AWS IoT Greengrass 可讓您輕鬆使用在雲端建立、訓練和優化的模型,在本地裝置上執行機器學習推論。AWS IoT Greengrass 讓您使用在 Amazon SageMaker 中訓練過的機器學習模型,或使用儲存於 Amazon S3 中自行預先訓練過的模型的靈活性。
機器學習使用從現有資料學習的統計演算法,這個過程稱為培訓,以便對新資料做出各種決策,這個過程稱為推論。在訓練期間找出資料中的模式和關係,以建立模型。之後,系統可以透過這個模型對以前沒有遇到過的資料做出明智的決定。優化模型會壓縮模型尺寸,使它能快速執行。訓練及優化 ML 模型需要大量的運算資源,因此非常適合在雲端進行。但是,推論一般需要很少的運算能力,並且通常在新的資料可用時即時完成。以非常短的延遲時間獲得推論結果非常重要,以確保 IoT 應用程式能夠快速回應本機事件。
AWS IoT Greengrass 為您提供兩全其美的解決方案。您使用在雲端建立、訓練和優化的機器學習模型,然後在本機裝置執行推論。例如,您可以在 SageMaker 中建立一個用於場景偵測分析的預測模型,針對在任何相機上執行進行優化,然後將它部署,以便預測可疑活動,並送出提醒訊號。從 AWS IoT Greengrass 上執行的推論收集的資料可以送回 SageMaker,加上標籤,並用來持續改進機器學習模型的品質。
優勢
靈活
按幾下滑鼠即可將模型部署到連線的裝置
加速推論效能
在更多裝置上執行推論
在連線裝置上輕鬆執行推論
建立更準確的模型
運作方式
![AWS Greengrass ML 推論 – 運作方式 AWS Greengrass ML 推論 – 運作方式](https://d1.awsstatic.com/r2018/b/Greengrass/AWS%20IoT%20Greengrass%20ML%20Inference.9c1ad2e0d222e6048cee8d8f609ebaba87c1fa5b.png)
使用案例
預測性工業維護
精準農業
安全性
零售和觀光旅遊
影片處理
特色客戶
![Yanmar Yanmar](https://d1.awsstatic.com/logos/600x400_logos/600x400_Yanmar_Logo.46e785e9c900e31d028ac7fb485157c97e73cc8c.png)
AWS IoT Greengrass 透過自動偵測和識別蔬菜的主要生長階段來種植更多農作物,協助 Yanmar 提高溫室營運的智慧。
![](https://d1.awsstatic.com/product-marketing/AI/customers/Case%20Studies%20Page/600x400_Electronic-Caregiver_Logo.6fb10a3b5e60232a474715c8d5d6bd9efa19f7d5.png)
Electronic Caregiver 利用 AWS IoT Greengrass ML 推論確保高品質的照護,而且可以將機器學習模型直接推送到邊緣裝置,讓患者更安全。
![](https://d1.awsstatic.com/IoT/600x400_Vantage-Power_Logo.d06aad1924f06f1d5f883ba7879de8e0e2a20825.png)
使用 AWS IoT Greengrass 時,Vantage Power 可以將機器學習模型推送至個別車輛,並提早 1 個月偵測到電池故障。
特色合作夥伴
![](https://d1.awsstatic.com/r2018/b/BLE/Leopard.fec0eb551c7102d1cfe71dd558fc5d648b47a670.png)
![](https://d1.awsstatic.com/IoT/Greengrass/acer.3418b5a967f450990623a4440fdcf3537aab40ea.png)