Lanzamiento: actualización del software AWS IoT Greengrass Core v2.1.0 el 26 de abril de 2021

Admite la descarga de imágenes de Docker desde repositorios privados en Amazon ECR.

Añade los siguientes parámetros para personalizar la configuración de MQTT en los dispositivos principales:

Añade el parámetro fleetstatusservice de configuración para configurar el intervalo en el que el dispositivo principal publica el estado del Nube de AWS dispositivo en.

Correcciones y mejoras menores adicionales. Para obtener más información, consulte las versiones en GitHub.

Corrige un problema que provocaba que los despliegues ocultos se duplicaran al reiniciarse el núcleo.

Corrige un problema que provocaba que el núcleo se bloqueara cuando detectaba una excepción de carga de servicio.

Mejora la resolución de dependencias de componentes para evitar que se produzca un error en una implementación que incluya una dependencia circular.

Corrige un problema que impedía volver a implementar un componente de un complemento si ese componente se había eliminado previamente del dispositivo principal.

Se ha corregido un problema que provocaba que la variable de HOME entorno se estableciera en el /greengrass/v2/work directorio de los componentes de Lambda o de los componentes que se ejecutan como root. La HOME variable ahora está correctamente configurada en el directorio principal del usuario que ejecuta el componente.

Correcciones y mejoras menores adicionales. Para obtener más información, consulte las versiones en GitHub.

Administra las credenciales para descargar imágenes de repositorios privados en Amazon ECR.

Descarga imágenes públicas de Amazon ECR, Docker Hub y. AWS Marketplace

Soluciona un problema por el que el componente no pasa correctamente AddGroupOwner al contenedor de funciones Lambda.

Añade soporte para especificar los nombres de los componentes en lugar de los ARN para source ytarget. Si especifica un nombre de componente para una suscripción, no necesita volver a configurar la suscripción cada vez que cambie la versión de la función Lambda.

Utiliza HTTPS para proteger la conexión a la consola de depuración local. HTTPS está activado de forma predeterminada.

Puede descartar los mensajes de la barra flash en el editor de configuración.

Utilice valores predeterminados para logFileDirectoryPath y logFileRegex que funcionen para los componentes de Greengrass que imprimen con salida estándar (stdout) y error estándar (stderr).

Dirija correctamente el tráfico a través de un proxy de red configurado al cargar registros en Logs. CloudWatch

Maneje correctamente los dos puntos (:) en los nombres de los flujos de registro. CloudWatch Los nombres de los flujos de registro de registros no admiten signos de dos puntos.

Simplifique los nombres de los flujos de registro eliminando los nombres de los grupos de cosas del flujo de registro.

Elimine un mensaje de registro de errores que se imprime con un comportamiento normal.

Utilice Deep Learning Runtime v1.6.0.

Añada compatibilidad con la clasificación de imágenes de muestra en las plataformas Armv8 (AArch64). Esto amplía el soporte de aprendizaje automático para los dispositivos principales de Greengrass que ejecutan NVIDIA Jetson, como el Jetson Nano.

Habilite la integración de la cámara para la inferencia de muestras. Utilice el nuevo parámetro de UseCamera configuración para permitir que el código de inferencia de muestra acceda a la cámara del dispositivo principal de Greengrass y ejecute la inferencia localmente en la imagen capturada.

Agregue soporte para publicar los resultados de la inferencia en. Nube de AWS Utilice el nuevo parámetro PublishResultsOnTopic de configuración para especificar el tema sobre el que desea publicar los resultados.

Añada el nuevo parámetro de ImageDirectory configuración que le permita especificar un directorio personalizado para la imagen en la que desee realizar la inferencia.

Escriba los resultados de la inferencia en el archivo de registro del componente en lugar de en un archivo de inferencias independiente.

Utilice el módulo de registro del software AWS IoT Greengrass Core para registrar la salida de los componentes.

Utilice el SDK para dispositivos con AWS IoT para leer la configuración del componente y aplicar los cambios de configuración.

Utilice Deep Learning Runtime v1.6.0.

Añada compatibilidad con la detección de objetos de muestra en las plataformas Armv8 (AArch64). Esto amplía el soporte de aprendizaje automático para los dispositivos principales de Greengrass que ejecutan NVIDIA Jetson, como el Jetson Nano.

Habilite la integración de la cámara para la inferencia de muestras. Utilice el nuevo parámetro de UseCamera configuración para permitir que el código de inferencia de muestra acceda a la cámara del dispositivo principal de Greengrass y ejecute la inferencia localmente en la imagen capturada.

Agregue soporte para publicar los resultados de la inferencia en. Nube de AWS Utilice el nuevo parámetro PublishResultsOnTopic de configuración para especificar el tema sobre el que desea publicar los resultados.

Añada el nuevo parámetro de ImageDirectory configuración que le permita especificar un directorio personalizado para la imagen en la que desee realizar la inferencia.

Escriba los resultados de la inferencia en el archivo de registro del componente en lugar de en un archivo de inferencias independiente.

Utilice el módulo de registro del software AWS IoT Greengrass Core para registrar la salida de los componentes.

Utilice el SDK para dispositivos con AWS IoT para leer la configuración del componente y aplicar los cambios de configuración.

Agregue un ejemplo de modelo de clasificación de imágenes de ResNet -50 para las plataformas Armv8 (AArch64). Esto amplía el soporte de aprendizaje automático para los dispositivos principales de Greengrass que ejecutan NVIDIA Jetson, como el Jetson Nano.

Añada un ejemplo del modelo de detección de objetos YoloV3 para las plataformas Armv8 (AArch64). Esto amplía el soporte de aprendizaje automático para los dispositivos principales de Greengrass que ejecutan NVIDIA Jetson, como el Jetson Nano.

Instale Deep Learning Runtime v1.6.0 y sus dependencias.

Añada soporte para la instalación de DLR en plataformas Armv8 (AArch64). Esto amplía el soporte de aprendizaje automático para los dispositivos principales de Greengrass que ejecutan NVIDIA Jetson, como el Jetson Nano.

Instálelo SDK para dispositivos con AWS IoT en el entorno virtual para leer la configuración del componente y aplicar los cambios de configuración.

Mejoras y correcciones de errores menores adicionales.

Añada soporte para la inferencia de clasificaciones de imágenes de muestra mediante TensorFlow Lite.

Agregue soporte para la inferencia de detección de objetos de muestra mediante TensorFlow Lite.

Proporcione un modelo cuantificado MobileNet v1 previamente entrenado para inferir la clasificación de imágenes de muestra utilizando Lite. TensorFlow

Proporcione un MobileNet modelo de detección de disparo único (SSD) previamente entrenado en el conjunto de datos COCO para inferir la detección de objetos de muestra mediante Lite. TensorFlow

Instale TensorFlow Lite v1.6.0 y sus dependencias en un entorno virtual en las plataformas Armv7, Armv8 (AArch64) y x86_64.