如何在QNAP NAS上使用AWS Greengrass ML

 

準備工作

1. 準備USB WebCam並接上NAS
2. 請先完成AWS Greengrass基本設定，參考此教學文章 :
   如何在 QNAP NAS 設定 AWS Greengrass

安裝MXNet

1. 參照AWS Greengrass ML文件 : https://docs.aws.amazon.com/greengrass/latest/developerguide/ml-console.html步驟二下載MXNet Intel平台軟體，上傳至NAS Public資料夾:
   

2. SSH進入NAS，移動安裝檔並解壓縮(依據安裝磁碟區不同路徑可能也會有所不同)

   cd /share/CACHEDEV1_DATA/.qpkg/Greengrass/package/greengrass
   mv /share/Public/ggc-mxnet-v1.2.1-python-intel.tar .
   tar -xzf ggc-mxnet-v1.2.1-python-intel.tar
   

3. 進入Greengrass Container安裝MXNet

   system-docker exec -ti greengrass bash
   cd greengrass/ggc-mxnet-v1.2.1-python-intel/
   apt update && apt install sudo unzip
   ./mxnet_installer.sh -u
   

執行範例

編輯範例程式

1. 參照AWS Greengrass ML文件步驟二下載MXNet Raspberry平台(執行範例會用到)軟體

2. 解壓縮ggc-mxnet-v1.2.1-python-raspi.tar.gz，在解壓縮greengrass-ml-squeezenet-object-classification-raspi-python.tar.gz

3. 編輯load_model.py，將底下註釋掉 :

   '''
       #Captures an image from the PiCamera, then sends it for prediction
       def predict_from_cam(self, capfile='cap.jpg', reshape=(224, 224), N=5):
           if self.camera is None:
               self.camera = picamera.PiCamera()
   
           stream = io.BytesIO()
           self.camera.start_preview()
           time.sleep(2)
           self.camera.capture(stream, format='jpeg')
           # Construct a numpy array from the stream
           data = np.fromstring(stream.getvalue(), dtype=np.uint8)
           # "Decode" the image from the array, preserving colour
           image = cv2.imdecode(data, 1)
           return self.predict_from_image(image, reshape, N)
   '''
   

   並新增 :

   #Captures an image from the webcam, then sends it for prediction    
   def predict_from_webcam(self, capfile='cap.jpg', reshape=(224, 224), N=5):
       print "capture.......\n"
       cap = cv2.VideoCapture(0)
       flag, image = cap.read()
       print "read.......\n"
       return self.predict_from_image(image, reshape, N)
   

   完成後儲存

4. 參照AWS Greengrass ML文件步驟五建立Lambda Function

編輯Greengrass Group

1. 在Group設定頁面上，選擇Resource

2. 在Local Resources選項中，選擇Add local resource

3. 在Create a local resource頁面上，使用以下值：

   Property	Value
   Resource name	video
   Resource type	Device
   Device path	/dev/video0
   Group owner file access permission	Automatically add OS group permissions of the Linux group that owns the resource

4. 在Lambda function affiliations下，點擊Select，選擇greengrassObjectClassification，選擇Read and write access訪問權限，然後點擊Done
   

5. 剩下上傳model步驟參考AWS Greengrass ML文件 uploading the squeezenet.zip model package to Amazon S3. 段落操作

6. 設定Subscription跟Deploy也請參考:AWS Greengrass ML文件步驟8、9，以及後續測試步驟
   

(其他)設定AWS Greengrass停止重啟MXNet Library資料不會被移除

預設只要在NAS重開機或是在App Center停止後，Greengrass Container就會被刪除，暫時不被刪除方法請參考如下步驟 :

1. 修改/share/CACHEDEV1_DATA/.qpkg/Greengrass/Greengrass.sh檔案(依據安裝磁碟區不同路徑可能也會有所不同) :

   • 將Start區間的這行:

     COMPOSE_HTTP_TIMEOUT=300 ${DOCKER_COMPOSE} -p $PROJECT_NAME -f $QPKG_PATH/docker-compose.yml up -d >> $QPKG_PATH/compose.log 2>&1
     

     改成 :

     COMPOSE_HTTP_TIMEOUT=300 ${DOCKER_COMPOSE} -p $PROJECT_NAME -f $QPKG_PATH/docker-compose.yml up --no-recreate -d >> $QPKG_PATH/compose.log 2>&1
     

   • 以及Stop區間這行 :

     COMPOSE_HTTP_TIMEOUT=300 $DOCKER_COMPOSE -p $PROJECT_NAME -f $QPKG_PATH/docker-compose.yml down >> $QPKG_PATH/compose_down.log 2>&1
     

     改成 :

     COMPOSE_HTTP_TIMEOUT=300 $DOCKER_COMPOSE -p $PROJECT_NAME -f $QPKG_PATH/docker-compose.yml stop >> $QPKG_PATH/compose_down.log 2>&1
     

2. 保存後即可