Bir hızlı servis restoranı, kasadaki kuyrukta bekleyen müşterileri saymak ve kuyruk çok uzadığında yöneticileri uyarmak istiyor. Şubelerin çok sınırlı giden bant genişliği var ve buluta birden fazla video akışı yapamıyorlar. Bant genişliği kısıtlamasını en iyi karşılayan ve kuyruk uzunluğu uyarılarını sağlayan çözüm hangisidir?
Bir cevap seçin
Cevabınızı kontrol etmek için bir seçeneğe dokunun.
Doğru cevap: SageMaker'da özel bir kişi sayma modeli eğitin, eğitilmiş modeli restoranlardaki AWS DeepLens cihazlarına dağıtın, kişileri saymak için cihazlarda yerel çıkarım ve bir Lambda işlevi çalıştırın ve kuyruk çok uzunsa bir SNS bildirimi gönderin..
Neden bu cevap
Doğru cevap, bant genişliği kısıtlamasını en iyi şekilde karşıladığı için yerel çıkarım (edge inference) kullanır. AWS DeepLens cihazları, eğitilmiş SageMaker modelini kullanarak görüntüleri cihaz üzerinde işler ve yalnızca kuyruk uzunluğu verilerini veya uyarıları buluta gönderir. Bu, tüm video akışını buluta göndermekten çok daha az bant genişliği tüketir. Diğer seçenekler ya tüm video akışını buluta göndermeyi gerektirir (Kinesis Video Streams), bu da bant genişliği kısıtlamasına uymaz, ya da DeepLens'i AWS Rekognition ile bulutta çalıştırmayı önerir, bu da yine buluta veri göndermeyi gerektirir ve DeepLens'in yerel çıkarım yeteneğini kullanmaz.
Sonsuz cevap arayışı olmadan sınavınızı geçin
Bu sınav için her doğrulanmış soruyu ve açıklamayı tek bir yerde edinin ve saatlerce süren hazırlıktan tasarruf edin. 1.000'den fazla sertifika · 20'den fazla dil · ücretsiz başlayın.
Sınavınızı daha hızlı geçin → Kart gerekmez