Ćwiczenie — wdrażanie i kompilowanie rozwiązania

Ukończone

W pierwszym ćwiczeniu środowisko uruchomieniowe usługi Azure IoT Edge zostało już zainstalowane na komputerze z systemem Linux. Upewnij się, że zainstalowano następujące narzędzia programistyczne.

• Docker Community Edition na komputerze z systemem Linux
• Program Visual Studio Code jest edytorem kodu i jest jednym z najpopularniejszych projektów open source w usłudze GitHub. Działa on w systemie Linux, macOS i Windows.
• Następujące rozszerzenia programu Visual Studio Code
  • Azure Account
  • Narzędzia usługi Azure IoT
  • Rozszerzenie platformy Docker dla programu Visual Studio Code
  • Narzędzia JSON przydatne do zmieniania opcji tworzenia dla modułu.

Tworzenie usług sztucznej inteligencji platformy Azure

W tym module użyjesz usług Azure AI Custom Vision i Azure AI Speech.

• Usługa Azure AI Custom Vision służy do tworzenia modelu uczenia maszynowego z dostarczonymi obrazami owoców. Następnie model jest eksportowany i dodawany do folderu projektu.

• Usługa Azure AI Speech służy do generowania mowy na podstawie etykiety elementu. Klucz mowy zostanie dodany w szablonie wdrożenia.

Zasób z wieloma usługami znajduje się na liście w obszarze usługi Azure AI services>azure ai services multi-service account w portalu. Aby utworzyć zasób z wieloma usługami, wykonaj następujące instrukcje:

1. Zaloguj się do Azure Portal.

2. Wybierz ten link, aby utworzyć zasób z wieloma usługami: https://portal.azure.com/#create/Microsoft.CognitiveServicesAllInOne

3. Na stronie Tworzenie podaj następujące informacje:

   Szczegóły projektu	opis
   Subskrypcja	Wybierz jedną z dostępnych subskrypcji platformy Azure.
   Grupa zasobów:	Grupa zasobów platformy Azure, która będzie zawierać zasób usług Azure AI. Możesz utworzyć nową grupę lub dodać ją do istniejącej grupy.
   Region	Lokalizacja wystąpienia usługi Azure AI. Różne lokalizacje mogą powodować opóźnienie, ale nie mają wpływu na dostępność zasobu w czasie wykonywania.
   Nazwa/nazwisko	Opisowa nazwa zasobu usług Azure AI. Na przykład MyAzureAIServicesResource.
   Warstwa cenowa	Koszt konta usług Azure AI zależy od wybranej opcji i użycia. Aby uzyskać więcej informacji, zobacz szczegóły cennika interfejsu API.

   

4. Skonfiguruj inne ustawienia zasobu zgodnie z potrzebami, przeczytaj i zaakceptuj warunki (zgodnie z potrzebami), a następnie wybierz pozycję Przejrzyj i utwórz.

Napiwek

Jeśli twoja subskrypcja nie zezwala na tworzenie zasobu usług Azure AI, może być konieczne włączenie uprawnień tego dostawcy zasobów platformy Azure przy użyciu witryny Azure Portal, polecenia programu PowerShell lub polecenia interfejsu wiersza polecenia platformy Azure. Jeśli nie jesteś właścicielem subskrypcji, poproś właściciela subskrypcji lub osobę z rolą administratora o ukończenie Twojej rejestracji lub poproś o uprawnienia do /rejestrowania/działania dla Twojego konta.

Instalowanie rejestru platformy Docker na komputerze z systemem Linux

Usługa Azure IoT Edge korzysta z obrazów platformy Docker dystrybuowanych z rejestru platformy Docker. W środowisku produkcyjnym należy wdrożyć obrazy platformy Docker z rejestru, takiego jak usługa Azure Container Registry.

Podczas tworzenia modułu usługi Azure IoT Edge szybsze jest instalowanie lokalnego rejestru kontenerów na urządzeniu i wdrażanie obrazów platformy Docker z rejestru lokalnego w usłudze Azure IoT Edge.

Otwórz terminal na komputerze z systemem Linux i uruchom następujące polecenie, aby skonfigurować lokalny rejestr platformy Docker.

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

Klonowanie rozwiązania do rozpoznawania obrazów na komputerze z systemem Linux

1. Sklonuj to repozytorium serwisu GitHub.

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

2. Otwórz rozwiązanie z menu programu Visual Studio Code.

Aktualizowanie klucza usługi Mowa usługi Azure AI

Otwórz plik deployment.template.json i zaktualizuj klucz azureSpeechServicesKey skopiowany z usługi Azure Speech.

Potwierdzanie procesora

Musisz upewnić się, że obraz, który chcesz skompilować, jest zgodny z architekturą procesora docelowego. W naszym przypadku zamierzamy zbudować dla amd64. Potwierdź architekturę procesora.

Na dolnym pasku programu Visual Studio Code kliknij aktualnie wybraną architekturę procesora, a następnie w oknie podręcznym wybierz pozycję amd64.

Kompilowanie rozwiązania

Skompiluj i wypchnij rozwiązanie do platformy Docker, klikając prawym przyciskiem myszy plik deployment.template.json i wybierz pozycję "Kompiluj i wypychaj rozwiązanie usługi IoT Edge". Pierwsza kompilacja będzie niska, ponieważ platforma Docker musi ściągnąć warstwy podstawowe na komputer lokalny.

Jeśli kompilujesz krzyżowo do amd64, pierwsza kompilacja będzie bardzo niska, ponieważ wymagania dotyczące platformy OpenCV i języka Python muszą zostać skompilowane. W przypadku szybkiego procesora Intel i7-8750H kompilowanie krzyżowe tego rozwiązania potrwa około 40 minut.

Wdrażanie rozwiązania

Po zakończeniu procesu kompilacji i wypychania platformy Docker wybierz urządzenie usługi Azure IoT Hub, w którym chcesz wdrożyć rozwiązanie. Kliknij prawym przyciskiem myszy plik deployment.json znajdujący się w folderze config i wybierz urządzenie docelowe z listy rozwijanej.