自定义您的机器学习组件

部署修改后的公共推理组件（控制台）

1. 登录 AWS IoT Greengrass 控制台。

2. 在导航菜单中，选择组件。

3. 在组件页面的公有组件选项卡中，选择您想要部署的组件。

4. 在组件页面上，选择部署。

5. 在添加到部署中，选择以下选项之一：

   1. 要将此组件合并到目标设备上的现有部署，请选择添加到现有部署，然后选择要修改的部署。

   2. 要在目标设备上创建新部署，请选择创建新部署。如果您的设备上已有部署，选择此步骤将替换现有部署。

6. 在指定目标页面中，执行以下操作：

   1. 在部署信息下，输入或修改部署的友好名称。

   2. 在部署目标下，选择部署目标，然后选择下一步。如果您正在修改现有部署，则无法更改部署目标。

7. 在选择组件页面的公有组件下，验证是否选择了经修改配置的推理组件，然后选择下一步。

8. 在配置组件页面上，执行以下操作：

   1. 选择推理组件，然后选择配置组件。

   2. 在配置更新下，输入要更新的配置值。例如，在要合并的配置框中输入以下配置更新，将推理间隔更改为 15 秒，并指示组件在文件夹 custom.jpg 中查找名为的 /custom-ml-inference/images/ 图像。

      {
        "InferenceInterval": "15",
        "ImageName": "custom.jpg",
        "ImageDirectory": "/custom-ml-inference/images/"
      }

      要将组件的整个配置重置为其默认值，请在重置路径框中指定一个空字符串 ""。

   3. 选择确认，然后选择下一步。

9. 在配置高级设置页面上，保留默认配置设置，然后选择下一步。

10. 在检查页上，选择部署。

1. 运行以下命令以检索DLR图像分类组件的组件配方。此命令将组件配方写入您在命令中提供的JSON或YAML配方文件中。

   Linux, macOS, or Unix

   aws greengrassv2 get-component \
       --arn arn:aws:greengrass:region:aws:components:aws.greengrass.DLRImageClassification:versions:version \
       --recipe-output-format JSON | YAML \
       --query recipe \
       --output text | base64 --decode > <recipe-file>

   Windows Command Prompt (CMD)

   aws greengrassv2 get-component ^
       --arn arn:aws:greengrass:region:aws:components:aws.greengrass.DLRImageClassification:versions:version ^
       --recipe-output-format JSON | YAML ^
       --query recipe ^
       --output text > <recipe-file>.base64
   
   certutil -decode <recipe-file>.base64 <recipe-file>

   PowerShell

   aws greengrassv2 get-component `
       --arn arn:aws:greengrass:region:aws:components:aws.greengrass.DLRImageClassification:versions:version `
       --recipe-output-format JSON | YAML `
       --query recipe `
       --output text > <recipe-file>.base64
   
   certutil -decode <recipe-file>.base64 <recipe-file>

   <recipe-file>用格式中的配方名称替换<component-name>-<component-version>。

2. 在配方的 ComponentDependencies 对象中，根据要使用的模型和运行时组件，执行以下一项或多项操作：

   • 如果要使用DLR编译后的模型，请保留DLR组件依赖关系。您也可以将其替换为自定义运行时组件的依赖关系，如以下示例所示。

     运行时组件

     JSON

     { 
         "<runtime-component>": {
             "VersionRequirement": "<version>",
             "DependencyType": "HARD"
         }
     }

     YAML

     <runtime-component>:
         VersionRequirement: "<version>"
         DependencyType: HARD

   • 保留DLR图像分类模型存储依赖关系以使用 AWS 提供的预训练的 ResNet -50 模型，或者对其进行修改以使用自定义模型组件。当你为公共模型组件添加依赖关系时，如果该组件的更高自定义版本存在于同一个 AWS 账户 和中 AWS 区域，则推理组件将使用该自定义组件。如下例所示指定模型组件的依赖关系。

     公共模型组件

     JSON

     {
         "variant.DLR.ImageClassification.ModelStore": {
             "VersionRequirement": "<version>",
             "DependencyType": "HARD"
         }
     }

     YAML

     variant.DLR.ImageClassification.ModelStore:
         VersionRequirement: "<version>"
         DependencyType: HARD

     自定义模型组件

     JSON

     {
         "<custom-model-component>": {
             "VersionRequirement": "<version>",
             "DependencyType": "HARD"
         }
     }

     YAML

     <custom-model-component>:
         VersionRequirement: "<version>"
         DependencyType: HARD

3. 在 ComponentConfiguration 对象中，添加此组件的默认配置。您可以稍后在部署组件时修改此配置。以下摘录显示了DLR图像分类组件的组件配置。

   例如，如果您使用自定义模型组件作为自定义推理组件的依赖关系，请修改 ModelResourceKey 以提供您正在使用的模型名称。

   JSON

   {
     "accessControl": {
       "aws.greengrass.ipc.mqttproxy": {
         "aws.greengrass.ImageClassification:mqttproxy:1": {
           "policyDescription": "Allows access to publish via topic ml/dlr/image-classification.",
           "operations": [
             "aws.greengrass#PublishToIoTCore"
           ],
           "resources": [
             "ml/dlr/image-classification"
           ]
         }
       }
     },
     "PublishResultsOnTopic": "ml/dlr/image-classification",
     "ImageName": "cat.jpeg",
     "InferenceInterval": 3600,
     "ModelResourceKey": {
       "armv7l": "DLR-resnet50-armv7l-cpu-ImageClassification",
       "x86_64": "DLR-resnet50-x86_64-cpu-ImageClassification",
       "aarch64": "DLR-resnet50-aarch64-cpu-ImageClassification"
     }
   }

   YAML

   accessControl:
       aws.greengrass.ipc.mqttproxy:
           'aws.greengrass.ImageClassification:mqttproxy:1':
               policyDescription: 'Allows access to publish via topic ml/dlr/image-classification.'
               operations:
                   - 'aws.greengrass#PublishToIoTCore'
               resources:
                   - ml/dlr/image-classification
   PublishResultsOnTopic: ml/dlr/image-classification
   ImageName: cat.jpeg
   InferenceInterval: 3600
   ModelResourceKey:
       armv7l: "DLR-resnet50-armv7l-cpu-ImageClassification"
       x86_64: "DLR-resnet50-x86_64-cpu-ImageClassification"
       aarch64: "DLR-resnet50-aarch64-cpu-ImageClassification"

4. 在 Manifests 对象中，提供有关该组件部署到不同平台时使用的构件和配置信息，以及成功运行该组件所需的任何其他信息。以下摘录显示了DLR图像分类组件中适用于 Linux 平台的Manifests对象配置。

   JSON

   {
     "Manifests": [
       {
         "Platform": {
           "os": "linux",
           "architecture": "arm"
         },
         "Name": "32-bit armv7l - Linux (raspberry pi)",
         "Artifacts": [
           {
             "URI": "s3://SAMPLE-BUCKET/sample-artifacts-directory/image_classification.zip",
             "Unarchive": "ZIP"
           }
         ],
         "Lifecycle": {
           "Setenv": {
             "DLR_IC_MODEL_DIR": "{variant.DLR.ImageClassification.ModelStore:artifacts:decompressedPath}/{configuration:/ModelResourceKey/armv7l}",
             "DEFAULT_DLR_IC_IMAGE_DIR": "{artifacts:decompressedPath}/image_classification/sample_images/"
           },
           "Run": {
             "RequiresPrivilege": true,
             "script": ". {variant.DLR:configuration:/MLRootPath}/greengrass_ml_dlr_venv/bin/activate\npython3 {artifacts:decompressedPath}/image_classification/inference.py"
           }
         }
       }
     ]
   }

   YAML

   Manifests:
     - Platform:
         os: linux
         architecture: arm
       Name: 32-bit armv7l - Linux (raspberry pi)
       Artifacts:
         - URI: s3://SAMPLE-BUCKET/sample-artifacts-directory/image_classification.zip
           Unarchive: ZIP
       Lifecycle:
         SetEnv:
           DLR_IC_MODEL_DIR: "{variant.DLR.ImageClassification.ModelStore:artifacts:decompressedPath}/{configuration:/ModelResourceKey/armv7l}"
           DEFAULT_DLR_IC_IMAGE_DIR: "{artifacts:decompressedPath}/image_classification/sample_images/"
         Run:
           RequiresPrivilege: true
           script: |-
             . {variant.DLR:configuration:/MLRootPath}/greengrass_ml_dlr_venv/bin/activate
             python3 {artifacts:decompressedPath}/image_classification/inference.py