ML Inference per AWS Greengrass

Esegui modelli di apprendimento automatico sui dispositivi AWS Greengrass

AWS Greengrass è un software che offre funzionalità di elaborazione , messaggistica, caching dei dati e sincronizzazione per dispositivi connessi in tutta sicurezza. Con AWS Greengrass, i dispositivi connessi possono eseguire funzioni AWS Lambda, mantenere sincronizzati i dati dei dispositivi e comunicare in maniera sicura con altri dispositivi, anche quando non connessi a Internet. Ora, con la funzionalità Machine Learning (ML) Inference per AWS Greengrass, è possibile eseguire inferenze di apprendimento automatico a livello locale sui dispositivi collegati.

L'apprendimento automatico usa algoritmi di calcolo statistico che traggono informazioni dai dati esistenti secondo un processo definito addestramento, per prendere decisioni sui nuovi set di dati, il processo definito inferenza. Durante l'addestramento, viene creato un modello di decision making a partire dai pattern e le relazioni tra i dati. Questo modello permette a un sistema di prendere decisioni intelligenti sui dati nuovi dati sottoposti. L'addestramento di modelli di apprendimento automatico richiede elevate quantità di risorse di elaborazione ed è il motivo per cui il cloud è l'ambiente più appropriato per questo genere di operazioni. L'inferenza, in genere, richiede minore potenza di elaborazione e può essere eseguita in tempo reale. Pertanto, ottenere risultati di inferenza con latenza molto bassa è importante per permettere alle applicazioni IoT di rispondere rapidamente agli eventi di carattere locale.

ML Inference per AWS Greengrass offre il meglio dei due mondi. È possibile utilizzare i modelli di apprendimento automatico creati e addestrati nel cloud e distribuire ed eseguire inferenze in locale sui dispositivi connessi. Ad esempio, è possibile creare un modello predittivo in Amazon SageMaker per il rilevamento dell'ambiente e quindi eseguirlo in locale su videocamere di sicurezza compatibili con Greengrass ma prive di connettività nel cloud; in questo modo sarà possibile rilevare la presenza di una persona e inviare un avviso.

Vantaggi

Semplice esecuzione dell'inferenza ML su dispositivi collegati

Effettuare un'inferenza sui dispositivi collegati a livello locale riduce la latenza e il costo di invio dei dati del dispositivo al cloud per effettuare una previsione. Invece di inviare tutti i dati nel cloud per eseguire inferenze di apprendimento automatico, la funzionalità ML Inference per Greengrass permette di eseguire inferenze direttamente all'interno dei dispositivi. I dati vengono quindi inviati nel cloud solo quando sono necessari ulteriori processi di elaborazione.

Flessibilità

Greengrass ML Inference include un pacchetto integrato TensorFlow, Apache MXNet e Chainer per tutti i dispositivi basati su Intel Atom, NVIDIA Jetson TX2 e Raspberry Pi. In questo modo, non è necessario creare e configurare un framework di apprendimento automatico apposito da zero per ogni dispositivo. Oltre a supportare TensorFlow, Apache MXNet e Chainer, Greengrass ML Inference è compatibile con altri framework molto utilizzati, quali Caffe2 e Microsoft Cognitive Toolkit. Greengrass ML Inference offre grande flessibilità e consente di creare e addestrare il proprio modello di apprendimento automatico in Amazon SageMaker oppure di importare un modello già pronto memorizzato in Amazon S3.

Distribuzione di modelli nei dispositivi collegati in pochi clic

AWS Greengrass ML Inference rende estremamente semplice distribuire un modello di apprendimento automatico dal cloud nei dispositivi. Sono sufficienti pochi clic nella console di Greengrass per cercare i modelli già sottoposti ad addestramento, selezionarne uno e distribuirlo sui dispositivi scelti. I modelli verranno distribuiti ed eseguiti su tali dispositivi.

Accelerazione delle prestazioni di inferenza con GPU

ML Inference per AWS Greengrass ti offre accesso agli acceleratori hardware, quali GPU sui tuoi dispositivi, includendo il dispositivo acceleratore come risorsa Greengrass locale nella console Greengrass.

Come funziona

ML Inference per AWS Greengrass – Come funziona

Casi d'uso

Elaborazione video

ML Inference per AWS Greengrass può essere distribuito sui dispositivi collegati come videocamere di sicurezza, telecamere di monitoraggio del traffico, videocamere indossabili e apparecchiature di imaging medico, per aiutarli a effettuare previsioni locali. Con ML Inference per AWS Greengrass, puoi distribuire ed eseguire modelli ML come riconoscimento facciale, rilevamento di oggetti e densità di immagine direttamente sul dispositivo. Ad esempio, una telecamera di monitoraggio del traffico può contare biciclette, veicoli e pedoni che passano da un incrocio e rilevare quando è necessario regolare i segnali stradali per ottimizzare i flussi di traffico e tenere le persone al sicuro.

Vendita al dettaglio e accoglienza

Rivenditori al dettaglio, compagnie di crociere e parchi di divertimenti stanno investendo nelle applicazioni IoT per fornire un miglior servizio ai clienti. Ad esempio, è possibile eseguire modelli di rilevamento di oggetti in un parco divertimenti per tenere il conto del numero di visitatori. Le videocamere saranno in grado di distinguere i singoli visitatori e conserveranno in locale il conteggio numerico senza dover inviare enormi volumi di feed video nel cloud, spesso una situazione non sostenibile in luoghi in cui la larghezza di banda Internet è limitata. Questa soluzione permetterà di prevedere i tempi di attesa nelle giostre più popolari e aiuterà a migliorare l'esperienza dei visitatori.

Sicurezza

I produttori di videocamere di sicurezza sono sempre alla ricerca di nuovi modi per rendere i loro dispositivi più intelligenti e automatizzare il rilevamento di eventuali minacce. ML Inference per AWS Greengrass può aiutare a migliorare le loro funzionalità. Le fotocamere compatibili con Greengrass scansionano in modo continuo gli ambienti e rilevano variazioni, ad esempio l'arrivo di una persona, inviando quindi un avviso. Le videocamere saranno in grado di eseguire analisi di rilevamento degli ambienti in locale, inviando i dati nel cloud solo quando necessario, ad esempio per ottenere ulteriori analisi e identificare il visitatore.

Agricoltura di precisione

Il settore agricolo sta attraversando due grandi rivoluzioni. Prima di tutto, la popolazione mondiale è in costante crescita e la domanda di cibo supera l'offerta. Secondariamente, i cambiamenti climatici stanno provocando eventi meteorologici imprevedibili che influiscono sui raccolti. ML Inference per AWS Greengrass può aiutare a trasformare le prassi agricole e offrire valore aggiunto ai clienti. Le videocamere compatibili con Greengrass installate nelle serre sono in grado di elaborare immagini di piante e colture e dati provenienti dai sensori nel suolo non solo per rilevare anomalie ambientali (ad es. variazioni di temperatura, umidità o nutrienti), ma anche per inviare allarmi.

Manutenzione industriale predittiva

La pressione sui prezzi è sempre maggiore, perciò le aziende manifatturiere sono sempre in cerca di nuovi modi per migliorare l'efficienza operativa nei propri stabilimenti. Se un problema nella linea di produzione non viene rilevato per tempo, le perdite di tempo e risorse possono essere rilevanti. ML Inference per AWS Greengrass permette di rilevare in modo tempestivo apparecchiature guaste e problemi nello stabilimento. I gateway industriali compatibili con Greengrass sono in grado di monitorare in modo continuo i dati provenienti dai sensori (ad es. le vibrazioni e i livelli di rumore), prevedere anomalie e intraprendere azioni correttive, ad esempio inviare avvisi o interrompere l'alimentazione per evitare perdite maggiori.

Clienti in evidenza

Jpeg_FLYING-Y_YANMAR_vertical3

Yanmar sfrutta ML Inference per AWS Greengrass all'interno della sua soluzione di agricoltura di precisione IoT, che migliora l'intelligence nelle serre rilevando e identificando automaticamente le fasi di crescita principali dei prodotti.

DFDS_Logo_Positiv_2016_RGB

I dispositivi IoT compatibili con ML Inference per AWS Greengrass permettono a DFDS di prevedere e ottimizzare la propulsione delle proprie navi, riducendo così il consumo di carburante dell'intera flotta.

Ulteriori informazioni sulle caratteristiche di AWS Greengrass

Visita la pagina delle informazioni
Sei pronto per iniziare?
Registrati
Hai ulteriori domande?
Contattaci