Esercizio - Distribuire e compilare la soluzione

Completato

Nel primo esercizio è stato già installato il runtime Azure IoT Edge nel computer Linux. Assicurarsi di aver installato gli strumenti di sviluppo software seguenti.

• Docker Community Edition nel computer Linux
• Visual Studio Code è un editor di codice ed è uno dei progetti open source più noti in GitHub. È supportata in Linux, macOS e Windows
• Le estensioni di Visual Studio Code seguenti:
  • Account Azure
  • Azure IoT Tools
  • Estensione Docker per Visual Studio Code
  • Strumenti JSON, che sono utili per modificare le opzioni di creazione per un modulo.

Creare Servizi di Azure AI

In questo modulo si usano Visione personalizzata di Azure AI e i servizi Voce di Azure AI.

• Il servizio Visione personalizzata di Azure AI consente di creare un modello di Machine Learning con le immagini della frutta fornite. Il modello viene quindi esportato e aggiunto alla cartella del progetto.

• Voce di Azure AI consente di generare il parlato dall'etichetta dell'articolo. La chiave del servizio Voce verrà aggiunta nel modello di distribuzione.

La risorsa multi-servizi si trova in Servizi di Azure AI>Account multi-servizi di Servizi di Azure AI nel portale. Per creare una risorsa multi-servizi, seguire queste istruzioni:

1. Accedere al portale di Azure.

2. Selezionare questo collegamento per creare una risorsa multi-servizi: https://portal.azure.com/#create/Microsoft.CognitiveServicesAllInOne

3. Nella pagina Crea specificare le informazioni seguenti:

   Dettagli di progetto	Descrizione
   Abbonamento	Selezionare una delle sottoscrizioni di Azure disponibili.
   Gruppo di risorse	Gruppo di risorse Azure che conterrà la risorsa di Servizi di Azure AI. È possibile creare un nuovo gruppo o aggiungerla a un gruppo già esistente.
   Area	Posizione dell'istanza di Servizi di Azure AI. Posizioni diverse possono introdurre latenza, ma non hanno alcun impatto sulla disponibilità di runtime della risorsa.
   Nome	Nome descrittivo della risorsa di Servizi di Azure AI. Ad esempio, MyAzureAIServicesResource.
   Piano tariffario	Il costo dell'account di Servizi di Azure AI dipende dalle opzioni scelte e dall'utilizzo. Per altre informazioni, vedere i dettagli sui prezzi delle API.

   

4. Configurare altre impostazioni per la risorsa in base alle esigenze, leggere e accettare le condizioni (se applicabile) e quindi selezionare Rivedi e crea.

Suggerimento

Se la sottoscrizione non consente di creare una risorsa di Servizi di Azure AI, può essere necessario abilitare il privilegio del provider di risorse di Azure usando il portale di Azure, un comando PowerShell o un comando dell'interfaccia della riga di comando di Azure. Se non si ha la proprietà della sottoscrizione, rivolgersi al proprietario della sottoscrizione o a un utente con un ruolo di amministratore per completare la registrazione o chiedere che al proprio account vengano concessi privilegi /register/action.

Installare il Registro Docker nel computer Linux

Azure IoT Edge si basa su immagini Docker distribuite da un Registro Docker. Nell'ambiente di produzione le immagini Docker vengono distribuite da un registro, ad esempio Registro Azure Container.

Quando si sviluppa un modulo Azure IoT Edge, è più rapido installare un registro contenitori locale nel dispositivo e distribuire immagini Docker dal registro locale ad Azure IoT Edge.

Aprire il terminale nel computer Linux ed eseguire il comando seguente per configurare un Registro Docker locale.

docker run -d -p 5000:5000 --restart=always --name registry registry:2

Clonare la soluzione di riconoscimento delle immagini nel computer Linux

1. Clonare questo repository GitHub.

   git clone https://github.com/MicrosoftDocs/mslearn-oxford.create-image-recognition-with-azure-iot-edge
   

2. Aprire la soluzione dal menu di Visual Studio Code.

Aggiornare la chiave del servizio Voce di Azure AI

Aprire il file deployment.template.json e aggiornare la chiave azureSpeechServicesKey con quella copiata dal servizio Voce di Azure.

Verificare il processore

È necessario assicurarsi che l'immagine che si intende compilare corrisponda all'architettura del processore di destinazione. In questo caso, la destinazione della compilazione è amd64. Verificare l'architettura del processore.

Nella barra inferiore di Visual Studio Code fare clic sull'architettura del processore attualmente selezionata, quindi nel popup selezionare amd64.

Compilare la soluzione

Compilare ed eseguire il push della soluzione in Docker facendo clic con il pulsante destro del mouse sul file deployment.template.json e selezionando "Compila ed esegui soluzione IoT Edge". La prima compilazione sarà lenta perché Docker deve eseguire il pull dei livelli di base nel computer locale.

Se si esegue la compilazione incrociata in amd64, la prima compilazione sarà molto lenta perché è necessario compilare i requisiti di OpenCV e Python. Con un processore Intel i7-8750H veloce, la compilazione incrociata di questa soluzione richiederà circa 40 minuti.

Distribuire la soluzione

Al termine del processo di compilazione e push di Docker, selezionare il dispositivo hub IoT di Azure in cui si vuole distribuire la soluzione. Fare clic con il pulsante destro del mouse sul file deployment.json presente nella cartella config e selezionare il dispositivo di destinazione nell'elenco a discesa.