Cycle de vie de la vision par ordinateur à l'échelle du parc au bord du réseau avec SageMaker SDK v3
aws ·
Cet article présente une architecture de référence pour gérer le cycle de vie des modèles de vision par ordinateur sur de grandes flottes d'appareils edge à l'aide du SDK Python Amazon SageMaker v3. Il répond au défi du déploiement de milliers de modèles spécialisés en automatisant l'entraînement, l'évaluation et le déploiement sans intervention humaine pour chaque caméra. La solution utilise un pipeline à double branche qui entraîne à la fois un détecteur d'anomalies et un classificateur de défauts par caméra, garantissant la qualité grâce à des portes basées sur les métriques de précision équilibrée et de rappel. Les modèles sont compilés avec Amazon SageMaker Neo pour l'optimisation des appareils avant d'être enregistrés dans le Registre de modèles SageMaker. Une couche d'orchestration construite avec AWS Step Functions et DynamoDB gère les demandes d'entraînement concurrentes afin de respecter les quotas de service des comptes. L'ensemble du système est déployé via AWS Cloud Development Kit (CDK) et peut être validé de bout en bout à l'aide de données synthétiques pour environ sept centimes de coûts de calcul. Ce schéma permet des mises à jour efficaces à l'échelle de la flotte tout en maintenant des normes de qualité élevées pour les tâches d'inspection visuelle industrielle.
aws