Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

КОМПАНИЯ · ENTITY #12032

AWS CDK

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

4

MODELS · 1 ИСТОЧН. · AWS Machine Learning

Образец конвейера для компьютерного зрения на краю с Amazon SageMaker Python SDK v3 и Neo

AWS опубликовала пример (aws-samples на GitHub), обновляющий 2023‑й шаблон визуального контроля до Amazon SageMaker Python SDK v3 и заменяющий устаревший SageMaker Edge Manager на SageMaker Neo. Двухветвевой конвейер SageMaker обучает для каждой камеры автоэнкодер‑анализатор аномалий и классификатор на базе ResNet18, пропускает модели через quality‑gate, компилирует одобренные артефакты с помощью SageMaker Neo (ONNX + скомпилированная библиотека), а оркестрация ретренинга выполняется через Step Functions, SQS FIFO, DynamoDB‑семафор, Lambda, SNS и EventBridge; развертывание — через AWS CDK, полный прогон на синтетике стоит примерно $0.07.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Конструкт CDK оркестрирует авто масштабирование SageMaker при обновлениях endpoint

AWS описывает переиспользуемый конструкт для AWS CDK, который заменяет стандартные ресурсы Application Auto Scaling тремя кастомными ресурсами CloudFormation, чтобы снять и затем заново зарегистрировать авто масштабирование вокруг обновлений реального endpoint SageMaker. Подход (Deregister, обновление endpoint, Register Scalable Target, Attach Scaling Policy) использует асинхронные обработчики кастомных ресурсов, ConfigHash для принудительного повторного вызова и вспомогательные Lambda/Step Functions, позволяя обновлять конфигурацию endpoint и параметры масштабирования в одном деплое без ручных действий и сломанных стеков CloudFormation.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Измеряемое автоскейлирование TTS на Amazon SageMaker с Kokoro-82M

В руководстве показано развёртывание Kokoro-82M (82M параметров, неавторегрессивная TTS) в кастомном контейнере на реальном endpoint Amazon SageMaker AI через AWS CDK и замена угаданной цели автоскейлинга на вычисленную по двум живым измерениям: Q_max (максимальная конкурентность на инстанс при соблюдении SLO) и T_total (время масштабирования end-to-end). Развёртывание использует нативную метрику SageMaker ConcurrentRequestsPerModel (в CloudWatch) и поддерживает InvokeEndpointWithResponseStream и InvokeEndpointWithBidirectionalStream; инструмент конвертирует клиентские измерения в единицы CloudWatch, в примере отношение измеренных и публикуемых значений оказалось 1.0.

6.0

CODING · 1 ИСТОЧН. · AWS Machine Learning

Руководство Amazon Bedrock AgentCore: амбиент-агенты, реагирующие на события с участием человека

AWS выпустила пошаговое руководство и референсную реализацию по созданию «амбиент»-агентов на Amazon Bedrock AgentCore, которые реагируют на потоки событий (S3, EventBridge, планировщик), при необходимости приостанавливаются для одобрения человека через инструмент ask_human и затем продолжают работу — с использованием AgentCore Runtime и бессерверных компонентов AWS (Lambda, DynamoDB, SQS) и моделей Bedrock. В публикации приведён путь развертывания с требованием AWS CLI, CDK v2, Docker и контейнера в ECR; в примере ограничение на шаг агента соответствует 15-минутному таймауту Lambda.

6.0