Publicado en: Nov 28, 2018
AWS IoT Greengrass ahora admite Amazon SageMaker Neo. Neo les permite a los desarrolladores entrenar modelos de aprendizaje automático una única vez y ejecutarlos en cualquier lugar en la nube y en el borde. Neo optimiza automáticamente modelos de TensorFlow, MXNet, PyTorch ONNX y XGBoost para la implementación en procesadores ARM, Intel y Nvidia. Los modelos optimizados se ejecutan hasta dos veces más rápido y consumen menos de una décima parte de la superficie de la memoria. Neo también pronto estará disponible como código fuente abierto bajo la licencia de Apache Software, permitiendo así que los proveedores de hardware puedan personalizarlo para sus procesadores y dispositivos. Al utilizar Neo con AWS IoT Greengrass, puede reciclar estos modelos en Amazon SageMaker y actualizar los modelos optimizados para mejorar la inteligencia rápidamente sobre estos dispositivos de borde. Puede utilizar una amplia gama de dispositivos basados en plataformas Nvidia Jetson TX2, ARM v7 (Raspberry Pi) o Intel Atom.
Además, AWS IoT Greengrass también proporciona nuevos conectores para la clasificación de imágenes que se forman mediante el algoritmo de clasificación de imagen de Amazon SageMaker. Todos estos paquetes de conectores requieren un código AWS Lambda y las dependencias ML necesarias para la inferencia de clasificación de imágenes en un dispositivo como una cámara. Hay un conector disponible para cada una de las plataformas de hardware compatibles: Nvidia Jetson TX2, ARM v7 (Raspberry pi) e Intel Atom.
Para comenzar con estas mejoras para la inferencia ML de AWS IoT Greengrass, visite la página del servicio.