Ciclo de vida de visión por computadora para toda la flota en el borde con SageMaker SDK v3
aws ·
Este artículo presenta una arquitectura de referencia para gestionar el ciclo de vida de los modelos de visión por computadora en grandes flotas de dispositivos edge mediante el SDK de Python de Amazon SageMaker v3. Aborda el desafío de implementar miles de modelos especializados automatizando el entrenamiento, la evaluación y el despliegue sin intervención humana para cada cámara. La solución utiliza un pipeline de doble rama que entrena tanto un detector de anomalías como un clasificador de defectos por cámara, garantizando la calidad mediante filtros basados en métricas de precisión equilibrada y recall. Los modelos se compilan con Amazon SageMaker Neo para optimizarlos en el dispositivo antes de registrarse en el Registro de Modelos de SageMaker. Una capa de orquestación construida con AWS Step Functions y DynamoDB gestiona las solicitudes de entrenamiento concurrentes para mantenerse dentro de las cuotas de servicio de la cuenta. Todo el sistema se implementa mediante AWS Cloud Development Kit (CDK) y puede validarse de extremo a extremo utilizando datos sintéticos por aproximadamente siete centavos en costos de cómputo. Este patrón permite actualizaciones eficientes en toda la flota mientras mantiene altos estándares de calidad para tareas de inspección visual industrial.
aws