Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Kemasan model Anda (SDK)
Anda mengemas model sebagai komponen model dengan membuat pekerjaan pengemasan model. Untuk membuat pekerjaan pengemasan model, Anda memanggil StartModelPackagingJobAPI. Pekerjaan itu mungkin membutuhkan waktu cukup lama untuk diselesaikan. Untuk mengetahui status saat ini, panggil DescribeModelPackagingJobdan periksa Status
bidang dalam respons.
Untuk informasi tentang pengaturan paket, lihatPengaturan Package.
Prosedur berikut menunjukkan kepada Anda cara memulai pekerjaan pengemasan dengan menggunakan AWS CLI. Anda dapat mengemas model untuk platform target atau perangkat target. Misalnya kode Java, lihat StartModelPackagingJob.
Untuk mengemas model Anda (SDK)
-
Jika Anda belum melakukannya, instal dan konfigurasikan AWS CLI dan AWS SDK. Untuk informasi selengkapnya, lihat Langkah 4: Siapkan AWS CLI dan AWS SDK.
-
Pastikan Anda memiliki izin yang benar untuk memulai pekerjaan pengemasan model. Untuk informasi lebih lanjut, lihat StartModelPackagingJob.
Gunakan perintah CLI berikut untuk mengemas model Anda baik untuk perangkat target atau platform target.
- Target platform
-
Perintah CLI berikut menunjukkan cara mengemas model untuk platform target dengan akselerator NVIDIA.
Ubah nilai berikut:
project_name
untuk nama proyek yang berisi model yang ingin Anda paket.
model_version
ke versi model yang ingin Anda paket.
(Opsional) description
untuk deskripsi untuk pekerjaan pengemasan model Anda.
architecture
ke arsitektur (ARM64
atauX86_64
) perangkat AWS IoT Greengrass Version 2 inti tempat Anda menjalankan komponen model.
gpu_code
ke kode gpu perangkat inti tempat Anda menjalankan komponen model.
trt_ver
ke versi TensorRT yang telah Anda instal di perangkat inti Anda.
cuda_ver
ke versi CUDA yang telah Anda instal di perangkat inti Anda.
component_name
ke nama untuk komponen model yang ingin Anda buatAWS IoT Greengrass V2.
(Opsional) component_version
ke versi untuk komponen model yang dibuat oleh pekerjaan pengemasan. Gunakan format major.minor.patch
. Misalnya, 1.0.0 mewakili rilis utama pertama untuk sebuah komponen.
bucket
ke ember Amazon S3 tempat pekerjaan pengemasan menyimpan artefak komponen model.
prefix
ke lokasi di dalam ember Amazon S3 tempat pekerjaan pengemasan menyimpan artefak komponen model.
(Opsional) component_description
untuk deskripsi untuk komponen model.
(Opsional) tag_key1
dan tag_key2
ke kunci untuk tag yang dilampirkan ke komponen model.
(Opsional) tag_value1
dan tag_value2
ke nilai kunci untuk tag yang dilampirkan ke komponen model.
aws lookoutvision start-model-packaging-job \
--project-name project_name
\
--model-version model_version
\
--description="description
" \
--configuration "Greengrass={TargetPlatform={Os='LINUX',Arch='architecture
',Accelerator='NVIDIA'},CompilerOptions='{\"gpu-code\": \"gpu_code
\", \"trt-ver\": \"trt_ver
\", \"cuda-ver\": \"cuda_ver
\"}',S3OutputLocation={Bucket='bucket
',Prefix='prefix
'},ComponentName='Component_name
',ComponentVersion='component_version
',ComponentDescription='component_description
',Tags=[{Key='tag_key1
',Value='tag_value1
'}, {Key='tag_key2
',Value='tag_value2
'}]}" \
--profile lookoutvision-access
Misalnya:
aws lookoutvision start-model-packaging-job \
--project-name test-project-01 \
--model-version 1 \
--description="Model Packaging Job for G4 Instance using TargetPlatform Option" \
--configuration "Greengrass={TargetPlatform={Os='LINUX',Arch='X86_64',Accelerator='NVIDIA'},CompilerOptions='{\"gpu-code\": \"sm_75\", \"trt-ver\": \"7.1.3\", \"cuda-ver\": \"10.2\"}',S3OutputLocation={Bucket='bucket',Prefix='test-project-01/folder'},ComponentName='SampleComponentNameX86TargetPlatform',ComponentVersion='0.1.0',ComponentDescription='This is my component',Tags=[{Key='modelKey0',Value='modelValue'}, {Key='modelKey1',Value='modelValue'}]}" \
--profile lookoutvision-access
- Target Device
-
Gunakan perintah CLI berikut untuk mengemas model untuk perangkat target.
Ubah nilai berikut:
project_name
untuk nama proyek yang berisi model yang ingin Anda paket.
model_version
ke versi model yang ingin Anda paket.
(Opsional) description
untuk deskripsi untuk pekerjaan pengemasan model Anda.
component_name
ke nama untuk komponen model yang ingin Anda buatAWS IoT Greengrass V2.
(Opsional) component_version
ke versi untuk komponen model yang dibuat oleh pekerjaan pengemasan. Gunakan format major.minor.patch
. Misalnya, 1.0.0 mewakili rilis utama pertama untuk sebuah komponen.
bucket
ke ember Amazon S3 tempat pekerjaan pengemasan menyimpan artefak komponen model.
prefix
ke lokasi di dalam ember Amazon S3 tempat pekerjaan pengemasan menyimpan artefak komponen model.
(Opsional) component_description
untuk deskripsi untuk komponen model.
(Opsional) tag_key1
dan tag_key2
ke kunci untuk tag yang dilampirkan ke komponen model.
(Opsional) tag_value1
dan tag_value2
ke nilai kunci untuk tag yang dilampirkan ke komponen model.
aws lookoutvision start-model-packaging-job \
--project-name project_name
\
--model-version model_version
\
--description="description" \
--configuration "Greengrass={TargetDevice='jetson_xavier',S3OutputLocation={Bucket='bucket
',Prefix='prefix
'},ComponentName='component_name
',ComponentVersion='component_version
',ComponentDescription='component_description
',Tags=[{Key='tag_key1
',Value='tag_value1
'}, {Key='tag_key2
',Value='tag_value2
'}]}" \
--profile lookoutvision-access
Misalnya:
aws lookoutvision start-model-packaging-job \
--project-name project_01 \
--model-version 1 \
--description="description" \
--configuration "Greengrass={TargetDevice='jetson_xavier',S3OutputLocation={Bucket='bucket',Prefix='component_folder'},ComponentName='jetson_component',ComponentVersion='2.0.0',ComponentDescription='jetson model component',Tags=[{Key='tag_key1',Value='tag_value1'}, {Key='tag_key2',Value='tag_value2'}]}" \
--profile lookoutvision-access
Perhatikan nilai JobName dalam respon. Anda membutuhkannya di langkah berikutnya. Misalnya:
{
"JobName": "6bcfd0ff-90c3-4463-9a89-6b4be3daf972"
}
Gunakan DescribeModelPackagingJob
untuk mendapatkan status pekerjaan saat ini. Ubah yang berikut ini:
aws lookoutvision describe-model-packaging-job \
--project-name project_name
\
--job-name job_name
\
--profile lookoutvision-access
Pekerjaan pengemasan model selesai jika Status
nilainyaSUCCEEDED
. Jika nilainya berbeda, tunggu sebentar dan coba lagi.
Lanjutkan penerapan menggunakanAWS IoT Greengrass V2. Untuk informasi selengkapnya, lihat Menerapkan komponen Anda ke perangkat.