AWS 发布基于 SageMaker SDK v3 的边缘视觉模型生命周期管理方案

AWS 在 Machine Learning Blog 上演示了一套用 Amazon SageMaker Python SDK v3 在边缘侧管理车队级（fleet-wide）计算机视觉模型生命周期的方案，为每台摄像头训练一个异常检测器和一个 ResNet18 缺陷分类器。该方案是对其 2023 年系列教程 Build an end-to-end MLOps pipeline for visual quality inspection at the edge 面向 SDK v3 的更新。 按 AWS 给出的示例条件，完整运行全部 13 个步骤（含两次 Neo 编译）约 15 分钟，在美东俄亥俄区域（us-east-2）按需计费下产生约 0.07 美元的 ml.m5.xlarge 计费时长（2026 年 7 月价格）。编译本身不收费，费用来自驱动编译的处理实例和输出的 S3 存储；编排层默认最多允许 5 个流水线并发执行，以使并发训练作业保持在账户标准配额内。

AI 根据报道生成 · 20 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。