Tag: Amazon S3

本文旨在帮助读者一步步的快速上手并理解 OTA 升级流程，其中会使用到 AWS IoT Core, IoT Device Management, EC2 以及 S3 的相关功能。关于在开发过程中的具体流程可以配合参考 AWS IoT Device SDK 文档和另外一篇官方博客。

利用嵌入到IPC中的SDK，为IPC提供视频片段直接上传到S3进行存储的功能，并利用云端服务实现无服务器的视频回放系统。

在本文中，我们将介绍一套框架，帮忙清除您组织中的亚马逊云科技托管数据湖内的各特定用户数据。此外，我们还将共同了解一套由多种不同亚马逊云科技存储层构成的分析解决方案，以及针对Amazon S3的示例代码。

基于Graviton2的ARM架构实例上编译安装和运行WRF数值天气预报模式系统全流程组件，使用ParallelCluster机型WRF HPC集群灵活管理，使得WRF任务的运行经济，高效

本篇博客针对Amazon S3服务的访问控制机制做出系统的剖析，总结不同机制之间的差异和集成方式，以及其适用场景和原因。

Amazon SageMaker 是一种完全托管的端到端机器学习服务，数据科研人员、开发人员和机器学习专家可以快速、大规模地构建、训练和托管机器学习模型。这极大地推进了您所有的机器学习工作，让您能够将机器学习技术迅速融入生产应用程序。

但随着系统中数据规模的持续增长，数据移动也变得越来越困难。为了解决这一挑战、进而从数据中获取最大收益，亚马逊云科技提出了Lake House“智能湖仓”方案。

该文以目标检测模型着手，演示如何一步步基于Sagemaker Neo对训练后的模型文件进行编译优化，来提升模型的推理速度。 文中以yolo3(backbone为mobilenet1.0）模型为例，分别演示模型准备，模型Neo编译，模型导出推理测试，可视化等过程， 推理结果显示基于Sagemaker Neo可以显著提升推理速度，达到一倍以上的加速。

作为开发人员，经常要提供各种尺寸的图像，以确保不同屏幕尺寸的设备都有出色的访问体验。所以图片经常会被处理成各种尺寸以适应APP。本文将阐述一种方式，当设备访问S3上图片时会生成一张适当尺寸的图片返回设备。

这是一篇使用 JuiceFS 作为 Amazon EMR 存储后端的快速入门文章，JuiceFS 是一个专门为在云端工作而设计的 POSIX 兼容的共享文件系统并且兼容 HDFS。JuiceFS 与自建的 HDFS 相比，可以节省 50% ~ 70% 的成本，同时达到与自建 HDFS接近的性能。