步骤 2:设置您的设备 - Amazon SageMaker
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

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。

步骤 2:设置您的设备

您需要在 边缘设备上安装软件包,以便您的设备可以进行推理。您还需要安装 AWS AWS IoT Greengrass 核心或深度学习运行时 (DLR)。在本示例中,您将安装为coco_ssd_mobilenet对象检测算法进行推理所需的软件包,并且您将使用 DLR。

  1. 安装其他软件包

    除了 Boto3 之外,您必须在边缘设备上安装某些库。安装哪些库取决于您的使用案例。

    例如,对于您之前下载coco_ssd_mobilenet的对象检测算法,您需要安装 NumPy 用于数据操作和统计数据,安装 PIL 用于加载图像,安装 Matplotlib 用于生成图形。如果要衡量使用 Neo 进行编译的影响与基准,您还需要 TensorFlow 的副本。

    !pip3 install numpy pillow tensorflow matplotlib
  2. 在设备上安装推理引擎

    要运行 Neo 编译的模型,请在设备上安装 Deep Learning Runtime (DLR)。DLR 是一个用于深度学习模型和决策树模型的紧凑的通用运行时。在运行 Linux 的 x86_64 CPU 目标上,您可以使用pip以下命令安装最新版本的 DLR 程序包:

    !pip install dlr

    有关在 GPU 目标non-x86 边缘设备上安装 DLR 的信息,请参阅预构建二进制文件的版本安装 DLR 以从源构建 DLR。例如,要安装适用于 Raspberry Pi 3 的 DLR,您可以使用:

    !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