inferenza: contiene il codice di inferenza e include le dipendenze dei componenti per installare il framework di machine learning e scaricare modelli di machine learning preaddestrati.

È possibile utilizzare il codice di inferenza di esempio e i modelli preaddestrati nei componenti di machine learning AWS forniti per eseguire la classificazione delle immagini e il rilevamento di oggetti utilizzando and Lite. DLR TensorFlow Per eseguire inferenze di machine learning personalizzate con i tuoi modelli archiviati in Amazon S3 o per utilizzare un framework di machine learning diverso, puoi utilizzare le ricette di questi componenti pubblici come modelli per creare componenti di machine learning personalizzati. Per ulteriori informazioni, consulta Personalizza i tuoi componenti di machine learning.

AWS IoT Greengrass include anche un componente AWS fornito per gestire l'installazione e il ciclo di vita dell'agente SageMaker AI Edge Manager sui dispositivi principali Greengrass. Con SageMaker AI Edge Manager, puoi utilizzare i modelli compilati da Amazon SageMaker AI NEO direttamente sul tuo dispositivo principale. Per ulteriori informazioni, consulta Usa Amazon SageMaker AI Edge Manager sui dispositivi core Greengrass.

La tabella seguente elenca i componenti di machine learning disponibili in. AWS IoT Greengrass

Nota

Diversi componenti AWS forniti dipendono da versioni minori specifiche del nucleo Greengrass. A causa di questa dipendenza, è necessario aggiornare questi componenti quando si aggiorna il nucleo di Greengrass a una nuova versione secondaria. Per informazioni sulle versioni specifiche del nucleo da cui dipende ogni componente, consultate l'argomento relativo ai componenti. Per ulteriori informazioni sull'aggiornamento del nucleo, vedere. Aggiornamento del software AWS IoT Greengrass Core (OTA)

Quando un componente ha un tipo di componente sia generico che Lambda, la versione corrente del componente è di tipo generico e una versione precedente del componente è di tipo Lambda.

Componente Descrizione Tipo di componente Sistema operativo supportato Open source
Lookout for Vision Edge Agent Implementa il runtime Amazon Lookout for Vision sul dispositivo principale Greengrass, in modo da poter utilizzare la visione artificiale per trovare difetti nei prodotti industriali. Generico Linux No
SageMaker Gestione AI Edge Implementa l'agente Amazon SageMaker AI Edge Manager sul dispositivo principale Greengrass. Generico Linux, Windows No
Classificazione delle immagini DLR Componente di inferenza che utilizza l'archivio del modello di classificazione delle DLR immagini e il componente DLR runtime come dipendenze per installareDLR, scaricare modelli di classificazione delle immagini di esempio ed eseguire inferenze di classificazione delle immagini sui dispositivi supportati. Generico Linux, Windows No
Rilevamento di oggetti DLR Componente di inferenza che utilizza l'archivio del modello di rilevamento degli DLR oggetti e il componente DLR runtime come dipendenze per installareDLR, scaricare modelli di rilevamento di oggetti di esempio ed eseguire inferenze per il rilevamento degli oggetti sui dispositivi supportati. Generico Linux, Windows No
DLRarchivio di modelli di classificazione delle immagini Componente del modello che contiene esempi di modelli di classificazione delle immagini ResNet -50 come artefatti Greengrass. Generico Linux, Windows No
DLRarchivio di modelli di rilevamento di oggetti Componente del modello che contiene modelli di rilevamento di YOLOv3 oggetti di esempio come artefatti Greengrass. Generico Linux, Windows No
Runtime DLR Componente di runtime che contiene uno script di installazione utilizzato per l'installazione DLR e le sue dipendenze sul dispositivo principale Greengrass. Generico Linux, Windows No
TensorFlow Classificazione delle immagini Lite Componente di inferenza che utilizza l' TensorFlow archivio del modello di classificazione delle immagini TensorFlow Lite e il componente runtime Lite come dipendenze per installare TensorFlow Lite, scaricare modelli di classificazione delle immagini di esempio ed eseguire inferenze di classificazione delle immagini sui dispositivi supportati. Generico Linux, Windows No
TensorFlow Rilevamento di oggetti Lite Componente di inferenza che utilizza l'archivio del modello di rilevamento degli oggetti TensorFlow Lite e il componente runtime TensorFlow Lite come dipendenze per installare TensorFlow Lite, scaricare modelli di rilevamento di oggetti di esempio ed eseguire inferenze per il rilevamento degli oggetti sui dispositivi supportati. Generico Linux, Windows No
TensorFlow Archivio di modelli di classificazione delle immagini Lite Componente del modello che contiene un modello MobileNet v1 di esempio come artefatto Greengrass. Generico Linux, Windows No
TensorFlow Archivio di modelli Lite per il rilevamento di oggetti Componente del modello che contiene un MobileNet modello Single Shot Detection (SSD) di esempio come artefatto Greengrass. Generico Linux, Windows No
TensorFlow Runtime Lite Componente di runtime che contiene uno script di installazione utilizzato per installare TensorFlow Lite e le sue dipendenze sul dispositivo principale Greengrass. Generico Linux, Windows No