AWS IoT Greengrass 支持使用在云中创建、训练和优化的模型,轻松在设备本地执行机器学习推理。借助 AWS IoT Greengrass,您可以灵活地使用在 Amazon SageMaker 中训练的机器学习模型,或使用您在 Amazon S3 中存储的已经预先训练好的模型。
机器学习使用根据现有数据所学习(该过程称为训练)的统计算法,以便对新数据做出决策(该过程称为推理)。在训练期间,将识别数据中的模式和关系,以建立模型。该模型让系统能够对之前从未遇到过的数据做出明智的决策。优化模型过程中会压缩模型大小,以便快速运行。训练和优化机器学习模型需要大量计算资源,因此与云是天然良配。但是,推理需要的计算能力要少得多,并且往往在有新数据可用时实时完成。要想确保您的 IoT 应用程序能够快速响应本地事件,则必须能够以非常低的延迟获得推理结果。
AWS IoT Greengrass 为您提供了两全其美的解决方案。您可使用在云中构建、训练和优化的机器学习模型,并在设备上本地运行推理。例如,您可在 SageMaker 中构建预测模型以用于场景检测分析,对其进行优化以便在任何摄像机上运行,然后部署该模型以便预测可疑活动并发送警报。在 AWS IoT Greengrass 上运行推理过程所收集到的数据可发送回 SageMaker,然后就地标记,并用于不断提高机器学习模型的质量。
优势
灵活
单击几下即可将模型部署到您的互联设备
加速推理性能
在更多设备上运行推理
轻松地在互联设备上运行推理
构建更准确的模型
工作原理
![AWS Greengrass ML Inference – 工作原理 AWS Greengrass ML Inference – 工作原理](https://d1.awsstatic.com/r2018/b/Greengrass/AWS%20IoT%20Greengrass%20ML%20Inference.9c1ad2e0d222e6048cee8d8f609ebaba87c1fa5b.png)
使用案例
预测性工业维护
精准农业
安全性
零售和酒店
视频处理
精选客户案例
![Yanmar Yanmar](https://d1.awsstatic.com/logos/600x400_logos/600x400_Yanmar_Logo.46e785e9c900e31d028ac7fb485157c97e73cc8c.png)
AWS IoT Greengrass 通过自动检测和识别蔬菜的主要生长阶段,帮助 Yanmar 提高温室作业的智能程度,从而种植更多农作物。
![](https://d1.awsstatic.com/product-marketing/AI/customers/Case%20Studies%20Page/600x400_Electronic-Caregiver_Logo.6fb10a3b5e60232a474715c8d5d6bd9efa19f7d5.png)
Electronic Caregiver 通过 AWS IoT Greengrass ML 推理确保高质量的护理,并可将机器学习模型直接推送到边缘设备,使患者更安全。
![](https://d1.awsstatic.com/IoT/600x400_Vantage-Power_Logo.d06aad1924f06f1d5f883ba7879de8e0e2a20825.png)
借助 AWS IoT Greengrass,Vantage Power 将机器学习模型推送到单个车辆,并检测 1 个月前的电池故障。
精选合作伙伴
![](https://d1.awsstatic.com/r2018/b/BLE/Leopard.fec0eb551c7102d1cfe71dd558fc5d648b47a670.png)
![](https://d1.awsstatic.com/IoT/Greengrass/acer.3418b5a967f450990623a4440fdcf3537aab40ea.png)