本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

支持的计算机视觉模型和摄像头

AWSPanorama 支持使用 PyTorch、Apache MXNet 和 TensorFlow构建的模型。部署应用程序时，AWSPanorama 会在 SageMaker Neo 中编译您的模型。只要您使用与 SageMaker Neo 兼容的层，您就可以在 Amazon SageMaker 或开发环境中构建模型。

为了处理视频并将图像发送给模型，AWSPanorama Appliance 使用该协议连接到 H.264 编码的RTSP视频流。AWSPanorama 测试了各种常用相机的兼容性。

支持的型号

在为 AWS Panorama 构建应用程序时，您需要提供一个机器学习模型，该模型用于计算机视觉。您可以使用模型框架提供的预生成和预训练模型、示例模型或您自己生成和训练的模型。

部署应用程序时，AWSPanorama 使用 SageMaker Neo 编译器来编译您的计算机视觉模型。 SageMakerNeo 是一款编译器，可优化模型以在目标平台上高效运行，目标平台可以是亚马逊弹性计算云 (AmazonEC2) 中的实例，也可以是边缘设备，例如 AWS Panorama Appliance。

AWSPanorama 支持 PyTorchMXNet、Apache 和 TensorFlow SageMaker Neo 支持的边缘设备版本。在构建自己的模型时，可以使用 SageMaker Neo 发行说明中列出的框架版本。在中 SageMaker，您可以使用内置的图像分类算法。

有关在 AWS Panorama 中使用模型的更多信息，请参阅计算机视觉模型。

支持的摄像头

AWSPanorama Appliance 支持来自通过本地网络输RTSP出的摄像机的 H.264 视频流。对于大于 200 万像素的摄像头流式传输，设备会将图像缩小到 1920x1080 像素或保留流纵横比的等效大小。

以下相机型号已经过与 AWS Panorama设备的兼容性测试：

有关设备的硬件规格，请参阅 AWS Panorama Appliance 规范。