終止支援通知：2026 年 5 月 31 日， AWS 將終止對 的支援 AWS Panorama。2026 年 5 月 31 日之後，您將無法再存取 AWS Panorama 主控台或 AWS Panorama 資源。如需詳細資訊，請參閱[AWS Panorama 終止支援](https://docs.aws.amazon.com/panorama/latest/dev/panorama-end-of-support.html)。
本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 支援的電腦視覺模型和攝影機
AWS Panorama 支援使用 PyTorch、Apache MXNet 和 TensorFlow 建置的模型。當您部署應用程式時，AWS Panorama 會在 SageMaker AI Neo 中編譯模型。只要使用與 Amazon SageMaker SageMaker AI 或開發環境中建置模型。
為了處理影片並取得影像以傳送至模型，AWS Panorama 設備會使用 RTSP 通訊協定連線至 H.264 編碼的影片串流。AWS Panorama 會測試各種常用攝影機的相容性。
**Topics**
+ [支援的模型](#gettingstarted-compatibility-models)
+ [支援的攝影機](#gettingstarted-compatibility-cameras)
## 支援的模型
當您為 AWS Panorama 建置應用程式時，您會提供機器學習模型，供應用程式用於電腦視覺。您可以使用模型架構、[範例](gettingstarted-sample.md#gettingstarted-sample-model)模型或您自行建置和訓練的模型所提供的預先建置和預先訓練模型。
**注意**
如需已使用 AWS Panorama 測試的預先建置模型清單，請參閱[模型相容性](https://github.com/awsdocs/aws-panorama-developer-guide/blob/main/resources/model-compatibility.md)。
當您部署應用程式時，AWS Panorama 會使用 SageMaker AI Neo 編譯器來編譯您的電腦視覺模型。SageMaker AI Neo 是一種編譯器，可將模型最佳化，以便在目標平台上有效率地執行，而目標平台可以是 Amazon Elastic Compute Cloud (Amazon EC2) 中的執行個體，或像是 AWS Panorama Appliance 等邊緣裝置。
AWS Panorama 支援 SageMaker AI Neo 支援邊緣裝置的 PyTorch、Apache MXNet 和 TensorFlow 版本。當您建置自己的模型時，您可以使用 [SageMaker AI Neo 版本備註](https://aws.amazon.com/releasenotes/sagemaker-neo-supported-frameworks-and-operators/)中列出的架構版本。在 SageMaker AI 中，您可以使用內建[影像分類演算法](https://docs.aws.amazon.com/sagemaker/latest/dg/image-classification.html)。
如需在 AWS Panorama 中使用模型的詳細資訊，請參閱 [電腦視覺模型](applications-models.md)。
## 支援的攝影機
AWS Panorama 設備支援來自透過本機網路輸出 RTSP 之攝影機的 H.264 視訊串流。對於大於 200 萬像素的攝影機串流，設備會將影像縮減至 1920x1080 像素，或保留串流長寬比的同等大小。
下列攝影機模型已通過與 AWS Panorama 設備的相容性測試：
+ [軸](https://www.axis.com/) – M3057-PLVE, M3058-PLVE, P1448-LE, P3225-LV Mk II
+ [LaView](https://www.laviewsecurity.com/) – LV-PB3040W
+ [Vivotek](https://www.vivotek.com/) – IB9360-H
+ [Amcrest](https://amcrest.com/) – IP2M-841B
+ **Anpviz** – IPC-B850W-S-3X, IPC-D250W-S
+ **WGCC** - 半球 PoE 4MP ONVIF
如需設備的硬體規格，請參閱 [AWS Panorama 設備規格](gettingstarted-hardware.md)。