View a markdown version of this page

커넥티드 홈: 엣지에서의 Machine Learning - 커넥티드 홈: 엣지에서의 Machine Learning
엣지 다이어그램의 연결된 홈 ML참조 자료다이어그램 기록

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

커넥티드 홈: 엣지에서의 Machine Learning

게시일: 2021년 7월 13일(다이어그램 기록)

이 아키텍처를 사용하면 사물 인터넷(IoT) 비디오 카메라 및 기타 홈 디바이스에서 기계 학습(ML) 추론을 실행할 수 있습니다. 이 솔루션은 엣지 배포에는 AWS IoT Greengrass를 사용하고 모델 훈련 및 최적화에는 Amazon SageMaker AI를 사용합니다.

엣지 다이어그램의 연결된 홈 ML

IoT Greengrass, SageMaker AI, Amazon Data Firehose 및 Lambda를 사용하여 AWS IoT 홈 디바이스에서 ML 추론을 실행하는 방법을 보여주는 참조 아키텍처 다이어그램입니다.

다음 단계에서는 아키텍처를 설명합니다.

  1. IoT Greengrass를 실행하는 AWS IoT 비디오 카메라의 훈련 데이터를 AWS IoT Core에 게시합니다.

  2. 카메라 데이터를 수신 대기하고 Amazon Simple Storage Service의 스토리지를 위해 Amazon Data Firehose에 메시지를 전달하는 AWS IoT 규칙을 구성합니다.

  3. SageMaker AI를 사용하여 카메라와 같이 리소스가 제한된 디바이스에서 발견되는 메모리 공간의 10분의 1 미만을 사용하는 ML 모델을 훈련, 최적화 및 빌드할 수 있습니다.

  4. 훈련된 모델을 SageMaker AI에서 Amazon S3로 출력하여 IoT 비디오 카메라로 전송합니다.

  5. AWS IoT Greengrass 클라우드 서비스를 사용하여 대상 IoT 비디오 카메라에 대한 배포를 오케스트레이션합니다. 배포에는 훈련된 ML 모델과 AWS Lambda 함수 또는 Docker 컨테이너와 같은 애플리케이션 로직이 포함될 수 있습니다.

  6. IoT 비디오 카메라에서 로컬로 Lambda 함수를 실행하여 훈련된 ML 모델의 최신 버전을 사용하여 추론을 수행합니다.

  7. 모바일 애플리케이션을 사용하여 Amazon Kinesis Video Streams 스트림을 봅니다.

참조 자료

자세한 내용은 다음 리소스를 참조하세요.

다이어그램 기록

이 참조 아키텍처 다이어그램에 대한 업데이트를 받으려면 RSS 피드를 구독하세요.

변경 사항설명날짜

최초 게시

참조 아키텍처 다이어그램이 처음 게시되었습니다.

2021년 7월 13일

RSS 구독 요구 사항

RSS 업데이트를 구독하려면 사용 중인 브라우저에 대해 RSS 플러그인이 활성화되어 있어야 합니다.