生命周期终止

问:在生命周期终止(EOL)日期之后,我的 AWS DeepLens 资源会怎样?

2024 年 1 月 31 日之后,所有对 AWS DeepLens 模型、项目和设备信息的引用都将从 AWS DeepLens 服务中删除。您将无法再从您的 AWS 管理控制台发现或访问 AWS DeepLens 服务,并且调用 AWS DeepLens API 的应用程序将不再工作。

问:在 EOL 日期之后,我是否需要为账户中剩余的 AWS DeepLens 资源付费?

AWS DeepLens 创建的资源,例如 Amazon S3 存储桶、AWS Lambda 函数、AWS IoT 事物和 AWS Identity and Access Management (IAM) 角色,在 2024 年 1 月 31 日之后将继续存在于各自的服务中。为了避免在 AWS DeepLens 不受支持后继续被收取费用,请按照以下所有步骤删除这些资源

问:如何删除我的 AWS DeepLens 资源?

要删除 AWS DeepLens 使用的资源并了解如何将您的 AWS DeepLens 设备恢复为出厂设置,请参阅删除您的 AWS DeepLens 设备资源

问:我可以在生命周期终止(EOL)日期后部署我的 AWS DeepLens 项目吗?

您可以在 2024 年 1 月 31 日之前部署 AWS DeepLens 项目。该日期之后,您将无法访问 AWS DeepLens 控制台或 API,并且任何调用 AWS DeepLens API 的应用程序都将无法运行。

问:我的 AWS DeepLens 设备会继续接收安全更新吗?

AWS DeepLens 在 2024 年 1 月 31 日之后不再更新。虽然部署在 AWS DeepLens 设备上的某些应用程序可能会在 EOL 日期之后继续运行,但 AWS 不提供与 AWS DeepLens 软件或硬件相关的任何问题的补救措施,也不对这些问题负责。

 

问:我如何才能继续获得 AWS AI/ML 的实践经验?

我们建议您尝试我们的其他动手机器学习工具。借助 AWS DeepRacer,使用基于云的 3D 赛车模拟器为 1/18 比例的自主赛车创建强化学习模型。使用 Amazon SageMaker Studio Lab,在无需设置的免费开发环境中学习和试验。使用 Amazon Rekognition 自动执行图像和视频分析,或使用 AWS Panorama 通过边缘计算机视觉改进您的操作。

 

问:我应该如何处理我的 AWS DeepLens 设备?

我们鼓励您通过 Amazon Recycling Program 回收您的 AWS DeepLens 设备。Amazon 将承担与运输和回收相关的费用。

 

一般性问题

问:什么是 AWS DeepLens?

AWS DeepLens 是全球首款支持深度学习的视频摄像头,让各种技能水平的开发人员都可以通过计算机视觉实践教程、示例代码和预构建的模型来发展自己的机器学习技能。

问:AWS DeepLens 与市场上的其他视频摄像头有何不同?

AWS DeepLens 是全球首款能够在设备上运行机器学习模型并执行推理的视频摄像头。启动时附带 6 个示例项目,您可以在 10 分钟内将这些项目部署到您的 AWS DeepLens 上。您可以按原样运行示例项目、将它们与其他 AWS 服务连接、在 Amazon Sagemaker 中训练模型并将其部署到 AWS DeepLens,也可以在发生某个动作时触发 Lambda 函数,对功能进行扩展。您还可以使用 Amazon Rekognition 在云中应用更高级的分析。AWS DeepLens 可以提供构建块,满足您的机器学习需求。

问:有哪些示例项目可用?

有 7 个示例项目可用:

1.对象检测

2.热狗与不是热狗

3.猫和狗

4.艺术风格转移

5.动作检测

6.人脸检测

7.鸟分类

 

问:AWS DeepLens 是否附带 Alexa?

否。AWS DeepLens 不附带 Alexa 或任何远场音频功能。但 AWS DeepLens 采用的 2D 麦克风阵列能够运行自定义音频模型(需要额外编程)。

 

产品详细信息

问:设备的产品规格如何?

  • Intel Atom® 处理器
  • Gen9 显卡
  • Ubuntu OS 16.04 LTS
  • 100 GFLOPS 性能
  • 双频 Wi-Fi
  • 8GB RAM
  • 16GB 存储
  • 可以通过 microSD 卡扩展的存储
  • 4MP 摄像头,MJPEG 格式
  • H.264 编码,1080p 分辨率
  • 2 个 USB 端口
  • Micro HDMI
  • 音频输出
显示简要信息

问:我的设备底部为什么标记有 "v1.1"?

AWS DeepLens(2019 年版)设备底部标记有 “v1.1”。我们对用户体验进行了重大改进,包括入站、教程和额外的传感器兼容性支持,如来自 Intel Real Sense 的深度传感器。 

原始 AWS DeepLens 不能通过软件更新升级到 v1.1。一些设备修改(包括简化的入门培训)为硬件更改。

 

问:我能在设备上运行哪些深度学习框架?

AWS DeepLens(2019 年版本)针对 Apache MXNet、TensorFlow 和 Caffe 进行了优化。 

问:AWS DeepLens 能够达到怎样的性能?

性能表现为每秒推理的图像数量和延迟。不同的模型有不同的每秒推理性能。当批处理大小为 1 时,基准推理性能为 AlexNet 上 14 张图像/秒,ResNet 50 上 5 张图像/秒。延迟由 DeepLens 所连接的网络的特性决定。


问:AWS DeepLens 支持哪些 MXNet 网络架构层?

AWS DeepLens 支持 20 种不同的网络架构层。受支持的架构层包括:

  • Activation
  • BatchNorm
  • Concat
  • Convolution
  • elemwise_add
  • Pooling
  • Flatten
  • FullyConnected
  • InputLayer
  • UpSampling
  • Reshape
  • ScaleShift
  • SoftmaxActivation
  • SoftmaxOutput
  • transpose
  • _contrib_MultiBoxPrior
  • _contrib_MultiBoxDetection
  • _Plus
  • Deconvolution
  • _mul

入门

问:包装盒内有哪些内容?怎样开始使用?

开发人员可以在包装盒内找到一份入门指南、一台 AWS DeepLens 设备、一个区域特定的电源线和适配器、USB 电缆和一个 32GB microSD 卡。您需要使用笔记本电脑或 PC 上的浏览器来配置 DeepLens 设备,通过 AWS DeepLens 控制台,其设置和配置工作只要几分钟即可完成。

3 个 10 分钟教程引导您完成入门:

1.创建和部署项目
2.扩展项目
3.使用 Amazon SageMaker 构建 AWS DeepLens 项目

 

问:为什么一个 USB 端口被标记为注册?

在 AWS DeepLens(2019 年版)上,标记为注册的 USB 端口将在注册过程中用于将 AWS DeepLens 注册到您的 AWS 账户。

用于注册的 USB 端口被配置为从端口。因此,它不能用于键盘或其他主端口设置。如果您需要连接多个端口,我们建议使用 USB 集线器。 

 

显示简要信息

问:我能否在设备上训练模型?

不能。AWS DeepLens 可以使用经过训练的模型运行推理或预测。您可以在 Amazon SageMaker 这种用于训练和托管模型的机器学习平台中训练模型。AWS DeepLens 提供简单的一键式部署功能,可以从 Amazon SageMaker 发布经过训练的模型。


问:AWS DeepLens 集成了哪些 AWS 服务?

DeepLens 经过预配置,可以与 AWS Greengrass、Amazon SageMaker 和 Amazon Kinesis Video Streams 集成。您可以将 AWS DeepLens 与许多其他 AWS 服务集成,例如 Amazon S3、Amazon Lambda、Amazon Dynamo 和 Amazon Rekognition。


问:能否以 SSH 方式连接 AWS DeepLens?

能。AWS DeepLens 的简单易用,也可供高级开发人员使用。您可以使用 ssh aws_cam@ 命令以 SSH 方式连接设备

 

问:AWS DeepLens 支持哪些编程语言?

您可以用 Python 2.7 以本地方式在摄像头数据流上定义和运行模型。

问:运行模型是否需要连接 Internet?

您可以运行已部署到 AWS DeepLens 上的模型,无需连接 Internet。但是在开始的时候,您需要连接 Internet 才能将模型从云部署到设备。模型传输之后,AWS DeepLens 可以在本地设备上执行推理,不需要连接云。但是,如果您的项目中有需要与云进行交互的组件,那么您需要为这些组件启用 Internet。

问:能否在 AWS DeepLens 上运行自己的自定义模型?

可以。您也可以从头开始创建自己的项目:使用 AWS SageMaker 平台准备数据并使用托管的 Jupyter Notebook 训练模型,然后将训练过的模型发布到您的 AWS DeepLens 上进行测试和完善。您也可以在 S3 中指定模型架构和网络权值文件的位置,从而将外部训练的模型导入 AWS DeepLens。