SageMaker SDK v3 边缘视觉模型生命周期方案

2026年10月27日，AWS Machine Learning Blog 刊文介绍基于 Amazon SageMaker Python SDK v3 的全厂计算机视觉模型生命周期方案。该方案是对2023年“Build an end-to-end MLOps pipeline for visual quality inspection at the edge”系列所提模式的更新，改用 SageMaker Neo 替代已弃用的 Edge Manager 进行边缘优化。方案为每条产线每台相机各训练一个异常检测自编码器与一个 ResNet18 缺陷分类器，经质量门禁后编译并注册，由 Step Functions 控制并发节奏。报道称，完整运行全部13个步骤（含两次 Neo 编译）约需15分钟，按 ml.m5.xlarge 计费时间计约0.07美元，条件为美国东部（俄亥俄）区域、2026年7月、按需实例；编译本身不收费，费用来自驱动编译的处理实例与输出在 S3 的存储。默认流水线生成合成产线图像，无需数据集与数据审批即可端到端验证；编排层默认最多同时放行5个流水线执行，以将并发 SageMaker 训练任务控制在标准账户配额内。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。