View a markdown version of this page

互联家居:边缘机器学习 - 互联家居:边缘机器学习

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

互联家居:边缘机器学习

发布日期:2021 年 7 月 13 日 (图表历史)

借助此架构,您可以在物联网 (IoT) 摄像机和其他家用设备上运行机器学习 (ML) 推理。该解决方案使用AWS 物联网 Greengrass 进行边缘部署,使用亚马逊 SageMaker AI 进行模型训练和优化。

联网家居机器学习边缘图

参考架构图显示了如何使用物联网 Greengrass、 SageMaker AI、Amazon Data Firehose 和 Lambda 在 AWS 物联网家用设备上运行机器学习推理。

以下步骤描述了架构:

  1. 将来自运行 IoT Greengrass 的物联 AWS 网摄像机的训练数据发布到 AWS IoT Core 。

  2. 配置 AWS 物联网规则,监听相机数据并将消息转发到亚马逊数据消防站以存储在亚马逊简单存储服务中。

  3. 使用 SageMaker AI 训练、优化和构建 ML 模型,这些模型使用的内存占用量不到相机等资源受限设备的十分之一。

  4. 将经过训练的模型从 SageMaker AI 输出到 Amazon S3,以便交付给物联网摄像机。

  5. 使用 AWS IoT Greengrass 云服务协调对目标物联网摄像机的部署。部署可以包括经过训练的 ML 模型和应用程序逻辑,例如AWS Lambda函数或Docker容器。

  6. 在物联网摄像机上本地运行 Lambda 函数,使用经过训练的 ML 模型的最新版本进行推理。

  7. 使用移动应用程序通过 Amazon Kinesis Video Streams 查看摄像机的视频流。

延伸阅读

有关更多信息,请参阅以下资源:

图表历史

要接收有关此参考架构图的更新,请订阅 RSS 提要。

变更说明日期

初次发布

参考架构图首次发布。

2021 年 7 月 13 日

RSS 订阅要求

要订阅 RSS 更新,必须为正在使用的浏览器启用 RSS 插件。