연계한다.
이러한 연계는 매우 쉽게 카메라를 사용하기 시작되는 데에도 도움이되고있다. 미리 준비되어있는 모델을 사용하면 10 분 이내에 DeepLens을 설정하고 모델을 통합 이용할 수있다. 프로젝트 템플릿에는 20 종류의 물체를 식별하는 다른 체 검출 모델과 카메라 이미지를 고흐 풍으로 변환하는 스타일 변환 모델과 얼굴 인식 모델 개와 고양이를 구별 모델 약 30 종류의 동작 ( 기타를 연주 등)를 인식 할 수있는 모델 등이있다. DeepLens 팀은 머리의 자세를 추적하는 모델도 개발 중이다. 그래 그래, 핫도그 감지 모드 도있다.
그 뿐만이 아니다. 개발 팀은 워크숍에서 기계 학습 경험이없는 개발자도 기존 템플릿을 쉽게 확장 할 수 있음을 강조했다. 하나는 DeepLens 프로젝트가 두 부분으로 구성되어 있기 때문일 것이다. 모델 및 모델의 출력에 따라 모델의 인스턴스를 작업을 수행하는 Lambda 기능이다. AWS는 기반의 인프라를 관리하지 않고 모델을 쉽게 만들 수있는 도구로 SageMaker를 제공하고있다.
DeepLens 하드웨어는 실질적으로 작은 컴퓨터이기 때문에 그 자체로 다양한 개발이 가능하지만, 아마도 더 강력한 머신으로 개발하고 AWS 콘솔을 사용하여 DeepLens에 전송하는 것이 좋을 것이다. 그래도 DeepLens 낮은 성능 데스크탑 컴퓨터로 사용하고 싶은 사람을 위해, Ubuntu 16.04가 사전 설치되어있다.
기계 학습 프레임 워크에 익숙한 개발자라면 DeepLens을 사용하면 Caffe, TensorFlow, MxNet 등 거의 모든 인기 도구에서 쉽게 모델을 가져올 수있다. 또한 AWS 팀은 MXNet 모델을 DeepLens 장치에서 더 효율적으로 작동하도록 최적화 도구를 만든 것도보고 해 둔다.
그럼 왜 AWS는 DeepLens을 개발 한 것일까? "DeepLens 카메라를 만든 이유는 우리가 자신에게 물었다 몇몇 간단한 질문이었다 : 기계 학습도 개발자 모두의 손에 전달하려면 어떻게해야합니까?"라고 Sivasubramanian는 말한다. "브레인 스토밍을 거듭 한 결과, 가장 유망한 발견은 개발자는 실제로 장치를 만지지 개발하는 사랑한다고 생각했다." 그러나 왜 AWS는 파트너와 협력하는 것이 아니라 독자적으로 하드웨어를 만들 었는지? "우리는 구체적인 고객 경험의 아이디어가 모든 체험이 정말 간단하다는 것을 확인 싶었 기 때문이다"라고 그는 말했다. "이 하드웨어를 구입하여 Amazon에서이 도구를 다운로드하여 등과 말을하고 환경이 갖추어 2 ~ 3 일 소요될 그럼, 깊은 학습을 배우고 뭔가 재미있는 것을 만들려고 두근 두근 하는 사람에게는 너무 오래 "
그리하여 ,, 앞으로 기계 학습을 이용한 프로젝트를 시작하려는 사람은 DeepLens를 Amazon에서 구입할 수있다. 249 달러는 싼 것은 아니지만 이미 AWS를 사용하고 - 게다가 이미 Lambda도 사용하고 있다면 - 아마도 쉽게 기계 학습 응용 프로그램을 만드는 시작할 수있을 것이다.