SageMaker Edge Manager akhir hidup

Mulai 26 April 2024, Anda tidak dapat lagi mengakses Amazon SageMaker Edge Manager melalui konsol AWS manajemen, membuat pekerjaan pengemasan tepi, dan mengelola armada perangkat edge.

FAQs

Gunakan bagian berikut untuk mendapatkan jawaban atas pertanyaan umum tentang SageMaker Edge Manager end of life (EOL).

T: Apa yang terjadi pada Amazon SageMaker Edge Manager saya setelah tanggal EOL?

J: Setelah 26 April 2024, semua referensi ke pekerjaan pengemasan tepi, perangkat, dan armada perangkat dihapus dari layanan Edge Manager. Anda tidak dapat lagi menemukan atau mengakses layanan Edge Manager dari AWS konsol Anda dan aplikasi yang memanggil layanan Edge Manager APIs tidak lagi berfungsi.

T: Apa yang terjadi pada Amazon SageMaker Edge Manager saya setelah tanggal EOL?

J: Setelah 26 April 2024, semua referensi ke pekerjaan pengemasan tepi, perangkat, dan armada perangkat dihapus dari layanan Edge Manager. Anda tidak dapat lagi menemukan atau mengakses layanan Edge Manager dari AWS konsol Anda dan aplikasi yang memanggil layanan Edge Manager APIs tidak lagi berfungsi.

T: Apakah saya akan ditagih untuk sumber daya Edge Manager yang tersisa di akun saya setelah tanggal EOL?

J: Sumber daya yang dibuat oleh Edge Manager, seperti paket edge di dalam bucket Amazon S3, AWS IoT things, dan peran AWS IAM, terus ada di layanan masing-masing setelah 26 April 2024. Agar tidak ditagih setelah Edge Manager tidak lagi didukung, hapus sumber daya Anda. Untuk informasi selengkapnya tentang menghapus sumber daya Anda, lihatHapus sumber daya Edge Manager.

T: Apakah saya akan ditagih untuk sumber daya Edge Manager yang tersisa di akun saya setelah tanggal EOL?

J: Sumber daya yang dibuat oleh Edge Manager, seperti paket edge di dalam bucket Amazon S3, AWS IoT things, dan peran AWS IAM, terus ada di layanan masing-masing setelah 26 April 2024. Agar tidak ditagih setelah Edge Manager tidak lagi didukung, hapus sumber daya Anda. Untuk informasi selengkapnya tentang menghapus sumber daya Anda, lihatHapus sumber daya Edge Manager.

T: Bagaimana cara menghapus sumber daya Amazon SageMaker Edge Manager saya?

J: Sumber daya yang dibuat oleh Edge Manager, seperti paket edge di dalam bucket Amazon S3, AWS IoT things, dan peran AWS IAM, terus ada di layanan masing-masing setelah 26 April 2024. Agar tidak ditagih setelah Edge Manager tidak lagi didukung, hapus sumber daya Anda. Untuk informasi selengkapnya tentang menghapus sumber daya Anda, lihatHapus sumber daya Edge Manager.

T: Bagaimana cara menghapus sumber daya Amazon SageMaker Edge Manager saya?

J: Sumber daya yang dibuat oleh Edge Manager, seperti paket edge di dalam bucket Amazon S3, AWS IoT things, dan peran AWS IAM, terus ada di layanan masing-masing setelah 26 April 2024. Agar tidak ditagih setelah Edge Manager tidak lagi didukung, hapus sumber daya Anda. Untuk informasi selengkapnya tentang menghapus sumber daya Anda, lihatHapus sumber daya Edge Manager.

T: Bagaimana saya bisa terus menerapkan model di edge?

A: Kami sarankan Anda mencoba salah satu alat pembelajaran mesin berikut. Untuk runtime edge lintas platform, gunakan ONNX. ONNX adalah solusi open-source yang populer dan terpelihara dengan baik yang menerjemahkan model Anda ke dalam instruksi yang dapat dijalankan oleh banyak jenis perangkat keras, dan kompatibel dengan kerangka kerja HTML terbaru. ONNX dapat diintegrasikan ke dalam alur kerja SageMaker AI Anda sebagai langkah otomatis untuk penerapan edge Anda.

Untuk penggunaan penggunaan edge dan pemantauan. AWS IoT Greengrass V2 AWS IoT Greengrass V2 memiliki mekanisme pengemasan dan penyebaran yang dapat diperluas yang dapat menyesuaikan model dan aplikasi di tepi. Anda dapat menggunakan saluran MQTT bawaan untuk mengirim kembali telemetri model ke SageMaker Amazon Model Monitor atau menggunakan sistem izin bawaan untuk mengirim data yang diambil dari model kembali ke Amazon Simple Storage Service (Amazon S3). Jika Anda tidak atau tidak dapat menggunakan AWS IoT Greengrass V2, kami sarankan menggunakan MQTT dan IoT Jobs (pustaka C/C++) untuk membuat mekanisme OTA ringan untuk menghadirkan model.

Kami telah menyiapkan kode sampel yang tersedia di GitHub repositori ini untuk membantu Anda beralih ke alat yang disarankan ini.

T: Bagaimana saya bisa terus menerapkan model di edge?

A: Kami sarankan Anda mencoba salah satu alat pembelajaran mesin berikut. Untuk runtime edge lintas platform, gunakan ONNX. ONNX adalah solusi open-source yang populer dan terpelihara dengan baik yang menerjemahkan model Anda ke dalam instruksi yang dapat dijalankan oleh banyak jenis perangkat keras, dan kompatibel dengan kerangka kerja HTML terbaru. ONNX dapat diintegrasikan ke dalam alur kerja SageMaker AI Anda sebagai langkah otomatis untuk penerapan edge Anda.

Untuk penggunaan penggunaan edge dan pemantauan. AWS IoT Greengrass V2 AWS IoT Greengrass V2 memiliki mekanisme pengemasan dan penyebaran yang dapat diperluas yang dapat menyesuaikan model dan aplikasi di tepi. Anda dapat menggunakan saluran MQTT bawaan untuk mengirim kembali telemetri model ke SageMaker Amazon Model Monitor atau menggunakan sistem izin bawaan untuk mengirim data yang diambil dari model kembali ke Amazon Simple Storage Service (Amazon S3). Jika Anda tidak atau tidak dapat menggunakan AWS IoT Greengrass V2, kami sarankan menggunakan MQTT dan IoT Jobs (pustaka C/C++) untuk membuat mekanisme OTA ringan untuk menghadirkan model.

Kami telah menyiapkan kode sampel yang tersedia di GitHub repositori ini untuk membantu Anda beralih ke alat yang disarankan ini.

Hapus sumber daya Edge Manager

Sumber daya yang dibuat oleh Edge Manager terus ada setelah 26 April 2024. Untuk menghindari penagihan, hapus sumber daya ini.

Untuk menghapus AWS IoT Greengrass sumber daya, lakukan hal berikut:

1. Di AWS IoT Core konsol, pilih Perangkat Greengrass di bawah Kelola.

2. Pilih Komponen.

3. Di bawah komponen Saya, komponen yang dibuat Edge Manager ada dalam format SageMaker AIEdge (EdgePackagingJobName). Pilih komponen yang ingin Anda hapus.

4. Kemudian pilih Hapus versi.

Untuk menghapus alias AWS IoT peran, lakukan hal berikut:

1. Di AWS IoT Core konsol, pilih Keamanan di bawah Kelola.

2. Pilih alias Peran.

3. Alias peran yang dibuat Edge Manager ada dalam format SageMaker AIEdge- {DeviceFleetName}. Pilih peran yang ingin Anda hapus.

4. Pilih Hapus.

Untuk menghapus pekerjaan pengemasan di bucket Amazon S3, lakukan hal berikut:

1. Di konsol SageMaker AI, pilih Edge Inference.

2. Pilih pekerjaan pengemasan Edge.

3. Pilih salah satu pekerjaan pengemasan tepi. Salin URI Amazon S3 di bawah Artefak model di bagian konfigurasi Output.

4. Di konsol Amazon S3, navigasikan ke lokasi yang sesuai, dan periksa apakah Anda perlu menghapus artefak model. Untuk menghapus artefak model, pilih objek Amazon S3 dan pilih Hapus.