翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

機械学習の推論を実行する

AWS IoT Greengrass で、クラウドトレーニング済みモデルを使用し、ローカルに生成されたデータに対して、エッジデバイスに機械学習 (ML) の推論を実行できます。ローカル推論の実行により低レイテンシーとコスト節約のメリットを得ながら、モデルのトレーニングと複雑な処理にクラウドコンピューティングの処理能力を活用できます。

AWS IoT Greengrass は、推論をより効率的に実行するために必要な手順を作成します。推論モデルをどこでもトレーニングし、機械学習コンポーネントとしてローカルにデプロイできます。例えば、Amazon SageMaker で深層学習モデルを構築してトレーニングしたり、Amazon Lookout for Vision でコンピュータビジョンモデルを構築してトレーニングしたりできます。次に、コンポーネントでこれらのモデルをアーティファクトとして使用してコアデバイスに推論を実行するため、これらのモデルを Amazon S3 バケットに保存できます。　

AWS IoT Greengrass ML 推論のしくみ

AWS は、デバイスに機械学習の推論を実行するワンステップデプロイの作成に使用できる機械学習コンポーネントを提供します。これらのコンポーネントをテンプレートとしても使用し、お客様の特定の要件を満たすカスタムコンポーネントを作成できます。

機械学習の推論を実行するために作成する各デプロイは、推論アプリケーションの実行、機械学習フレームワークのインストール、機械学習モデルのダウンロードをするコンポーネントが少なくとも 1 つ設定されています。AWS が提供するコンポーネントでサンプル推論を実行するには、推論コンポーネントをコアデバイスにデプロイします。コアデバイスは、対応するモデルとランタイムコンポーネントを従属関係として、自動的に含めます。デプロイをカスタマイズするには、カスタムモデルコンポーネントでサンプルモデルコンポーネントをプラグインまたはスワップアウトしたり、テンプレートとして AWS が提供するコンポーネントにコンポーネントレシピを使用して独自のカスタム推論、モデル、ランタイムコンポーネントを作成したりできます。

カスタムコンポーネントを使用して機械学習の推論を実行するには、次の手順を実行します。

AWS が提供するコンポーネントの使用を開始するには、「チュートリアル: TensorFlow Lite を使用してサンプルイメージ分類推論を実行する」を参照してください。

カスタム機械学習コンポーネントの作成方法については、「機械学習コンポーネントのカスタマイズ」を参照してください。

AWS IoT Greengrass バージョン 2 との相違点

AWS IoT Greengrass は、モデル、ランタイム、推論コードなど、機械学習の機能ユニットをコンポーネントに統合し、機械学習ランタイムのインストール、トレーニング済モデルのダウンロード、デバイスに推論を実行するため、ワンステッププロセスを使用できるようにします。

AWS が提供する機械学習コンポーネントを使用することにより、サンプル推論コードと事前トレーニング済みモデルで機械学習の推論の実行を開始できる柔軟性が得られます。カスタムモデルコンポーネントをプラグインして、AWS が提供する推論とランタイムコンポーネントと一緒に独自のカスタムトレーニング済モデルを使用できます。完全にカスタマイズされた機械学習ソリューションの場合、パブリックコンポーネントをテンプレートとして使用してカスタムコンポーネントを作成し、任意のランタイム、モデル、推論タイプを使用できます。

要件

機械学習コンポーネントを作成して使用するには、次のものが必要になります。

サポートされているモデルソース

AWS IoT Greengrass は、Amazon S3 に保存されるカスタムトレーニング済機械学習モデルの使用をサポートしています。Amazon SageMaker エッジパッケージングジョブを使用して、 SageMaker Neo コンパイルモデルのモデルコンポーネントを直接作成することもできます。で SageMaker Edge Manager を使用する方法についてはAWS IoT Greengrass、「」を参照してくださいGreengrass コアデバイスで Amazon SageMaker Edge Manager を使用する。Amazon Lookout for Vision のモデルパッケージングジョブを使用して、Lookout for Vision モデルのモデルコンポーネントを作成することもできます。Lookout for Vision を AWS IoT Greengrass と使用する方法の詳細については、「Greengrass コアデバイスのAmazon Lookout for Vision を使用」を参照してください。

モデルを含む S3 バケットは、次の要件を満たしている必要があります:

サポートされている機械学習ランタイム

AWS IoT Greengrass は、カスタムトレーニング済モデルで機械学習の推論を実行するため、カスタムコンポーネントを作成して、任意の機械学習ランタイムを使用できます。カスタム機械学習コンポーネントの作成方法については、「機械学習コンポーネントのカスタマイズ」を参照してください。

機械学習を始めるプロセスの効率を向上させるため、AWS IoT Greengrass は、次の機械学習ランタイムを使用する推論、モデル、ランタイムコンポーネントのサンプルを示します。

AWS が提供する機械学習コンポーネント

次の表では、機械学習に使用される AWS が提供するコンポーネントを一覧表示します。