Gunakan Amazon SageMaker Edge Manager pada perangkat inti Greengrass - AWS IoT Greengrass

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Gunakan Amazon SageMaker Edge Manager pada perangkat inti Greengrass

Amazon SageMaker Edge Manager adalah agen perangkat lunak yang berjalan pada perangkat edge. SageMaker Edge Manager menyediakan manajemen model untuk perangkat edge sehingga Anda dapat mengemas dan menggunakan Amazon SageMaker Model yang dikompilasi secara langsung pada perangkat inti Greengrass. Dengan menggunakan SageMaker Edge Manager, Anda juga dapat membuat sampel model input dan output data dari perangkat inti Anda, dan mengirim data keAWS Clouduntuk pemantauan dan analisis. Karena SageMaker Edge Manager menggunakan SageMaker Neo untuk mengoptimalkan model Anda untuk perangkat keras target Anda, Anda tidak perlu menginstal waktu aktif DLR secara langsung pada perangkat Anda. Pada perangkat Greengrass, SageMaker Edge Manager tidak memuat lokalAWS IoTsertifikat atau hubungiAWS IoTendpoint penyedia kredensi secara langsung. Sebagai gantinya, SageMaker Edge Manager menggunakanlayanan pertukaran tokenuntuk mengambil kredensi sementara dari titik akhir TES.

Bagian ini menjelaskan bagaimana SageMaker Edge Manager bekerja pada perangkat inti Greengrass.

Bagaimana SageMaker Edge Manager bekerja pada perangkat Greengrass

Untuk men-deploy SageMaker Agen Edge Manager ke perangkat inti Anda, buat penyebaran yang mencakupaws.greengrass.SageMakerEdgeManagerkomponen.AWS IoT Greengrassmengelola instalasi dan siklus hidup agen Edge Manager di perangkat Anda. Ketika versi baru dari agen biner tersedia, deploy versi terbaru dari komponen aws.greengrass.SageMakerEdgeManager untuk meningkatkan versi agen yang diinstal pada perangkat Anda.

Saat Anda menggunakan SageMaker Edge Manager denganAWS IoT Greengrass, alur kerja Anda akan meliputi langkah-langkah tingkat tinggi berikut:

  1. Kompilasikan model dengan SageMaker Neo.

  2. Package Anda SageMaker Model neo-dikompilasi menggunakan SageMaker pekerjaan kemasan tepi. Ketika Anda menjalankan tugas pengemasan edge untuk model Anda, Anda dapat memilih untuk membuat komponen model dengan model kemasan sebagai artefak yang dapat digunakan untuk perangkat inti Greengrass Anda.

  3. Buat komponen inferensi kustom. Anda menggunakan komponen inferensi ini untuk berinteraksi dengan agen Edge Manager untuk melakukan inferensi pada perangkat inti. Operasi ini meliputi pemuatan model, pemanggilan permintaan prediksi untuk menjalankan inferensi, dan pembongkaran model ketika komponen dimatikan.

  4. Deploy SageMaker Komponen Edge Manager, komponen model yang dikemas, dan komponen inferensi untuk menjalankan model Anda pada SageMaker mesin inferensi (agen Edge Manager) pada perangkat Anda.

Untuk informasi lebih lanjut tentang membuat pekerjaan pengemasan tepi dan komponen inferensi yang bekerja dengan SageMaker Edge Manager, lihatMenyebarkan Package Model dan Agen Manajer Edge denganAWS IoT Greengrassdi dalamAmazon SageMaker Panduan Pengembang.

YangTutorial: Memulai dengan SageMaker Manager edgetutorial menunjukkan cara menyiapkan dan menggunakan SageMaker Agen Edge Manager pada perangkat inti Greengrass yang ada, menggunakanAWS-provided contoh kode yang dapat Anda gunakan untuk membuat contoh inferensi dan model komponen.

Saat Anda menggunakan SageMaker Edge Manager pada perangkat inti Greengrass, Anda juga dapat menggunakan fitur data tangkapan untuk meng-upload data keAWS Cloud. Capture data adalah SageMaker fitur yang Anda gunakan untuk meng-upload masukan inferensi, hasil inferensi, dan data inferensi tambahan ke bucket S3 atau direktori lokal untuk analisis future. Untuk informasi lebih lanjut tentang penggunaan data tangkapan dengan SageMaker Edge Manager, lihatKelola modeldi dalamAmazon SageMaker Panduan Pengembang.

Persyaratan

Anda harus memenuhi persyaratan berikut untuk menggunakan SageMaker Agen Edge Manager pada perangkat inti Greengrass.

  • Perangkat inti Greengrass yang berjalan pada Amazon Linux 2, platform Linux berbasis Debian (x86_64 atau Armv8), atau Windows (x86_64). Jika Anda tidak memilikinya, lihat Tutorial: Memulai dengan AWS IoT Greengrass V2.

  • Python 3.6 atau yang lebih baru, termasuk pip untuk versi Python Anda, diinstal pada perangkat inti anda.

  • Peran perangkat Greengrass yang dikonfigurasi dengan berikut ini:

    • Hubungan kepercayaan yang memungkinkan credentials.iot.amazonaws.com dan sagemaker.amazonaws.com untuk meneruskan peran, seperti yang ditunjukkan dalam contoh kebijakan IAM berikut.

      { "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Principal": { "Service": "credentials.iot.amazonaws.com" }, "Action": "sts:AssumeRole" }, { "Effect": "Allow", "Principal": { "Service": "sagemaker.amazonaws.com" }, "Action": "sts:AssumeRole" } ] }
    • YangAmazonSageMakerEdgeDeviceFleetPolicyKebijakan yang dikelola IAM.

    • Tindakan s3:PutObject, seperti yang ditunjukkan dalam contoh kebijakan IAM berikut.

      { "Version": "2012-10-17", "Statement": [ { "Action": [ "s3:PutObject" ], "Resource": [ "*" ], "Effect": "Allow" } ] }
  • Bucket Amazon S3 yang dibuat diAkun AWSdanWilayah AWSsebagai perangkat inti Greengrass Anda. SageMaker Edge Manager memerlukan bucket S3 untuk membuat armada perangkat edge, dan untuk menyimpan data agar tidak menjalankan inferensi pada perangkat Anda. Untuk informasi selengkapnya tentang pembuatan bucket S3, lihat Memulai Amazon S3.

  • SEBUAH SageMaker armada perangkat tepi yang menggunakan yang samaAWS IoTalias peran sebagai perangkat inti Greengrass Anda. Untuk informasi selengkapnya, lihat Buat armada perangkat edge.

  • Perangkat inti Greengrass Anda terdaftar sebagai perangkat edge di Anda SageMaker Armada perangkat edge. Nama perangkat edge harus cocok dengan nama objek AWS IoT untuk perangkat inti Anda. Untuk informasi selengkapnya, lihat Daftarkan perangkat inti Greengrass Anda.

Memulai dengan SageMaker Edge Manager

Anda dapat menyelesaikan tutorial untuk mulai menggunakan SageMaker edge Manager. Tutorial menunjukkan cara mulai menggunakan SageMaker Edge Manager denganAWSKomponen sampel yang disediakan pada perangkat inti yang ada. Komponen sampel ini menggunakan SageMaker Komponen Edge Manager sebagai dependensi untuk men-deploy agen Edge Manager, dan melakukan inferensi dengan menggunakan model yang terlatih sebelumnya yang dikompilasi dengan menggunakan SageMaker Neo. Untuk informasi selengkapnya, lihat Tutorial: Memulai dengan SageMaker Manager edge.