專業(yè)提示：云需要花錢，我強(qiáng)烈建議您了解構(gòu)建成本并使用計費警報設(shè)置您滿意的閾值。我創(chuàng)建了一個單獨的項目來自動執(zhí)行此操作，請隨時查看。

構(gòu)建這個項目所需的一切（不包括物理資產(chǎn)）都可以在talkncloud github repo 上開源。以下內(nèi)容將作為“快速入門”幫助您啟動和運行。

注意：您將在項目代碼和 github 存儲庫中找到其他信息來補(bǔ)充這篇文章。

項目文件夾結(jié)構(gòu)

瀏覽存儲庫后，您會注意到該項目已分為三個單獨的文件夾：

• aws-cdk
• aws-物聯(lián)網(wǎng)
• aws-sagemaker

AWS-CDK

AWS Cloud Development Kit (CDK) 文件夾包含在云中部署所需服務(wù)所需的一切。如果您之前參考高級設(shè)計圖，圖中的所有內(nèi)容都將自動為您提供。這就是基礎(chǔ)設(shè)施即代碼 (IaC)，通過將所有內(nèi)容開發(fā)為代碼，我可以提供一致的可重復(fù)環(huán)境，以確保其按設(shè)計工作。另一種方法是您需要手動創(chuàng)建所有內(nèi)容（無聊）。

注意：CDK 是一個很棒的項目，如果您在熟悉開發(fā)定義風(fēng)格的語言（如 JSON 或 YAML）之前看過 IaC。CDK 允許您將諸如 typescript、python 之類的編程語言帶到聚會中，如果您正在瀏覽 hackster，我相信您會喜歡的。

AWS-物聯(lián)網(wǎng)

用于構(gòu)建固件并將其上傳到您的 M5 Core2 AWS EduKit 設(shè)備的 arduino 代碼。這是在您的設(shè)備上運行 tyhac 固件所必需的，我們將使用 platformio 使事情變得更容易一些。

AWS-SAGEMaker

如果您正在深入學(xué)習(xí)，此文件夾包含執(zhí)行數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練和模型托管所需的一切。高級設(shè)計中使用的訓(xùn)練模型包含在項目中。對于此構(gòu)建，您根本不需要使用 sagemaker。Sagemaker 不包含在 aws-cdk 部署中。

如果您想在模型上構(gòu)建或只是好奇，此文件夾適合您。

專業(yè)提示：我正在使用 fastai 和 fastaudio ，如果您正在考慮進(jìn)行任何深度學(xué)習(xí)，我強(qiáng)烈建議您檢查一下。

第一步：克隆倉庫

讓我們通過準(zhǔn)備本地環(huán)境來工作，我們將從 cdk 開始，然后移動到設(shè)備上。

克隆倉庫

讓我們克隆所有 tyhac 的優(yōu)點...

git clone https://github.com/talkncloud/tyhac-aws-hackster
cd tyhac-aws-hackster

Step2：AWS-CDK部署AWS

該項目需要使用 docker 容器，這些容器將使用 AWS Elastic Container Registry 構(gòu)建并存儲在您的 AWS 賬戶中。這些容器用于 lambda 函數(shù)以執(zhí)行分段和推理。如果您安裝并運行了 docker，您可以在本地構(gòu)建這些容器，CDK 會處理所有事情。如果您沒有這些或您的互聯(lián)網(wǎng)速度很慢，我可以推薦AWS Cloud9。容器將上傳大約 3-4GB。

您不需要了解有關(guān)容器的任何信息，一切都會得到照顧。

如果你要去本地，請參考 docker doco 進(jìn)行安裝和配置。如果您使用的是 Cloud9，它已經(jīng)安裝。

注意：Cloud9 不是免費的，請參閱 AWS 定價，Cloud9 未包含在此構(gòu)建的最終成本中，因為它不是必需的。

除了 CDK，我們將使用projen，另一個很棒的項目，這簡化了 CDK 和類似項目的構(gòu)建和維護(hù)。這假設(shè)您已經(jīng)安裝了節(jié)點，有關(guān)詳細(xì)信息，請參閱節(jié)點文檔。

npm install -g aws-cdk
npm install -g projen
npm install -g yarn

您需要下載并安裝 AWS cli ，這將允許您向 AWS 進(jìn)行身份驗證并執(zhí)行與云相關(guān)的操作，這是我們需要將 CDK 部署到您的帳戶中的。

安裝 AWS cli 后，您需要配置客戶端以添加訪問密鑰。這將授予 AWS cli 訪問您賬戶的權(quán)限。有關(guān)配置，請參閱AWS 文檔。

專業(yè)提示：AWS 所指的密鑰是密碼，請像這樣對待它們。不要共享它們并限制他們的訪問。如果這是您第一次進(jìn)入 AWS，請在此構(gòu)建結(jié)束時刪除您的憑證文件以及您在 AWS 賬戶中生成的任何密鑰。如果需要，您可以隨時創(chuàng)建更多。最好不要把鑰匙掛在身邊。

現(xiàn)在您已經(jīng)安裝了所有東西，并且您已經(jīng)為您的 AWS cli 配置了訪問權(quán)限，您可以為 tyhac 預(yù)置后端 AWS 資源、權(quán)限、策略和配置。

projen
projen deploy

以下視頻展示了使用 Cloud9 的部署，同樣適用于 Visual Studio 代碼：

讓我們驗證幾件事，我不會詳細(xì)介紹，但如果您愿意，請了解 CDK 使用 AWS Cloudformation，即 IaC 'OG'。使用控制臺前往 cloudformation 并找到部署：

cloudformation tyhac 部署完成

?

恭喜，您剛剛構(gòu)建了容器、函數(shù)、存儲桶、數(shù)據(jù)庫、物聯(lián)網(wǎng)等。很酷！

步驟 3：AWS-IOT 構(gòu)建和上傳 tyhac arduino 固件

現(xiàn)在，您可能最感興趣的部分是 tyhac。現(xiàn)在我們的 AWS 后端正在等待并準(zhǔn)備好迎接您的事情，我們可以繼續(xù)構(gòu)建我們的設(shè)備。

我強(qiáng)烈推薦AWS EduKit 上的示例和指南，這是從設(shè)置環(huán)境到運行示例項目的豐富信息。最好通過其中的一兩個來感受一下。

LM393麥克風(fēng)單元和SD卡

這部分很簡單，如果您使用的是 LM393 單元，只需將??傳感器連接到設(shè)備上的端口 B。這在 LM393 的外殼上標(biāo)明。

將 micro SD 卡插入設(shè)備的 SD 卡插槽。

平臺

我正在使用 platformio 來提供功能豐富且易于擴(kuò)展的 Visual Studio 代碼。請參閱Visual Studio 代碼下載和安裝和platformio 安裝以使它們運行。

現(xiàn)在讓我們進(jìn)入 aws-iot 文件夾：

cd aws-iot
code

這應(yīng)該在該位置打開 Visual Studio 代碼編輯器，否則打開 Visual Studio 代碼并打開克隆的存儲庫。

我們將使用 platformio 打開 iot 項目，這將創(chuàng)建連接到設(shè)備和使用 platformio 所需的環(huán)境：

使用 platformio 打開 tyhac

?

文件夾結(jié)構(gòu)

文件夾結(jié)構(gòu)主要基于默認(rèn)的 platformio 框架，您會注意到包含的自述文件比我能更好地解釋這一點。

tyhac 物聯(lián)網(wǎng)文件夾結(jié)構(gòu)

?

我想強(qiáng)調(diào)幾項：

certs - 安全 HTTPS 通信所需的公共 AWS 證書

實用程序 - 我們將使用它來自動使用 AWS 配置事物

lib - 大多數(shù)代碼已被拆分為單獨的庫以使其更容易，此文件夾包含 tyhac 庫

lib/env - 你需要為你的環(huán)境更新它，我們將在下一節(jié)中詳細(xì)討論

platformio.ini - 您可能需要根據(jù)您的系統(tǒng)更改此文件中的設(shè)置，主要是 USB 端口。例如，AWS EduKit、USB 信息。

環(huán)境樣本.h

使用編輯器打開環(huán)境文件，您需要將示例文件復(fù)制到名為env.h的相同位置

更新您的環(huán)境的設(shè)置，該文件包含有關(guān)如何檢索您需要的 AWS 相關(guān)信息的有用詳細(xì)信息。例子：

您的 AWS 賬戶：

aws sts get-caller-identity

您的 AWS IoT 終端節(jié)點：

aws iot describe-endpoint --endpoint-type iot:Data-ATS

設(shè)備配置

您可以想象，我們不希望任何人都使用我們的 AWS tyhac 堆棧。要將 AWS IoT 與我們的配置一起使用，您需要將設(shè)備注冊到 AWS IoT。這需要生成證書并將設(shè)備與相關(guān)策略相關(guān)聯(lián)，以便事物可以做它需要做的事情，例如 MQTT。

我提供了一個腳本來為你處理這個問題。如果您遵循AWS EduKit 指南，您會注意到這是一種類似的方法。該腳本將在 AWS IoT 中注冊事物，生成證書并將證書與我們之前在 CDK 堆棧中創(chuàng)建的策略相關(guān)聯(lián)。

cd utilities/AWS_IoT_registration_helper
./registration_helper.sh

生成的證書存儲在 output_files 文件夾中，這些是您的證書并且是私有的。這些證書將在構(gòu)建期間加載到設(shè)備上的 SPIFFS 中，并用于與 AWS 的安全通信。

設(shè)備構(gòu)建和上傳

連接 M5 Core2 AWS EduKit 設(shè)備、完成 AWS 后端、為您的環(huán)境預(yù)置和配置設(shè)備后，您就可以構(gòu)建固件并上傳到您的設(shè)備了。

我喜歡使用位于 IDE 底部的 platformio 工具欄：

platformio 工具欄

?

勾選=構(gòu)建

箭頭 = 上傳到設(shè)備

垃圾箱/垃圾=干凈

插頭 = 監(jiān)控串行輸出

終端 = 新的 platformio 終端

使用勾選，構(gòu)建項目，然后使用箭頭上傳到設(shè)備，終端輸出將顯示當(dāng)前狀態(tài)。一旦上傳完成，它應(yīng)該會自動切換到監(jiān)聽輸出，但如果沒有按下插頭按鈕切換到監(jiān)聽。

您可以看到在正常操作下，串行輸出將提供有關(guān) tyhac 操作方式的一些有用細(xì)節(jié)。在下一節(jié)中，我將詳細(xì)介紹每個不同的指標(biāo)和消息的含義。

專業(yè)提示：如果您單擊工具欄中的 platformio 監(jiān)視器按鈕，請注意按鈕位置是否像視頻中那樣移動。啊。

設(shè)備狀態(tài)指示燈和串行輸出

M5 Stack Core2 AWS EduKit 在設(shè)備的兩側(cè)帶有兩個 RGB 條，所以我想我們也可以使用它們。現(xiàn)在您的設(shè)備正在運行 tyhac 固件并與 AWS 通信，您可能會注意到發(fā)生了不同的指標(biāo)。

橙色 = 正在連接或處理，這可以用于 Wifi 或 AWS MQTT

綠色 = 操作正常，例如 wifi 已連接

紅色 = 嚴(yán)重錯誤，很可能無法連接到 Wifi

白色 = 正常操作模式

注意：預(yù)測顯示使用相同的顏色。例如正負(fù)綠色和紅色。

顯示屏和串行輸出中的狀態(tài)消息大多是不言自明的：

tyhac 串行輸出

?

MQTT = 訂閱、接收、連接

Heartbeat = 以當(dāng)前模式每分鐘向 AWS 發(fā)送一條心跳 MQTT 消息

NTP = 與遠(yuǎn)程時間服務(wù)器同步

Screen = LCD 屏幕相關(guān)項目，例如更改顯示

按鈕 = 切換模式，例如被動或臨床醫(yī)生（主動）

Tyhac 設(shè)備庫

我嘗試將代碼拆分為庫，以便更輕松地管理代碼庫并允許其他人使用其他項目所需的位：

tyhac 設(shè)備庫

?

音頻 = 與將音頻從麥克風(fēng)錄制到 SD 卡相關(guān)的所有內(nèi)容

env = 您的環(huán)境特定配置

mqtt = 與 AWS 發(fā)布/訂閱 MQTT 相關(guān)的所有內(nèi)容

ntp = 使用遠(yuǎn)程 NTP 服務(wù)器設(shè)置時鐘

rgbcolor = 管理 RGB 條帶

ui = 與液晶屏界面相關(guān)的一切

上傳 = 與通過 HTTPS 上傳 AWS S3 相關(guān)的所有內(nèi)容

version = 只是一個版本文件

例如，如果您想更改 RGB 的顏色，您只需轉(zhuǎn)到 lib/rgbcolor 庫并使用您選擇的 RGB 值更新 changeRgbColor 函數(shù)或添加不同的顏色等。

Step4：AWS-Sagemaker 可選模型訓(xùn)練

關(guān)于 sagemaker，我不會過多介紹。正如我之前所說，除非您想自己理解或希望維護(hù)模型，否則您不需要執(zhí)行此部分。我對 sagemaker 采取的基本方法是我需要 CPU、GPU 和存儲，而我根本沒有，AWS 以低成本按需為我們提供這些。

專業(yè)提示：我已采取措施通過使用現(xiàn)貨市場進(jìn)行培訓(xùn)來降低與 sagemaker 相關(guān)的成本，這應(yīng)該會節(jié)省約 70% 的成本，具體取決于您所在的地區(qū)和 AWS 市場。但是，這仍然是該項目中成本最高的部分，請確保您監(jiān)控成本并設(shè)置計費警報并在完成后刪除任何內(nèi)容。

AWS Sagemaker 工作室

我最終使用了sagemaker studio ，因為它為我提供了很多功能，我可以使用 Studio IDE 在標(biāo)準(zhǔn)瀏覽器中構(gòu)建、訓(xùn)練和部署所有功能，考慮到我們的時間框架很短，這很有意義。AWS 提供了更多關(guān)于為什么首選 Studio 的信息。如果您在 AWS 中有自己的設(shè)置或標(biāo)準(zhǔn)筆記本實例，您應(yīng)該能夠在本地執(zhí)行此操作。這將進(jìn)一步降低成本，但會花費您更多的時間。

創(chuàng)建賢者工作室

使用瀏覽器中的 AWS 控制臺前往 sagemaker 并使用登錄頁面點擊橙色的“SageMaker Studio”按鈕。

AWS SageMaker Studio 入門

?

使用“快速啟動”選項，這將為您設(shè)置和環(huán)境所需的權(quán)限。一旦您接受配置 AWS 將開始配置您的環(huán)境，這將需要幾分鐘但只是一次。

當(dāng)您的配置準(zhǔn)備就緒時，您會注意到一條橫幅消息，如下所示：

SageMaker 工作室已準(zhǔn)備就緒

?

您應(yīng)該注意到“Open Studio”單擊可用，這將啟動 AWS SageMaker Studio Web IDE，以便我們開始。

打開工作室

?

如果這不可用，您的環(huán)境可能仍在配置中，或者您需要使用“分配用戶和組”按鈕來關(guān)聯(lián)您的用戶帳戶。

啟動 SageMaker studio 后，您會看到一個可愛的 SageMaker 徽標(biāo)加載屏幕，第一次啟動往往需要更長的時間，之后會更快。

SageMaker 工作室加載

?

加載 Studio 后，您將進(jìn)入 Studio IDE：

工作室 IDE

?

我真的很喜歡 Studio IDE，在大多數(shù)情況下，我發(fā)現(xiàn)它非常直觀且視覺上非常好用。因為我們將添加一個 git 存儲庫，所以我們可以使用 git 圖標(biāo)來加載 tyhac 存儲庫并點擊“克隆存儲庫”：

Git 倉庫

?

克隆后，您會注意到熟悉的 tyhac 代碼庫結(jié)構(gòu)，導(dǎo)航到 aws-sagemaker 以使用我們需要的文件：

在 Sagemaker Studio 中克隆的 tyhac 存儲庫

?

用于 fastai 培訓(xùn)的Docker容器

當(dāng)您需要執(zhí)行訓(xùn)練時，AWS SageMaker 將提交訓(xùn)練作業(yè)并啟動您為訓(xùn)練指定的計算、GPU、內(nèi)存實例或?qū)嵗?/font>AWS SageMaker 為各種框架提供了一堆預(yù)配置的容器，讓您可以繼續(xù)使用，例如 tensorflow、pytorch 等。當(dāng)您想要使用不同的東西時，您可以使用您的自定義框架構(gòu)建容器。這就是我所做的。存儲庫中的 docker 文件夾包含構(gòu)建容器并將其推送到您的 AWS ECR 所需的代碼，以供 SageMaker 在需要時使用。

專業(yè)提示：與前面的提示一樣，如果您的互聯(lián)網(wǎng)速度較慢或不想配置 docker 等，AWS Cloud9 在這里是一個很大的幫助。

您會注意到兩個容器，一個用于訓(xùn)練，一個用于推理。如果您想訓(xùn)練模型并在 tyhac 后端替換它，則無需擔(dān)心推理容器。如果您想使用專用 SageMaker 端點運行推理，則包含容器代碼和筆記本。

要構(gòu)建容器，您需要再次使用 aws cli 進(jìn)行身份驗證，更新 Dockerfile 以反映您的 AWS 區(qū)域，然后只需運行 shell 腳本：

./build_and_push.sh

SageMaker 圖表

使用圖表更容易理解 SageMaker、ECR 和筆記本如何連接在一起。下圖顯示了 tyhac 筆記本和服務(wù)如何協(xié)同工作：

泰哈克圣人

?

使用筆記本_

Studio IDE 和筆記本將為您提供運行所需的一切，只需打開筆記本并逐步瀏覽單元格：

運行筆記本

?

在大多數(shù)情況下，我使用 AWS 的 tensorflow 內(nèi)核并添加了幾個我需要的包。您可以在 IDE 頂部更改內(nèi)核。

改變內(nèi)核

?

數(shù)據(jù)可視化

完成一些數(shù)據(jù)準(zhǔn)備后，在您開始訓(xùn)練之前，會出現(xiàn)包含數(shù)據(jù)可視化的單元格，下面顯示了來自 covid-19 陽性和陰性患者的樣本。輸出是我們用于訓(xùn)練的音頻梅爾譜圖：

縮放梅爾譜圖

?

更多頻譜圖

?

我們可以進(jìn)一步挖掘數(shù)據(jù)集以顯示我們當(dāng)前的標(biāo)簽和頻譜圖：

批量拆分

?

訓(xùn)練

一旦您對 dataprep 感到滿意，您就可以進(jìn)入訓(xùn)練筆記本，這將運行 sagemaker 訓(xùn)練作業(yè)并將模型文件輸出到 s3，您可以更新筆記本中的超參數(shù)和模型架構(gòu)：

hyperparams = { 'epochs'       : 1,
                'learning-rate': 0.001, # fastai default
                'batch-size'   : 64, # fastaudio default
                'model-arch'   : 'resnet18', # resnet34
                'workers'      : 16 # default 2
              }

您將需要為您的帳戶更新容器位置：

image_uri            = 'ACCOUNTID.dkr.ecr.ap-southeast-2.amazonaws.com/tyhac-sagemaker-fastai:1.0-gpu-py36',

我開發(fā)的 notebook 會輸出一些圖像，您可以使用這些圖像查看模型性能：

泰哈克模型 roc

?

在 AWS 中更新模型

如果您對模型感到滿意，您只需從 sagemaker S3 存儲桶下載 model.tar.gz，提取內(nèi)容并將 export.pkl 復(fù)制到 aws-cdk/src/lambda/predictor/model 文件夾中。

然后更新您的 AWS CDK 部署：

cd aws-cdk
projen deploy

現(xiàn)在，當(dāng) tyhac M5 Core AWS EduKit 事物接收到新樣本以對其執(zhí)行推理時，將使用您新訓(xùn)練的模型。簡單的！

第五步：清理

一旦您完成了項目并且您不再需要運行任何 tyhac AWS 堆棧，我們應(yīng)該刪除它們。

因為我們使用了 CDK，所以移除堆棧很容易

您首先需要使用 AWS 管理控制臺從 AWS IoT 核心 CDK 策略中刪除設(shè)備證書，然后：

cd aws-cdk
projen destroy

專業(yè)提示：您還可以通過 AWS 控制臺使用 cloudformation 來刪除堆棧。

這將留下以下需要手動刪除的內(nèi)容：

• AWS S3 存儲桶
• AWS DynamoDB
• AWS ECR（容器）

導(dǎo)航到 AWS 控制臺中的這些服務(wù)以清空和刪除它們。

如果您配置了 SageMaker Studio：

• 導(dǎo)航到 SageMaker Studio
• 點擊用戶，刪除關(guān)聯(lián)應(yīng)用
• 刪除用戶
• 回去
• 刪除工作室

刪除 Studio 應(yīng)用程序

?

導(dǎo)航到 AWS EFS

• 選擇 EFS 卷，然后刪除

刪除 EFS 卷

?

專業(yè)提示：如果您有多個卷檢查標(biāo)簽，SageMaker 會標(biāo)記與 SageMaker 關(guān)聯(lián)的卷。

困難/挑戰(zhàn)

我現(xiàn)在將討論我在這個項目中遇到的一些挑戰(zhàn)，劇透有很多（現(xiàn)在仍然如此）:)

使用SageMaker 進(jìn)行深度學(xué)習(xí)

• 你怎么能從音頻中預(yù)測任何東西？

這是一個兔子洞，試圖了解我如何使用音頻咳嗽來預(yù)測任何事情。一旦我開始研究這個問題，我就能找到一些非常棒的信息和研究論文（參見 repo）。最后，最好的方法是使用具有已知架構(gòu)的梅爾譜圖和卷積神經(jīng)網(wǎng)絡(luò)。使用音頻圖像，而不是查看音頻樣本的數(shù)字?jǐn)?shù)據(jù)點。

• 資料準(zhǔn)備，資料準(zhǔn)備，資料準(zhǔn)備

這似乎永無止境，下載數(shù)據(jù)，排序數(shù)據(jù)，找到標(biāo)簽，沖洗并重復(fù)。發(fā)現(xiàn)沒有足夠的數(shù)據(jù)，盡可能調(diào)整以獲得更多數(shù)據(jù)，然后意識到我在數(shù)據(jù)準(zhǔn)備中犯了一個錯誤，需要重做。耗時但關(guān)鍵的堆棧部分。

• 超參數(shù)、音頻參數(shù)、框架

時代？優(yōu)化器？一種全新的語言，我在訓(xùn)練一個完全有效的模型時遇到了很多麻煩。嘗試了各種框架但沒有成功，我?guī)缀醴艞壛诉@個項目，并準(zhǔn)備寫下我的失敗。我會不斷地訓(xùn)練一個 ROC 為 0.5 的模型，這是一個完全沒用的模型。FastAI 真的把我從我自己那里救了出來，一旦我改用 fastai，我就能夠訓(xùn)練一些有用的東西，將它與 fastaudio 配對對音頻組件有相同的效果。

• 只是使用更多的 CPU 內(nèi)核，反正誰需要 GPU

切換到 FastAI 后，我需要為框架構(gòu)建自定義 docker 容器。這很棒，但是，我在訓(xùn)練期間注意到從未使用過 GPU。我把這個問題放在了待辦事項上，并投入了更多的 CPU（不聰明），以使每個周期的訓(xùn)練時間達(dá)到 5-7 分鐘左右。我最終發(fā)現(xiàn) tensorflow 所需的軟件包是根據(jù)您的系統(tǒng)安裝的，我的本地系統(tǒng)缺少 NVIDIA GPU 并安裝了 CPU 軟件包。調(diào)整 Dockerfile 以提取 GPU 包意味著 GPU 已被使用，并且周期下降到大約 1 分鐘。這意味著，更多的成本節(jié)省，更少的時間！

• 好的，我有一個訓(xùn)練有素的模型，現(xiàn)在呢？

自定義容器和 SageMaker 推理。這過于復(fù)雜，如果您想使用 SageMaker 端點，您需要在 SageMaker 推理要求的框架內(nèi)工作。您的服務(wù)腳本中需要某些功能，這些功能只需要存在即可。我為此奮斗了最長時間，認(rèn)為這不是真的，但現(xiàn)在理解了結(jié)構(gòu)化方法。

M5 Core2 堆棧 Arduino

• Micropython，不，arduino

我想快點，我正在為 SageMaker 開發(fā) python 筆記本，我知道 M5 Core2 可以使用 micropython。我最初對 micropython 的實驗并不順利，很早就很清楚我試圖做的事情超出了設(shè)備上 micropython 的范圍，因為時間限制。我的下一個目標(biāo)是 arduino，它最終運行良好。該設(shè)備支持多種語言真是太好了。我認(rèn)為轉(zhuǎn)移到 esp-idf 將是一個很好的下一步。

• LM393是麥克風(fēng)嗎？

我以為這是麥克風(fēng)，而不僅僅是聲音傳感器。我最初的設(shè)計需要一個觸發(fā)器來啟動錄音，這就是我購買 LM393 的原因，但我也認(rèn)為它是一個更高質(zhì)量的麥克風(fēng)。我必須快速適應(yīng)使用內(nèi)置麥克風(fēng)。

• SM1423 內(nèi)置麥克風(fēng) I2S

內(nèi)置麥克風(fēng)使用 I2S，這與我過去沒有任何關(guān)系。試圖了解如何從 I2S 接口讀取數(shù)據(jù)并將其寫入文件是一項挑戰(zhàn)。關(guān)于 arduino、SDCards 和 wav 文件有一些例子，但并不多。大量的試驗和錯誤。

• 我只想通過 HTTPS 將文件上傳到 S3，有什么用？

我無法計算出 AWS S3 所需的標(biāo)頭，它會不斷被 S3 拒絕。大量的調(diào)試、更改文件類型、查看標(biāo)題等，我最終得到了它的工作。我找不到任何關(guān)于如何使用 arduino 執(zhí)行此操作的明確示例。據(jù)我所知，我的示例是迄今為止唯一公開可用的已知工作示例。

• 嘿，酷，RGB燈，讓我們使用它們，這不是橙色的嗎？

在經(jīng)歷了所有挑戰(zhàn)之后，我決定繞道而行，用 RGB 燈玩一玩。原來 fastled 庫中的 RGB 燈出現(xiàn)故障，我會嘗試制作橙色，它會以不同的方式結(jié)束。一旦我理解了這個問題，在我的代碼中交換值就可以更容易地選擇我的 RGB 顏色，然后讓我的函數(shù)句柄交換。都是些小事...

• 搬家，網(wǎng)速慢，AWS Cloud9 來拯救

在我搬家的項目快結(jié)束時，新位置的下載速度不錯，但上傳可能會更好。通常這不是問題，但我的堆棧嚴(yán)重依賴需要上傳到 AWS ECR 的容器。當(dāng)我處理設(shè)備和分段/預(yù)測 lambda 函數(shù)時，我需要快速迭代代碼更改。進(jìn)行簡單的更改需要 20、30、60 分鐘。

我最終切換到 AWS Cloud9 進(jìn)行 aws-cdk 部署，這將容器更改的時間縮短到 2-5 分鐘。托管服務(wù)的啟動和運行快速、簡單且具有成本效益。切換到 Cloud9 只需幾分鐘，如果沒有它，我將無法完成挑戰(zhàn)。

下一步

這個項目是一個很好的開始，可以端到端地展示您如何使用 M5 Core2 AWS EduKit 解決這個問題。有許多改進(jìn)和未來的機(jī)會可以考慮：

• 設(shè)備注冊

我正在使用 RSA 證書身份驗證（根據(jù) AWS 控制臺），M5 堆棧包含一個安全硬件元素。我最初試圖讓它與 arduino 一起工作的嘗試沒有奏效。AWS 在 M5 Stack 存儲庫中有一個修改過的庫，我懷疑這是它工作所必需的。

• 嘗試不同的麥克風(fēng)

我想使用不同的麥克風(fēng)，看看社區(qū)可能會推薦什么來提高音頻質(zhì)量。

• 局部推理

一個不錯的改變是嘗試將模型推理帶到設(shè)備本身，但在 AWS 中更接近邊緣時失敗。這將減少推理時間，但是基于數(shù)據(jù)進(jìn)行訓(xùn)練仍然會很好，后臺上傳可能需要研究。

• 更多數(shù)據(jù)

該模型與數(shù)據(jù)一樣好，它需要更多。看看公共數(shù)據(jù)是否繼續(xù)增長將會很有趣，這可能有助于用新數(shù)據(jù)重新訓(xùn)練模型并提高準(zhǔn)確性。

• 不同的設(shè)備

因為堆棧是解耦的，我們幾乎可以使用任何記錄音頻的設(shè)備來執(zhí)行此操作。我們可以利用任何可能已經(jīng)在錄制音頻的現(xiàn)有公共服務(wù)嗎？

最后的想法

我度過了很愉快的時間來應(yīng)對這個挑戰(zhàn)，這是對 M5 Core2 Stack 的一個很好的介紹，它是一個非常強(qiáng)大的設(shè)備，非常適合像這個堆棧或更復(fù)雜的堆棧這樣的快速原型設(shè)計。我喜歡 AWS IoT 如何成為您所有 IoT 相關(guān)服務(wù)的中心點，從該中心服務(wù)與 AWS 安全交互的能力使得設(shè)計和與 DynamoDB 和 Lambda 集成變得容易。

我希望這個項目對其他人有用，可以在此基礎(chǔ)上進(jìn)行構(gòu)建、擴(kuò)展或獲取他們需要的部分，以使他們的原型或產(chǎn)品起步。

感謝 Hackster 和 AWS 將這一挑戰(zhàn)放在一起，并創(chuàng)建了一個社區(qū)以使這成為可能。

快樂編碼。