AWS 更新 SageMaker 边缘视觉模型流水线

AWS Machine Learning Blog 更新了 2023 年发布的边缘视觉质检 MLOps 方案，使其适配当前的 Amazon SageMaker Python SDK v3。方案面向多产线、多摄像头场景：每台相机需独立微调模型，因此用一条按摄像头参数化的 SageMaker Pipeline 管理模型生命周期，每次执行运行 13 个步骤。 流水线并行完成预处理与拉取最新模型，随后分别训练小型卷积自编码器异常检测器和微调的 ResNet18 缺陷分类器；两个分支都导出 ONNX，并在留出数据上评估、经过质量门禁。 据该文介绍，一次完整运行（含两次 Neo 编译）约 15 分钟，按需计费的 ml.m5.xlarge 实例成本约 0.07 美元，统计口径为美国东部（俄亥俄）区域、2026 年 7 月。编译本身不收费，费用来自驱动编译的处理实例和输出在 S3 的存储。 默认情况下流水线生成合成产线图像，因此无需数据集和数据审批即可端到端验证整套系统。编排层默认最多同时接纳 5 个流水线执行，以把并发的 SageMaker 训练任务控制在标准账户配额内。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。