Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Anda perlu menginstal paket di perangkat edge Anda sehingga perangkat Anda dapat membuat kesimpulan. Anda juga perlu menginstal inti AWS Greengrass IoT atau Deep Learning Runtime (DLR).coco_ssd_mobilenet objek dan Anda akan menggunakan DLR.
-
Instal paket tambahan
Selain Boto3, Anda harus menginstal pustaka tertentu di perangkat edge Anda. Pustaka apa yang Anda instal tergantung pada kasus penggunaan Anda.
Misalnya, untuk algoritma deteksi
coco_ssd_mobilenetobjek yang Anda unduh sebelumnya, Anda perlu menginstal NumPyuntuk manipulasi data dan statistik, PIL untuk memuat gambar, dan Matplotlib untuk menghasilkan plot. Anda juga memerlukan salinan TensorFlow jika Anda ingin mengukur dampak kompilasi dengan Neo versus baseline. !pip3 install numpy pillow tensorflow matplotlib -
Instal mesin inferensi di perangkat Anda
Untuk menjalankan model yang dikompilasi NEO, instal Deep Learning Runtime (DLR
) di perangkat Anda. DLR adalah runtime yang ringkas dan umum untuk model pembelajaran mendalam dan model pohon keputusan. Pada target CPU x86_64 yang menjalankan Linux, Anda dapat menginstal rilis terbaru paket DLR menggunakan perintah berikut: pip!pip install dlrUntuk pemasangan DLR pada target GPU atau perangkat tepi non-x86, lihat Rilis
untuk binari bawaan, atau Menginstal DLR untuk membangun DLR dari sumber. Misalnya, untuk menginstal DLR untuk Raspberry Pi 3, Anda dapat menggunakan: !pip install https://neo-ai-dlr-release.s3-us-west-2.amazonaws.com/v1.3.0/pi-armv7l-raspbian4.14.71-glibc2_24-libstdcpp3_4/dlr-1.3.0-py3-none-any.whl
