Q30 — AWS SAP-C02 第2章

第 30/75 题 | ← 返回第2章

Q180. 一家制造公司正在为其工厂构建检测解决方案。该公司在每条装配线的末端设有 IP 摄像头。该公司使用 Amazon SageMaker 训练了一个机器学习 (ML) 模型，用于从静态图像中识别常见缺陷。 该公司希望在检测到缺陷时向工厂工人提供本地反馈。即使工厂的互联网连接断开，该公司也必须能够提供此反馈。该公司有一台本地 Linux 服务器，托管一个向工人提供本地反馈的 API。 该公司应如何部署 ML 模型以满足这些要求？

• A. 从每个 IP 摄像头设置到 AWS 的 Amazon Kinesis 视频流。使用 Amazon EC2 实例从视频流中捕获静态图像。将图像上传到 Amazon S3 存储桶。部署一个带有 ML 模型的 SageMaker 端点。当新图像上传时调用 AWS Lambda 函数来调用推理端点。配置 Lambda 函数在检测到缺陷时调用本地 API
• B. 在本地服务器上部署 AWS IoT Greengrass。将 ML 模型部署到 Greengrass 服务器。创建一个 Greengrass 组件，从摄像头捕获静态图像并运行推理。配置组件在检测到缺陷时调用本地 API ✓
• C. 订购一个 AWS Snowball 设备。在 Snowball 设备上部署 SageMaker 端点、ML 模型和一个 Amazon EC2 实例。从摄像头捕获静态图像。从 EC2 实例运行推理。配置实例在检测到缺陷时调用本地 API
• D. 在每个 IP 摄像头上部署 Amazon Monitron 设备。在本地部署 Amazon Monitron Gateway。将 ML 模型部署到 Amazon Monitron 设备。使用 Amazon Monitron 健康状态告警在检测到缺陷时从 AWS Lambda 函数调用本地 API

正确答案: B. 在本地服务器上部署 AWS IoT Greengrass。将 ML 模型部署到 Greengrass 服务器。创建一个 Greengrass 组件，从摄像头捕获静态图像并运行推理。配置组件在检测到缺陷时调用本地 API

解析

此解决方案允许公司使用 AWS IoT Greengrass 在 Linux 服务器上本地部署 ML 模型，即使互联网连接断开也能运行。Greengrass 组件可用于从 IP 摄像头捕获静态图像并使用已部署的 ML 模型运行推理。当检测到缺陷时，可以配置组件调用托管在同一服务器上的本地 API，向工厂工人提供反馈。此解决方案还可以轻松扩展以适应额外的摄像头或部署架构的变化。 选项 D 仅监控机器的传感器数据，不适用于此场景。