Perguntas frequentes

P: O que acontece com meus recursos do AWS DeepLens após a data do fim da vida útil (EOL)?

Após 31 de janeiro de 2024, todas as referências de modelos do AWS DeepLens, projetos e informações de dispositivos serão excluídas do serviço AWS DeepLens. Você não poderá mais pesquisar ou acessar os serviços do AWS DeepLens através do console da AWS e as aplicações que realizam requisições de API do AWS DeepLens deixarão de funcionar.

P: Receberei cobranças de recursos remanescentes do AWS DeepLens em minha conta após a data de EOL?

Os recursos criados pelo AWS DeepLens, como os buckets do Amazon S3, as funções do AWS Lambda, os recursos do AWS IoT e os perfis do AWS Identity and Access Management (IAM) continuarão a existir em seus respectivos serviços após 31 de janeiro de 2024. Para evitar cobranças após a descontinuação das aplicações do AWS DeepLens, siga essas etapas para excluir esses recursos.

P: Como excluo meus recursos do AWS DeepLens?

Para excluir os recursos usados pelo AWS DeepLens e saber como restaurar seu dispositivo do AWS DeepLens para as configurações de fábrica, veja a seção: Exclua os recursos do dispositivo AWS DeepLens.

P: Como posso implementar meus projetos do AWS DeepLens após a data do fim da vida útil (EOL)?

Você pode implementar projetos do AWS DeepLens até 31 de janeiro de 2024. Após essa data, você não terá acesso ao console do AWS DeepLens ou sua API, e qualquer aplicação que realize requisições para a API do AWS DeepLens não funcionará.

P: Meu dispositivo do AWS DeepLens continuará a receber atualizações de segurança?

O AWS DeepLens não receberá atualizações após 31 de janeiro de 2024. Enquanto algumas aplicações implementadas nos dispositivos do AWS DeepLens podem continuar a ser executados após a data de EOL, a AWS não fornecerá mais correções correspondentes e não se responsabilizará por qualquer problema que possa surgir no software ou hardware do AWS DeepLens.

 

P: Como posso continuar a ter experiências práticas com o AWS IA/ML?

Sugerimos que você experimente nossas outras ferramentas de machine learning. Com o AWS DeepRacer você pode usar um simulador de corridas 3D baseado em nuvem com o fim de criar modelos de aprendizagem de reforço para uma corrida de carros autônoma com escala de 1/18. Aprenda e experimente usando um ambiente de desenvolvimento gratuito e sem configurações com o Amazon SageMaker Studio Lab. Automatize suas análises de imagem e vídeo com o Amazon Rekognition ou use o AWS Panorama para melhorar suas operações de visualização computacional na borda.

 

P: O que devo fazer com meu dispositivo AWS DeepLens?

Sugerimos que você recicle seu dispositivo AWS DeepLens através do Programa de Reciclagem da Amazon. A Amazon cobrirá os custos associados com envio e reciclagem.

 

P: O que é o AWS DeepLens?

O AWS DeepLens é a primeira câmera de vídeo com aprendizado de vídeo do mundo que permite a desenvolvedores com todos os níveis de habilidade aumentar seu conhecimento de Machine Learning por meio de tutoriais práticos de visão por computador, código de exemplo e modelos pré-definidos.

P: Qual é a diferença entre o AWS DeepLens e as outras câmeras de vídeo no mercado?

O AWS DeepLens é a primeira câmera de vídeo do mundo otimizada para executar modelos de Machine Learning e inferências no dispositivo. No lançamento, a câmera é fornecida com seis exemplos de projeto que podem ser implantados no AWS DeepLens em menos de 10 minutos. Você pode executar os exemplos de projeto como estão, conectá-los a outros Serviços da AWS, treinar um modelo no Amazon SageMaker e implantá-lo no AWS DeepLens ou ampliar a funcionalidade disparando uma função do Lambda quando uma determinada ação ocorre. Também é possível aplicar análises mais avançadas na nuvem usando o Amazon Rekognition. O AWS DeepLens oferece os componentes básicos para as suas necessidades de Machine Learning.

P: Quais exemplos de projeto estão disponíveis?

Há sete exemplos de projeto disponíveis:

1. Detecção de objetos

2. Cachorro-quente não cachorro-quente

3. Gato e cachorro

4. Transferência de estilo artístico

5. 5. Detecção de atividades

6. Detecção de faces

7. Classificação de aves

 

P: O AWS DeepLens inclui o Alexa?

Não, o AWS DeepLens não tem o Alexa nem qualquer recurso de áudio de campo distante. No entanto, o AWS DeepLens tem uma matriz de microfones 2D que consegue executar modelos de áudio personalizados mediante programação adicional.

 

P: Quais são as especificações de produto do dispositivo?

• Processador Intel Atom®
• Gráficos Gen9
• Ubuntu OS 16.04 LTS
• Performance de 100 GFLOPS
• Wi-Fi de banda dupla
• 8 GB RAM
• 16 GB de armazenamento
  
• Armazenamento expansível via cartão microSD
• Câmera de 4 MP com MJPEG
• Codificação H.264 com resolução 1080p
• 2 portas USB
• Micro HDMI
• Saída de áudio

P: Quais estruturas de aprendizado profundo posso executar no dispositivo?

O AWS DeepLens (2019 Edition) é otimizado para Apache MXNet, TensorFlow e Caffe. 

P: Qual tipo de performance posso esperar do AWS DeepLens?

A performance é medida em imagens inferidas por segundo e latência. Modelos diferentes apresentarão variações de inferências por segundo. A referência da performance de inferência é 14 imagens/segundo no AlexNet e 5 imagens/segundo no ResNet 50 para um tamanho de lote de 1. As características da rede à qual o DeepLens está conectado determinarão a performance da latência.

P: A quais camadas da arquitetura de rede do MXNet o AWS DeepLens oferece suporte?

O AWS DeepLens oferece suporte a 20 camadas de arquitetura de rede diferentes. Essas camadas são:

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

P: O que é fornecido com o produto e como posso começar a usá-lo?

Os desenvolvedores recebem um guia de conceitos básicos, o dispositivo do AWS DeepLens, uma fonte de alimentação e adaptador específicos para a região, um cabo USB e um cartão microSD de 32 GB. A instalação e a configuração do dispositivo do DeepLens podem ser feitas em minutos usando o console do AWS DeepLens e configurando o dispositivo usando um navegador em um laptop ou PC.

Há três tutoriais de 10 minutos criados para ajudá-lo a começar a usar:

1. Crie e implante um projeto
2. Amplie um projeto
3. Crie um projeto do AWS DeepLens com o Amazon SageMaker

 

P: Posso treinar os modelos no dispositivo?

Não. O AWS DeepLens é capaz de executar inferência ou previsões usando modelos treinados. Você pode treinar os modelos no Amazon SageMaker, uma plataforma de Machine Learning para treinar e hospedar modelos. O AWS DeepLens oferece um recurso de implantação 1-Click para publicar modelos treinados do Amazon SageMaker.

P: Quais Serviços da AWS estão integrados ao AWS DeepLens?

O DeepLens oferece integração pré-configurada aos serviços AWS Greengrass, Amazon SageMaker e Amazon Kinesis Video Streams. Você pode integrar o AWS DeepLens a diversos outros Serviços da AWS como Amazon S3, Amazon Lambda, Amazon Dynamo e Amazon Rekognition.

P: Posso acessar o AWS DeepLens via SSH?

Sim. Projetamos o AWS DeepLens para ser fácil de usar, mas facilitamos o acesso a desenvolvedores avançados. Você pode acessar o dispositivo via SSH usando o comando: ssh aws_cam@

 

P: A quais linguagens de programação o AWS DeepLens oferece suporte?

Você pode definir e executar modelos no stream de dados da câmera usando Python 2.7.

P: Preciso estar conectado à Internet para executar os modelos?

Não. Você pode executar os modelos implantados no AWS DeepLens sem estar conectado à Internet. No entanto, a Internet é necessária para a implantação inicial do modelo da nuvem para o dispositivo. Após a transferência do modelo, o AWS DeepLens poderá executar localmente inferências no dispositivo sem necessidade de conectividade com a nuvem. Entretanto, se você tiver componentes no projeto que exigem interação com a nuvem, será necessário que a Internet esteja disponível para esses componentes.

P: Posso executar meus modelos personalizados no AWS DeepLens?

Sim. Também é possível criar modelos do zero usando a plataforma do AWS SageMaker para preparar dados e treinar um modelo em um notebook hospedado e publicar o modelo treinado no AWS DeepLens para testes e ajustes. Você também pode importar um modelo treinado externamente para o AWS DeepLens especificando o local do S3 onde estão a arquitetura do modelo e os arquivos de ponderação de rede.