ML-Inferenz-Lösungsvorlagen von AWS IoT Greengrass
Hintergrund
Die ML-Inferenz-Lösungsvorlagen von AWS IoT Greengrass demonstrieren, wie Sie die in Amazon SageMaker trainierten Machine-Learning-Modelle auf einem Edge-Gerät vor Ort bereitstellen und ausführen können, auf dem AWS IoT Greengrass ausgeführt wird, und wie Sie die Möglichkeit erhalten, lokale Inferenz auf vor Ort generierten Daten durchzuführen und die Inferenzergebnisse gleichzeitig in vernetzten AWS-IoT-Greengrass-fähigen Geräten oder AWS zu veröffentlichen.
ML-Inferenz von AWS IoT Greengrass
Version: 1.0
Letzte Aktualisierung: 10/2019
Autor: AWS
Übersicht
Diese Lösungsvorlagen nutzen AWS-IoT-Services, um Daten aus lokal vernetzten Geräten zu erfassen und diese Daten mit ML-Inferenz von AWS IoT Greengrass zu verarbeiten. Das folgende Diagramm zeigt die Architektur, die Sie mithilfe der Vorlage für AWS CloudFormation und des dazugehörigen Quellcodes sowie der Dokumentation automatisch bereitstellen können.
Anwendungsfall
Diese Lösungsvorlagen können mehrere Anwendungsfallszenarien bearbeiten, bei denen lokale Datenquellen wie eine vernetzte Kamera oder ein Sensornetzwerk Daten an AWS IoT Greengrass streamen können und lokale Funktionen dafür verwendet werden können, die auf dem Gerät ausgeführten Inferenzservices aufzurufen.
Zum Beispiel ein automatisiertes Sortierungs- und Recyclinganlagenzentrum, bei dem eine Kameraflotte zur Identifizierung und Suche nach Abfall betrieben wird. Jede Kamera nimmt ein Bild pro Sekunde auf, während die Materialien den Sortierprozess durchlaufen. Die Bilder werden erfasst und an ein Gerät mit AWS IoT Greengrass weitergeleitet, wo Inferenz vor Ort gegenüber dem aufgenommenen Bild vorgenommen und die geeignete Aktion entsprechend den von der Sortierungs- und Recyclinganlage festgelegten Regeln ausgeführt wird.
Architektur
Die Lösungsarchitektur besteht aus drei Hauptteilen. Die Datenquelle, z.B. eine vernetzte Kamera oder ein Netzwerk-Streaming-Protokoll, liefert eine Rohdateneingabe. Der AWS IoT Greengrass Core wird auf einer Hardware vor Ort ausgeführt, die eine Verbindung mit der Datenquelle und der Cloud herstellt und auf der AWS-Lambda -Funktionen ausgeführt werden. AWS-Services in der Cloud wie AWS IoT Core, Amazon SageMaker, Amazon S3, Amazon DynamoDB, und AWS Lambda bieten Datenverarbeitung, Speicher, Nachrichten sowie Modelltraining und -verbesserung.
Diese Lösungsvorlagen nutzen Lambda-Funktionen für den Datenabruf aus der Quelle und die Vorverarbeitung für Inferenz. Die Inferenz wird vor Ort mit einer Lambda-Funktion oder einem IoT-Greengrass-Connector durchgeführt, um Vorhersagen zu treffen, die lokale Aktionen auslösen und Ergebnisse in die Cloud übertragen können.
Funktionen
Anpassbar
Diese Lösungsvorlage ist Hardware-agnostisch, kann jedoch angepasst werden, um sicherzustellen, dass Machine-Learning-Modelle auf nahezu jeder Hardware mit AWS IoT Greengrass bereitgestellt und ausgeführt werden können. Der AWS Partner Device Catalog bietet eine Liste qualifizierter Geräte, auf denen die Ausführung von IoT Greengrass und die Integration in AWS getestet wurden. Mit dem AWS-IoT-Gerätetester können Sie selbst testen, ob AWS IoT Greengrass auf Ihrer Hardware ausgeführt werden kann.
Erweiterbar
Diese Lösungsvorlagen ergänzen die Lösungsvorlagen für das Extrahieren, Transformieren, Laden (ETL) mit AWS IoT Greengrass und können angepasst werden, um anderen Anforderungen bezüglich Dateneingabe und -verarbeitung gerecht zu werden, einschließlich der Verwendung wechselnder Machine-Learning-Modelle und Visualisierungstools.