As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Tutorial: Comece a usar o SageMaker AI Edge Manager **Importante** SageMaker O AI Edge Manager foi descontinuado em 26 de abril de 2024. Para obter mais informações sobre como continuar implantando seus modelos em dispositivos de ponta, consulte Fim da vida útil do [ SageMaker AI Edge Manager](https://docs.aws.amazon.com/sagemaker/latest/dg/edge-eol.html). O Amazon SageMaker AI Edge Manager é um agente de software executado em dispositivos periféricos. SageMaker O AI Edge Manager fornece gerenciamento de modelos para dispositivos de ponta para que você possa empacotar e usar Neo-compiled os modelos de SageMaker IA da Amazon diretamente nos dispositivos principais do Greengrass. Ao usar o SageMaker AI Edge Manager, você também pode coletar amostras de dados de entrada e saída do modelo de seus dispositivos principais e enviar esses dados Nuvem AWS para o monitoramento e análise. Para obter mais informações sobre como o SageMaker AI Edge Manager funciona nos principais dispositivos do Greengrass, consulte[Use o Amazon SageMaker AI Edge Manager nos dispositivos principais do Greengrass](use-sagemaker-edge-manager.md). Este tutorial mostra como começar a usar o SageMaker AI Edge Manager com componentes AWS de amostra fornecidos em um dispositivo principal existente. Esses componentes de amostra usam o componente SageMaker AI Edge Manager como uma dependência para implantar o agente do Edge Manager e realizar inferências usando modelos pré-treinados que foram compilados usando o AI Neo SageMaker . Para obter mais informações sobre o agente do SageMaker AI Edge Manager, consulte o [ SageMaker AI Edge Manager ](https://docs.aws.amazon.com/sagemaker/latest/dg/edge.html) no Guia do desenvolvedor de SageMaker IA da * Amazon*. Para configurar e usar o agente SageMaker AI Edge Manager em um dispositivo principal existente do Greengrass, AWS fornece um exemplo de código que você pode usar para criar os seguintes exemplos de inferência e componentes de modelo. + **Classificação de imagens** + `com.greengrass.SageMakerEdgeManager.ImageClassification` + `com.greengrass.SageMakerEdgeManager.ImageClassification.Model` + **Detecção de objetos** + `com.greengrass.SageMakerEdgeManager.ObjectDetection ` + `com.greengrass.SageMakerEdgeManager.ObjectDetection.Model` Este tutorial mostra como implantar os componentes de amostra e o agente do SageMaker AI Edge Manager. **Topics** + [Pré-requisitos](#edge-manager-getting-started-prereqs) + [Configure seu dispositivo principal do Greengrass no SageMaker AI Edge Manager](#greengrass-edge-manager-set-up) + [Criar os componentes de exemplo](#create-sample-sme-ml-components) + [Executar uma amostra de inferência de classificação de imagens](#run-sample-sme-image-classification-inference) ## Pré-requisitos Para concluir as etapas neste tutorial, você precisa atender aos seguintes pré-requisitos: + Um dispositivo principal do Greengrass em execução no Amazon Linux 2, em uma plataforma Debian-based Linux (x86\_64 ou Armv8) ou no Windows (x86\_64). Se você não tiver uma, consulte [Tutorial: Começando com AWS IoT Greengrass V2](getting-started.md). + [Python](https://www.python.org/downloads/) 3.6 ou posterior, incluindo o `pip` para sua versão do Python, instalada em seu dispositivo principal. + O runtime da API OpenGL GLX (`libgl1-mesa-glx`) instalado em seu dispositivo principal. + Um usuário AWS Identity and Access Management (IAM) com permissões de administrador. + Um computador Windows, Mac ou de Unix-like desenvolvimento com acesso à Internet que atenda aos seguintes requisitos: + [Python](https://www.python.org/downloads/) 3.6 ou superior instalado. + AWS CLI instalado e configurado com suas credenciais de usuário administrador do IAM. Para obter mais informações, consulte [Como instalar a AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-install.html) e [Como configurar a AWS CLI](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-configure.html). + Os seguintes buckets do S3 foram criados no mesmo Conta da AWS e Região da AWS como seu dispositivo principal do Greengrass: + Um bucket do S3 para armazenar os artefatos incluídos na inferência de amostra e nos componentes do modelo. Este tutorial usa amzn-s3-demo-bucket1 para se referir a esse bucket. + Um bucket do S3 que você associa à sua frota de dispositivos de ponta de SageMaker IA. SageMaker O AI Edge Manager exige um bucket do S3 para criar a frota de dispositivos de ponta e armazenar dados de amostra da execução da inferência em seu dispositivo. Este tutorial usa amzn-s3-demo-bucket2 para se referir a este bucket. Para obter informações sobre como criar buckets do S3, consulte [Conceitos básicos do Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/GetStartedWithS3.html). + O [perfil do dispositivo do Greengrass](device-service-role.md) foi configurado com o seguinte: + Uma relação de confiança que permite que `credentials.iot.amazonaws.com` e `sagemaker.amazonaws.com` assumam o perfil, conforme mostrado no exemplo de política do IAM a seguir. ``` { "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 política gerenciada pelo [ AmazonSageMakerEdgeDeviceFleetPolicy ](https://console.aws.amazon.com/iam/home#/policies/arn:aws:iam::aws:policy/service-role/AmazonSageMakerEdgeDeviceFleetPolicy) IAM. + A política gerenciada pelo [ AmazonSageMakerFullAccess ](https://console.aws.amazon.com/iamv2/home?region=us-east-1#/policies/details/arn%3Aaws%3Aiam%3A%3Aaws%3Apolicy%2FAmazonSageMakerFullAccess?section=policy_permissions) IAM. + A ação `s3:GetObject` para o bucket do S3 que contém os artefatos do seu componente, conforme mostrado no exemplo de política do IAM a seguir. ------ #### [ JSON ] **** ``` { "Version":"2012-10-17", "Statement": [ { "Action": [ "s3:GetObject" ], "Resource": [ "arn:aws:s3:::amzn-s3-demo-bucket1/*" ], "Effect": "Allow" } ] } ``` ------ ## Configure seu dispositivo principal do Greengrass no SageMaker AI Edge Manager As frotas de dispositivos Edge no SageMaker AI Edge Manager são coleções de dispositivos agrupados logicamente. Para usar o SageMaker AI Edge Manager com AWS IoT Greengrass, você deve criar uma frota de dispositivos de borda que use o mesmo alias de AWS IoT função do dispositivo principal do Greengrass no qual você implanta o agente do SageMaker AI Edge Manager. Em seguida, registre o dispositivo principal como parte dessa frota. **Topics** + [Criar uma frota de dispositivos de borda](#create-edge-device-fleet-for-greengrass) + [Registrar seu dispositivo principal do Greengrass](#register-greengrass-core-device-in-sme) ### Criar uma frota de dispositivos de borda **Para criar uma frota de dispositivos de borda (console)** 1. No console do [ Amazon SageMaker AI](https://console.aws.amazon.com/sagemaker), escolha ** Edge Manager e**, em seguida, escolha Frotas ** de dispositivos ** Edge. 1. Na página **Frotas de dispositivos**, selecione **Criar frota de dispositivo**. 1. Em **Propriedades da frota de dispositivo**, faça o seguinte: + Em **Nome da frota de dispositivo**, insira um nome para ela. + Para o **perfil do IAM**, insira o nome do recurso da Amazon (ARN) do alias do perfil da AWS IoT que você especificou ao configurar seu dispositivo principal do Greengrass. + Desative a opção **Criar alias de perfil do IAM**. 1. Escolha **Próximo**. 1. Em **Configuração de saída**, para **URI do bucket do S3**, insira o URI do bucket do S3 que você deseja associar à frota de dispositivos. 1. Selecione **Enviar**. ### Registrar seu dispositivo principal do Greengrass **Para registrar seu dispositivo principal do Greengrass como um dispositivo de borda (console)** 1. No console do [ Amazon SageMaker AI](https://console.aws.amazon.com/sagemaker), escolha ** Edge Manager e**, em seguida, escolha dispositivos ** Edge**. 1. Na página **Dispositivos**, selecione **Registrar dispositivos**. 1. Em **Propriedades do dispositivo**, em **Nome da frota de dispositivo**, insira o nome da frota de dispositivo que você criou e selecione **Avançar**. 1. Escolha **Próximo**. 1. Em Fonte ** do dispositivo**, em Nome do ** dispositivo**, insira o AWS IoT nome do item do seu dispositivo principal do Greengrass. 1. Selecione **Enviar**. ## Criar os componentes de exemplo Para ajudar você a começar a usar o componente SageMaker AI Edge Manager, AWS fornece um script Python GitHub que cria a amostra de inferência e os componentes do modelo e os carrega no Nuvem AWS para você. Complete as etapas a seguir em um computador de desenvolvimento. **Para criar os componentes de exemplo** 1. Baixe o [ repositório de exemplos de ](https://github.com/aws-greengrass/aws-greengrass-component-examples/)AWS IoT Greengrass componentes em GitHub seu computador de desenvolvimento. 1. Navegue até a pasta `/machine-learning/sagemaker-edge-manager` baixada. ``` cd {{download-directory}}/machine-learning/sagemaker-edge-manager ``` 1. Execute o comando a seguir para criar e carregar os componentes de exemplo na Nuvem AWS. ``` python3 create_components.py -r {{region}} -b amzn-s3-demo-bucket ``` {{region}}Substitua pelo Região da AWS local em que você criou seu dispositivo principal do Greengrass e substitua amzn-s3-demo-bucket1 pelo nome do bucket do S3 para armazenar os artefatos do componente. **nota** Por padrão, o script cria componentes de amostra para classificação de imagens e inferência de detecção de objetos. Para criar componentes somente para um tipo específico de inferência, especifique o argumento `-i {{ImageClassification | ObjectDetection}}`. Exemplos de inferência e componentes de modelo para uso com o SageMaker AI Edge Manager agora são criados em seu Conta da AWS. Para ver os componentes de amostra no [console do AWS IoT Greengrass](https://console.aws.amazon.com/greengrass), escolha **Componentes** e, em **Meus componentes**, pesquise os seguintes: + `com.greengrass.SageMakerEdgeManager.ImageClassification` + `com.greengrass.SageMakerEdgeManager.ImageClassification.Model` + `com.greengrass.SageMakerEdgeManager.ObjectDetection ` + `com.greengrass.SageMakerEdgeManager.ObjectDetection.Model` ## Executar uma amostra de inferência de classificação de imagens Para executar a inferência de classificação de imagens usando os componentes AWS de amostra fornecidos e o agente do SageMaker AI Edge Manager, você deve implantar esses componentes em seu dispositivo principal. A implantação desses componentes baixa um Resnet-50 modelo Neo-compiled pré-treinado de SageMaker IA e instala o agente SageMaker AI Edge Manager em seu dispositivo. O agente do SageMaker AI Edge Manager carrega o modelo e publica os resultados da inferência sobre o `gg/sageMakerEdgeManager/image-classification` tópico. Para visualizar esses resultados de inferência, use o cliente AWS IoT MQTT no AWS IoT console para assinar este tópico. **Topics** + [Inscrever-se no tópico de notificações](#sme-image-classification-subscribe) + [Implantar os componentes de exemplo](#sme-image-classification-deploy) + [Exibir resultados de inferência](#sme-image-classification-inference-results) ### Inscrever-se no tópico de notificações Nesta etapa, você configura o cliente AWS IoT MQTT no AWS IoT console para observar as mensagens MQTT publicadas pelo componente de inferência de amostra. Por padrão, o componente publica resultados de inferência no tópico `gg/sageMakerEdgeManager/image-classification`. Inscreva-se neste tópico antes de implantar o componente em seu dispositivo principal do Greengrass para ver os resultados da inferência quando o componente é executado pela primeira vez. **Para se inscrever no tópico de notificações padrão** 1. No menu de navegação do [console do AWS IoT](https://console.aws.amazon.com/iot/), escolha **Teste, Cliente de teste MQTT**. 1. Em **Inscrever-se em um tópico**, na caixa **Nome do tópico**, digite **gg/sageMakerEdgeManager/image-classification**. 1. Escolha **Assinar**. ### Implantar os componentes de exemplo Nesta etapa, você configura e implanta os seguintes componentes no dispositivo principal: + `aws.greengrass.SageMakerEdgeManager` + `com.greengrass.SageMakerEdgeManager.ImageClassification` + `com.greengrass.SageMakerEdgeManager.ImageClassification.Model` #### Para implantar seus componentes (console) 1. No menu de navegação do [console do AWS IoT Greengrass](https://console.aws.amazon.com/greengrass), escolha **Implantações** e, em seguida, selecione a implantação do dispositivo de destino que você deseja revisar. 1. Na página de implantação, selecione **Revisar** e, em seguida, escolha **Revisar implantação**. 1. Na página **Especificar destino**, escolha **Próximo**. 1. Na página **Selecionar componentes**, faça o seguinte: 1. Em **Meus componentes**, selecione os seguintes: + `com.greengrass.SageMakerEdgeManager.ImageClassification` + `com.greengrass.SageMakerEdgeManager.ImageClassification.Model` 1. Em **Componentes públicos**, desative a opção **Mostrar somente componentes selecionados** e, em seguida, selecione o componente `aws.greengrass.SageMakerEdgeManager`. 1. Escolha **Próximo**. 1. Na página **Configurar componentes**, selecione o componente `aws.greengrass.SageMakerEdgeManager` e faça o seguinte. 1. Escolha **Configurar componente**. 1. Em **Atualização de configuração**, em **Configuração a ser mesclada**, insira a configuração a seguir. ``` { "DeviceFleetName": "{{device-fleet-name}}", "BucketName": "{{amzn-s3-demo-bucket}}" } ``` {{device-fleet-name}}Substitua pelo nome da frota de dispositivos de ponta que você criou e {{amzn-s3-demo-bucket}} substitua pelo nome do bucket do S3 associado à sua frota de dispositivos. 1. Escolha **Confirmar** e, em seguida, **Avançar**. 1. Na página **Definir configurações avançadas**, mantenha as configurações padrão e escolha **Avançar**. 1. Na página **Revisar**, escolha **Implantar**. #### Para implantar seus componentes (AWS CLI) 1. No seu computador de desenvolvimento, crie um `deployment.json` arquivo para definir a configuração de implantação dos componentes do SageMaker AI Edge Manager. Esse arquivo deve se parecer com o exemplo a seguir. ``` { "targetArn":"{{targetArn}}", "components": { "aws.greengrass.SageMakerEdgeManager": { "componentVersion": "{{1.0.x}}", "configurationUpdate": { "merge": "{\"DeviceFleetName\":\"{{device-fleet-name}}\",\"BucketName\":\"{{amzn-s3-demo-bucket2}}\"}" } }, "com.greengrass.SageMakerEdgeManager.ImageClassification": { "componentVersion": "{{1.0.x}}", "configurationUpdate": { } }, "com.greengrass.SageMakerEdgeManager.ImageClassification.Model": { "componentVersion": "{{1.0.x}}", "configurationUpdate": { } }, } } ``` + No campo `targetArn`, substitua `{{targetArn}}` pelo nome do recurso da Amazon (ARN) da coisa ou do grupo de coisas do destino da implantação, no seguinte formato: + Coisa: `arn:aws:iot:{{region}}:{{account-id}}:thing/{{thingName}}` + Grupo de coisas: `arn:aws:iot:{{region}}:{{account-id}}:thinggroup/{{thingGroupName}}` + No `merge` campo, {{device-fleet-name}} substitua pelo nome da frota de dispositivos de borda que você criou. Em seguida, {{amzn-s3-demo-bucket2}} substitua pelo nome do bucket do S3 associado à sua frota de dispositivos. + Substitua as versões dos componentes de cada componente pela versão mais recente disponível. 1. Execute o seguinte comando para implantar os componentes no dispositivo: ``` aws greengrassv2 create-deployment \ --cli-input-json file://{{path/to/}}deployment.json ``` A implantação pode levar vários minutos para ser concluída. Na próxima etapa, verifique o log do componente para verificar se a implantação foi concluída com êxito e para ver os resultados da inferência. ### Exibir resultados de inferência Depois de implantar os componentes, você pode visualizar os resultados da inferência no log do componente em seu dispositivo principal do Greengrass e no cliente AWS IoT MQTT no console. AWS IoT Para assinar o tópico no qual o componente publica resultados de inferência, consulte [Inscrever-se no tópico de notificações](#sme-image-classification-subscribe). + **AWS IoT Cliente MQTT ** — Para visualizar os resultados que o componente de inferência publica no tópico de notificações [ padrão](#sme-image-classification-subscribe), conclua as seguintes etapas: 1. No menu de navegação do [console do AWS IoT](https://console.aws.amazon.com/iot/), escolha **Teste, Cliente de teste MQTT**. 1. Em **Assinaturas**, escolha **gg/sageMakerEdgeManager/image-classification**.   + **Log do componente**: para visualizar os resultados da inferência no registro do componente, execute o comando a seguir em seu dispositivo principal do Greengrass. ``` sudo tail -f {{/greengrass/v2}}/logs/com.greengrass.SageMakerEdgeManager.ImageClassification.log ``` Se você não conseguir ver os resultados da inferência no log do componente ou no cliente MQTT, a implantação falhou ou não atingiu o dispositivo principal. Isso pode ocorrer se seu dispositivo principal não estiver conectado à Internet ou não tiver as permissões corretas para executar o componente. Execute o comando a seguir em seu dispositivo principal para visualizar o arquivo de log do software AWS IoT Greengrass Core. Esse arquivo inclui logs do serviço de implantação do dispositivo principal do Greengrass. ``` sudo tail -f {{/greengrass/v2}}/logs/greengrass.log ``` Para obter mais informações, consulte [Solução de problemas de inferência de Machine learning do](ml-troubleshooting.md).