Instalowanie i uruchamianie kontenera analizy przestrzennej (wersja zapoznawcza)

Artykuł
09/29/2024

Ważne

30 marca 2025 r. analiza przestrzenna usługi Azure AI Vision zostanie wycofana. Przed określoną datą przejdź do usługi Azure AI Video Indexer lub innego rozwiązania typu open source. Zachęcamy do przejścia wcześniej, aby uzyskać bogatsze korzyści z usługi Azure AI Video Indexer. Oprócz znanych funkcji, których używasz, poniżej przedstawiono szybkie porównanie usługi Azure AI Vision Spatial Analysis i usługi Azure AI Video Indexer.

Funkcja	Analiza przestrzenna usługi Azure AI Vision	Azure AI Video Indexer
Obsługa przeglądarki Microsoft Edge	Tak	Tak
Wykrywanie obiektów	Tylko wykrywanie osób i pojazdów	Wykrywa 1000 obiektów i więcej
Przetwarzanie dźwięku/mowy	Nieobsługiwane	Obsługiwane (obejmuje transkrypcję mowy, tłumaczenie i podsumowanie) Obsługiwane >(obejmuje transkrypcję mowy i analizę tonacji)
Wykrywanie zdarzeń i śledzenie	Obsługiwane (śledzenie osób i pojazdów, wykrywanie zdarzeń)	Nieobsługiwane jeszcze w przeglądarce Edge. Jest częściowo obsługiwana w chmurze.
Obsługa usługi Azure Arc	Nieobsługiwane	Natywna obsługa
Obszar, na którym się skupiasz	Analiza wizualna z wyspecjalizowanym śledzeniem	Kompleksowa analiza zawartości audio i wizualnej

Od teraz do 30 marca 2025 r. możesz nadal używać usługi Azure AI Vision Spatial Analysis lub przejść do usługi Azure AI Video Indexer przed określoną datą. Po 30 marca 2025 r. kontener analizy przestrzennej nie będzie już obsługiwany i przestanie przetwarzać nowe strumienie.

Kontener analizy przestrzennej umożliwia analizowanie wideo przesyłanego strumieniowo w czasie rzeczywistym w celu zrozumienia relacji przestrzennych między osobami, ich ruchem i interakcjami z obiektami w środowiskach fizycznych. Kontenery pomagają spełnić określone wymagania dotyczące zabezpieczeń i ładu danych.

Wymagania wstępne

Subskrypcja platformy Azure — utwórz bezpłatnie
Po utworzeniu subskrypcji platformy Azure utwórz zasób przetwarzanie obrazów dla warstwy Standardowa S1 w witrynie Azure Portal, aby uzyskać klucz i punkt końcowy. Po wdrożeniu wybierz pozycję Przejdź do zasobu.
- Potrzebny będzie klucz i punkt końcowy z utworzonego zasobu, aby uruchomić kontener Analizy przestrzennej. Później użyjesz klucza i punktu końcowego.

Wymagania dotyczące kontenera analizy przestrzennej

Aby uruchomić kontener analizy przestrzennej, potrzebujesz urządzenia obliczeniowego z procesorem GPU obsługującym obliczenia NVIDIA CUDA 6.0 lub nowszym (na przykład NVIDIA Tesla T4, A2, 1080Ti lub 2080Ti). Zalecamy używanie usługi Azure Stack Edge z przyspieszeniem procesora GPU, jednak kontener działa na dowolnej innej maszynie stacjonarnej spełniającej minimalne wymagania. To urządzenie nazywamy komputerem hosta.

Azure Stack Edge to rozwiązanie sprzętowe jako usługa i urządzenie do przetwarzania brzegowego z obsługą sztucznej inteligencji z funkcjami transferu danych sieciowych. Aby uzyskać szczegółowe instrukcje dotyczące przygotowywania i konfigurowania, zobacz dokumentację usługi Azure Stack Edge.

Wymaganie	opis
Kamera	Kontener analizy przestrzennej nie jest powiązany z określoną marką aparatu. Urządzenie aparatu musi: obsługiwać kodowanie PROTOKOŁU przesyłania strumieniowego w czasie rzeczywistym (RTSP) i H.264, być dostępne dla komputera hosta i mieć możliwość przesyłania strumieniowego przy rozdzielczości 15FPS i 1080p.
System operacyjny Linux	Na komputerze hosta musi być zainstalowany system Ubuntu Desktop 18.04 LTS .

Konfigurowanie komputera hosta

Zalecamy używanie urządzenia Azure Stack Edge dla komputera hosta. Wybierz pozycję Maszyna klasyczna, jeśli konfigurujesz inne urządzenie lub Maszynę wirtualną, jeśli używasz maszyny wirtualnej.

Konfigurowanie zasobów obliczeniowych w portalu usługi Azure Stack Edge

Analiza przestrzenna używa funkcji obliczeniowych usługi Azure Stack Edge do uruchamiania rozwiązania sztucznej inteligencji. Aby włączyć funkcje obliczeniowe, upewnij się, że:

Nawiązano połączenie i aktywowano urządzenie Azure Stack Edge.
Masz system kliencki z systemem Windows z programem PowerShell 5.0 lub nowszym, aby uzyskać dostęp do urządzenia.
Aby wdrożyć klaster Kubernetes, musisz skonfigurować urządzenie Azure Stack Edge za pośrednictwem lokalnego interfejsu użytkownika w witrynie Azure Portal:
1. Włącz funkcję obliczeniową na urządzeniu Azure Stack Edge. Aby włączyć obliczenia, przejdź do strony Obliczenia w interfejsie internetowym urządzenia.
2. Wybierz interfejs sieciowy, który chcesz włączyć dla obliczeń, a następnie wybierz pozycję Włącz. Spowoduje to utworzenie przełącznika wirtualnego na urządzeniu w tym interfejsie sieciowym.
3. Pozostaw puste adresy IP węzła testowego rozwiązania Kubernetes i adresy IP usług zewnętrznych Kubernetes.
4. Wybierz Zastosuj. Ta operacja może potrwać około dwóch minut.

Konfigurowanie obliczeń

Konfigurowanie roli usługi Azure Stack Edge i tworzenie zasobu usługi IoT Hub

W witrynie Azure Portal przejdź do zasobu usługi Azure Stack Edge. Na stronie Przegląd lub na liście nawigacji wybierz przycisk Wprowadzenie do obliczeń brzegowych. Na kafelku Konfigurowanie obliczeń usługi Edge wybierz pozycję Konfiguruj.

Link

Na stronie Konfigurowanie obliczeń usługi Edge wybierz istniejącą usługę IoT Hub lub wybierz opcję utworzenia nowego. Domyślnie warstwa cenowa Standardowa (S1) służy do tworzenia zasobu usługi IoT Hub. Aby użyć zasobu usługi IoT Hub w warstwie Bezpłatna, utwórz go, a następnie wybierz go. Zasób usługi IoT Hub używa tej samej subskrypcji i grupy zasobów, która jest używana przez zasób usługi Azure Stack Edge

Wybierz pozycję Utwórz. Tworzenie zasobów usługi IoT Hub może potrwać kilka minut. Po utworzeniu zasobu usługi IoT Hub kafelek Konfigurowanie obliczeń usługi Edge zostanie zaktualizowany, aby wyświetlić nową konfigurację. Aby potwierdzić, że rola obliczeniowa edge została skonfigurowana, wybierz pozycję Wyświetl konfigurację na kafelku Konfigurowanie obliczeń .

Po skonfigurowaniu roli funkcji obliczeniowej Edge na urządzeniu Edge tworzone są dwa urządzenia: urządzenie IoT i urządzenie IoT Edge. Oba urządzenia można wyświetlić w zasobie usługi IoT Hub. Środowisko uruchomieniowe usługi Azure IoT Edge będzie już uruchomione na urządzeniu usługi IoT Edge.

Uwaga

Obecnie tylko platforma Linux jest obsługiwana dla urządzeń usługi IoT Edge. Aby uzyskać pomoc dotyczącą rozwiązywania problemów z urządzeniem Azure Stack Edge, zobacz artykuł dotyczący rejestrowania i rozwiązywania problemów.
Aby dowiedzieć się więcej o sposobie konfigurowania urządzenia usługi IoT Edge do komunikowania się za pośrednictwem serwera proxy, zobacz Konfigurowanie urządzenia usługi IoT Edge w celu komunikowania się za pośrednictwem serwera proxy

Włączanie usługi MPS w usłudze Azure Stack Edge

Wykonaj następujące kroki, aby zdalnie nawiązać połączenie z klienta systemu Windows.

Uruchom sesję programu Windows PowerShell jako administrator.
Upewnij się, że usługa zdalnego zarządzania systemem Windows jest uruchomiona na kliencie. W wierszu polecenia wpisz:
```
winrm quickconfig
```
Aby uzyskać więcej informacji, zobacz Instalacja i konfiguracja zarządzania zdalnego systemu Windows.
Przypisz zmienną do parametry połączenia używanej hosts w pliku.
```
$Name = "<Node serial number>.<DNS domain of the device>"
```
Zastąp <Node serial number> wartości i <DNS domain of the device> numerem seryjnym węzła i domeną DNS urządzenia. Wartości numeru seryjnego węzła można uzyskać na stronie Certyfikaty i domenie DNS na stronie Urządzenie w lokalnym internetowym interfejsie użytkownika urządzenia.
Aby dodać tę parametry połączenia dla urządzenia do listy zaufanych hostów klienta, wpisz następujące polecenie:
```
Set-Item WSMan:\localhost\Client\TrustedHosts $Name -Concatenate -Force
```
Uruchom sesję programu Windows PowerShell na urządzeniu:
```
Enter-PSSession -ComputerName $Name -Credential ~\EdgeUser -ConfigurationName Minishell -UseSSL
```
Jeśli zostanie wyświetlony błąd związany z relacją zaufania, sprawdź, czy łańcuch podpisywania certyfikatu węzła przekazany do urządzenia jest również zainstalowany na kliencie, który uzyskuje dostęp do urządzenia.

Po wyświetleniu monitu podaj hasło. Użyj tego samego hasła, które jest używane do logowania się do lokalnego internetowego interfejsu użytkownika. Domyślne lokalne hasło internetowego interfejsu użytkownika to Password1. Po pomyślnym nawiązaniu połączenia z urządzeniem przy użyciu zdalnego programu PowerShell zobaczysz następujące przykładowe dane wyjściowe:

Windows PowerShell
Copyright (C) Microsoft Corporation. All rights reserved.

PS C:\WINDOWS\system32> winrm quickconfig
WinRM service is already running on this machine.
PS C:\WINDOWS\system32> $Name = "1HXQG13.wdshcsso.com"
PS C:\WINDOWS\system32> Set-Item WSMan:\localhost\Client\TrustedHosts $Name -Concatenate -Force
PS C:\WINDOWS\system32> Enter-PSSession -ComputerName $Name -Credential ~\EdgeUser -ConfigurationName Minishell -UseSSL

WARNING: The Windows PowerShell interface of your device is intended to be used only for the initial network configuration. Please engage Microsoft Support if you need to access this interface to troubleshoot any potential issues you may be experiencing. Changes made through this interface without involving Microsoft Support could result in an unsupported configuration.
[1HXQG13.wdshcsso.com]: PS>

Postępuj zgodnie z tymi instrukcjami, jeśli komputer hosta nie jest urządzeniem Azure Stack Edge.

Instalowanie zestawów narzędzi NVIDIA CUDA Toolkit i sterowników graficznych Firmy Nvidia na komputerze hosta

Użyj następującego skryptu powłoki bash, aby zainstalować wymagane sterowniki graficzne firmy Nvidia i zestaw narzędzi CUDA.

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/3bf863cc.pub
sudo add-apt-repository "deb http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
sudo apt-get update
sudo apt-get -y install cuda

Uruchom ponownie maszynę i uruchom następujące polecenie.

nvidia-smi

Powinny zostać wyświetlone następujące dane wyjściowe.

Dane wyjściowe sterownika NVIDIA

Instalowanie platformy Docker CE i nvidia-docker2 na komputerze hosta

Zainstaluj program Docker CE na komputerze hosta.

sudo apt-get update
sudo apt-get install -y apt-transport-https ca-certificates curl gnupg-agent software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
sudo apt-get update
sudo apt-get install -y docker-ce docker-ce-cli containerd.io

Zainstaluj pakiet oprogramowania nvidia-docker-2.

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update
sudo apt-get install -y docker-ce nvidia-docker2
sudo systemctl restart docker

Włączanie programu NVIDIA MPS na komputerze hosta

Napiwek

Nie instaluj mpS, jeśli możliwości obliczeniowe procesora GPU są mniejsze niż 7.x (pre Volta). Aby zapoznać się z dokumentacją, zobacz z compatability CUDA .
Uruchom instrukcje MPS z okna terminalu na komputerze hosta. Nie wewnątrz wystąpienia kontenera platformy Docker.

Aby uzyskać najlepszą wydajność i wykorzystanie, skonfiguruj procesory GPU komputera hosta dla usługi NVIDIA Multiprocess Service (MPS). Uruchom instrukcje MPS z okna terminalu na komputerze hosta.

# Set GPU(s) compute mode to EXCLUSIVE_PROCESS
sudo nvidia-smi --compute-mode=EXCLUSIVE_PROCESS

# Cronjob for setting GPU(s) compute mode to EXCLUSIVE_PROCESS on boot
echo "SHELL=/bin/bash" > /tmp/nvidia-mps-cronjob
echo "PATH=/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin" >> /tmp/nvidia-mps-cronjob
echo "@reboot   root    nvidia-smi --compute-mode=EXCLUSIVE_PROCESS" >> /tmp/nvidia-mps-cronjob

sudo chown root:root /tmp/nvidia-mps-cronjob
sudo mv /tmp/nvidia-mps-cronjob /etc/cron.d/

# Service entry for automatically starting MPS control daemon
echo "[Unit]" > /tmp/nvidia-mps.service
echo "Description=NVIDIA MPS control service" >> /tmp/nvidia-mps.service
echo "After=cron.service" >> /tmp/nvidia-mps.service
echo "" >> /tmp/nvidia-mps.service
echo "[Service]" >> /tmp/nvidia-mps.service
echo "Restart=on-failure" >> /tmp/nvidia-mps.service
echo "ExecStart=/usr/bin/nvidia-cuda-mps-control -f" >> /tmp/nvidia-mps.service
echo "" >> /tmp/nvidia-mps.service
echo "[Install]" >> /tmp/nvidia-mps.service
echo "WantedBy=multi-user.target" >> /tmp/nvidia-mps.service

sudo chown root:root /tmp/nvidia-mps.service
sudo mv /tmp/nvidia-mps.service /etc/systemd/system/

sudo systemctl --now enable nvidia-mps.service

Konfigurowanie usługi Azure IoT Edge na komputerze hosta

Aby wdrożyć kontener analizy przestrzennej na komputerze hosta, utwórz wystąpienie usługi Azure IoT Hub przy użyciu warstwy cenowej Standardowa (S1) lub Bezpłatna (F0).

Użyj interfejsu wiersza polecenia platformy Azure, aby utworzyć wystąpienie usługi Azure IoT Hub. W razie potrzeby zastąp parametry. Alternatywnie możesz utworzyć usługę Azure IoT Hub w witrynie Azure Portal.

curl -sL https://aka.ms/InstallAzureCLIDeb | sudo bash

sudo az login

sudo az account set --subscription "<name or ID of Azure Subscription>"

sudo az group create --name "<resource-group-name>" --location "<your-region>"

Zobacz Obsługa regionów dla dostępnych regionów.

sudo az iot hub create --name "<iothub-group-name>" --sku S1 --resource-group "<resource-group-name>"

sudo az iot hub device-identity create --hub-name "<iothub-name>" --device-id "<device-name>" --edge-enabled

Musisz zainstalować usługę Azure IoT Edge w wersji 1.0.9. Wykonaj następujące kroki, aby pobrać poprawną wersję:

Ubuntu Server 18.04:

curl https://packages.microsoft.com/config/ubuntu/18.04/multiarch/prod.list > ./microsoft-prod.list

Skopiuj wygenerowaną listę.

sudo cp ./microsoft-prod.list /etc/apt/sources.list.d/

Zainstaluj klucz publiczny GG firmy Microsoft.

curl https://packages.microsoft.com/keys/microsoft.asc | gpg --dearmor > microsoft.gpg

sudo cp ./microsoft.gpg /etc/apt/trusted.gpg.d/

Zaktualizuj listy pakietów na urządzeniu.

sudo apt-get update

Zainstaluj wersję 1.0.9:

sudo apt-get install iotedge=1.1* libiothsm-std=1.1*

Następnie zarejestruj komputer hosta jako urządzenie usługi IoT Edge w wystąpieniu usługi IoT Hub przy użyciu parametry połączenia.

Musisz połączyć urządzenie usługi IoT Edge z usługą Azure IoT Hub. Musisz skopiować parametry połączenia z utworzonego wcześniej urządzenia usługi IoT Edge. Alternatywnie możesz uruchomić poniższe polecenie w interfejsie wiersza polecenia platformy Azure.

sudo az iot hub device-identity connection-string show --device-id my-edge-device --hub-name test-iot-hub-123

Na komputerze-hoście otwórz /etc/iotedge/config.yaml plik do edycji. Zastąp ADD DEVICE CONNECTION STRING HERE element parametry połączenia. Zapisz i zamknij plik. Uruchom to polecenie, aby ponownie uruchomić usługę IoT Edge na komputerze hosta.

sudo systemctl restart iotedge

Wdróż kontener analizy przestrzennej jako moduł IoT na komputerze hosta za pomocą witryny Azure Portal lub interfejsu wiersza polecenia platformy Azure. Jeśli używasz portalu, ustaw identyfikator URI obrazu na lokalizację usługi Azure Container Registry.

Wykonaj poniższe kroki, aby wdrożyć kontener przy użyciu interfejsu wiersza polecenia platformy Azure.

Maszynę wirtualną platformy Azure z procesorem GPU można również użyć do uruchamiania analizy przestrzennej. W poniższym przykładzie użyto maszyny wirtualnej serii NCv3, która ma jeden procesor GPU w wersji 100.

Tworzenie maszyny wirtualnej

Otwórz kreatora Tworzenie maszyny wirtualnej w witrynie Azure Portal.

Nadaj maszynie wirtualnej nazwę i wybierz region, w którym ma być (STANY USA) Zachodnie stany USA 2.

Ważne

Pamiętaj, aby ustawić wartość Availability Options "Brak wymaganej nadmiarowości infrastruktury". Zapoznaj się z poniższym rysunku, aby uzyskać pełną konfigurację i następny krok, aby uzyskać pomoc w zlokalizowaniu odpowiedniego rozmiaru maszyny wirtualnej.

Aby zlokalizować rozmiar maszyny wirtualnej, wybierz pozycję "Zobacz wszystkie rozmiary", a następnie wyświetl listę "N-Series" i wybierz pozycję NC6s_v3, jak pokazano poniżej.

Następnie utwórz maszynę wirtualną. Po utworzeniu przejdź do zasobu maszyny wirtualnej w witrynie Azure Portal i wybierz pozycję Extensions w okienku po lewej stronie. Wybierz pozycję "Dodaj", aby wyświetlić okno rozszerzeń ze wszystkimi dostępnymi rozszerzeniami. Wyszukaj i wybierz pozycję , wybierz pozycję NVIDIA GPU Driver ExtensionUtwórz i ukończ pracę kreatora.

Po pomyślnym zastosowaniu rozszerzenia przejdź do strony głównej maszyny wirtualnej w witrynie Azure Portal i wybierz pozycję Connect. Dostęp do maszyny wirtualnej można uzyskać za pośrednictwem protokołu SSH lub RDP. Protokół RDP jest przydatny, ponieważ umożliwia wyświetlanie okna wizualizatora (wyjaśnione później). Skonfiguruj dostęp za pomocą protokołu RDP, wykonując następujące kroki i otwierając połączenie pulpitu zdalnego z maszyną wirtualną.

Sprawdź, czy sterowniki grafiki są zainstalowane

Uruchom następujące polecenie, aby sprawdzić, czy sterowniki graficzne zostały pomyślnie zainstalowane.

nvidia-smi

Powinny zostać wyświetlone następujące dane wyjściowe.

Dane wyjściowe sterownika NVIDIA

Instalowanie platformy Docker CE i nvidia-docker2 na maszynie wirtualnej

Uruchom następujące polecenia pojedynczo, aby zainstalować platformę Docker CE i nvidia-docker2 na maszynie wirtualnej.

Zainstaluj program Docker CE na komputerze hosta.

sudo apt-get update

sudo apt-get install -y apt-transport-https ca-certificates curl gnupg-agent software-properties-common

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

sudo apt-get update

sudo apt-get install -y docker-ce docker-ce-cli containerd.io

Zainstaluj pakiet oprogramowania nvidia-docker-2.

DISTRIBUTION=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

curl -s -L https://nvidia.github.io/nvidia-docker/$DISTRIBUTION/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update

sudo apt-get install -y docker-ce nvidia-docker2

sudo systemctl restart docker

Po skonfigurowaniu i skonfigurowaniu maszyny wirtualnej wykonaj poniższe kroki, aby skonfigurować usługę Azure IoT Edge.

Konfigurowanie usługi Azure IoT Edge na maszynie wirtualnej

Aby wdrożyć kontener analizy przestrzennej na maszynie wirtualnej, utwórz wystąpienie usługi Azure IoT Hub przy użyciu warstwy cenowej Standardowa (S1) lub Bezpłatna (F0).

curl -sL https://aka.ms/InstallAzureCLIDeb | sudo bash

sudo az login

sudo az account set --subscription "<name or ID of Azure Subscription>"

sudo az group create --name "<resource-group-name>" --location "<your-region>"

Zobacz Obsługa regionów dla dostępnych regionów.

sudo az iot hub create --name "<iothub-name>" --sku S1 --resource-group "<resource-group-name>"

sudo az iot hub device-identity create --hub-name "<iothub-name>" --device-id "<device-name>" --edge-enabled

Musisz zainstalować usługę Azure IoT Edge w wersji 1.0.9. Wykonaj następujące kroki, aby pobrać poprawną wersję:

Ubuntu Server 18.04:

curl https://packages.microsoft.com/config/ubuntu/18.04/multiarch/prod.list > ./microsoft-prod.list

Skopiuj wygenerowaną listę.

sudo cp ./microsoft-prod.list /etc/apt/sources.list.d/

Zainstaluj klucz publiczny GG firmy Microsoft.

curl https://packages.microsoft.com/keys/microsoft.asc | gpg --dearmor > microsoft.gpg

sudo cp ./microsoft.gpg /etc/apt/trusted.gpg.d/

Zaktualizuj listy pakietów na urządzeniu.

sudo apt-get update

Zainstaluj wersję 1.0.9:

sudo apt-get install iotedge=1.1* libiothsm-std=1.1*

Następnie zarejestruj maszynę wirtualną jako urządzenie usługi IoT Edge w wystąpieniu usługi IoT Hub przy użyciu parametry połączenia.

sudo az iot hub device-identity connection-string show --device-id my-edge-device --hub-name test-iot-hub-123

Na maszynie wirtualnej otwórz /etc/iotedge/config.yaml plik do edycji. Zastąp ADD DEVICE CONNECTION STRING HERE element parametry połączenia. Zapisz i zamknij plik. Uruchom to polecenie, aby ponownie uruchomić usługę IoT Edge na maszynie wirtualnej.

sudo systemctl restart iotedge

Wdróż kontener analizy przestrzennej jako moduł IoT na maszynie wirtualnej za pomocą witryny Azure Portal lub interfejsu wiersza polecenia platformy Azure. Jeśli używasz portalu, ustaw identyfikator URI obrazu na lokalizację usługi Azure Container Registry.

Wykonaj poniższe kroki, aby wdrożyć kontener przy użyciu interfejsu wiersza polecenia platformy Azure.

Manifest wdrożenia IoT

Aby usprawnić wdrażanie kontenerów na wielu komputerach hosta, można utworzyć plik manifestu wdrożenia, aby określić opcje tworzenia kontenera i zmienne środowiskowe. Przykład manifestu wdrożenia dla usługi Azure Stack Edge, innych maszyn stacjonarnych i maszyn wirtualnych platformy Azure z procesorem GPU można znaleźć w witrynie GitHub.

W poniższej tabeli przedstawiono różne zmienne środowiskowe używane przez moduł usługi IoT Edge. Można je również ustawić w manifeście wdrożenia połączonym powyżej, używając atrybutu env w pliku spatialanalysis:

Nazwa ustawienia	Wartość	Opis
ARCHON_LOG_LEVEL	Informacji; Gadatliwy	Poziom rejestrowania, wybierz jedną z dwóch wartości
ARCHON_SHARED_BUFFER_LIMIT	377487360	Nie modyfikuj
ARCHON_PERF_MARKER	fałsz	Ustaw wartość true dla rejestrowania wydajności. W przeciwnym razie powinna to być wartość false
ARCHON_NODES_LOG_LEVEL	Informacji; Gadatliwy	Poziom rejestrowania, wybierz jedną z dwóch wartości
OMP_WAIT_POLICY	BIERNY	Nie modyfikuj
QT_X11_NO_MITSHM	1	Nie modyfikuj
APIKEY	klucz interfejsu API	Zbierz tę wartość z witryny Azure Portal z zasobu usługi Vision. Możesz go znaleźć w sekcji Klucz i punkt końcowy zasobu.
ROZLICZENIA	identyfikator URI punktu końcowego	Zbierz tę wartość z witryny Azure Portal z zasobu usługi Vision. Możesz go znaleźć w sekcji Klucz i punkt końcowy zasobu.
EULA	akceptuj	Ta wartość musi być ustawiona tak, aby akceptowała uruchamianie kontenera
WYŚWIETLANIE	1.	Ta wartość musi być taka sama jak dane wyjściowe `echo $DISPLAY` na komputerze hosta. Urządzenia usługi Azure Stack Edge nie mają wyświetlacza. To ustawienie nie ma zastosowania
KEY_ENV	Klucz szyfrowania środowiska ASE	Dodaj tę zmienną środowiskową, jeśli Video_URL jest zaciemnionym ciągiem
IV_ENV	Initialization vector	Dodaj tę zmienną środowiskową, jeśli Video_URL jest zaciemnionym ciągiem

Ważne

Aby Eulauruchomić kontener, należy określić opcje , Billingi ApiKey . W przeciwnym razie kontener nie zostanie uruchomiony. Aby uzyskać więcej informacji, zobacz Rozliczenia.

Po zaktualizowaniu manifestu wdrożenia dla urządzeń usługi Azure Stack Edge, komputera stacjonarnego lub maszyny wirtualnej platformy Azure z procesorem GPU przy użyciu własnych ustawień i wyboru operacji możesz użyć poniższego polecenia interfejsu wiersza polecenia platformy Azure, aby wdrożyć kontener na komputerze hosta jako moduł usługi IoT Edge.

sudo az login
sudo az extension add --name azure-iot
sudo az iot edge set-modules --hub-name "<iothub-name>" --device-id "<device-name>" --content DeploymentManifest.json --subscription "<name or ID of Azure Subscription>"

Parametr	Opis
`--hub-name`	Nazwa usługi Azure IoT Hub.
`--content`	Nazwa pliku wdrożenia.
`--target-condition`	Nazwa urządzenia usługi IoT Edge dla komputera hosta.
`-–subscription`	Identyfikator subskrypcji lub nazwa.

To polecenie spowoduje uruchomienie wdrożenia. Przejdź do strony wystąpienia usługi Azure IoT Hub w witrynie Azure Portal, aby wyświetlić stan wdrożenia. Stan może być wyświetlany jako 417 — konfiguracja wdrożenia urządzenia nie zostanie ustawiona , dopóki urządzenie nie zakończy pobierania obrazów kontenerów i zacznie działać.

Sprawdzanie, czy wdrożenie zakończyło się pomyślnie

Istnieje kilka sposobów sprawdzania, czy kontener jest uruchomiony. Znajdź stan środowiska uruchomieniowego w ustawieniach modułu usługi IoT Edge dla modułu Analizy przestrzennej w wystąpieniu usługi Azure IoT Hub w witrynie Azure Portal. Sprawdź, czy wartość żądana i zgłoszona dla stanu środowiska uruchomieniowego jest uruchomiona.

Przykładowa weryfikacja wdrożenia

Po zakończeniu wdrażania i uruchomieniu kontenera komputer hosta rozpocznie wysyłanie zdarzeń do usługi Azure IoT Hub. Jeśli użyto .debug wersji operacji, zobaczysz okno wizualizatora dla każdej kamery skonfigurowanej w manifeście wdrożenia. Teraz można zdefiniować wiersze i strefy, które mają być monitorowane w manifeście wdrożenia, i postępować zgodnie z instrukcjami, aby wdrożyć ponownie.

Konfigurowanie operacji wykonywanych przez analizę przestrzenną

Należy użyć operacji analizy przestrzennej, aby skonfigurować kontener do korzystania z połączonych kamer, skonfigurować operacje i nie tylko. Dla każdego konfigurowanego urządzenia aparatu operacje analizy przestrzennej generują strumień wyjściowy komunikatów JSON wysyłanych do wystąpienia usługi Azure IoT Hub.

Używanie danych wyjściowych wygenerowanych przez kontener

Jeśli chcesz rozpocząć korzystanie z danych wyjściowych wygenerowanych przez kontener, zobacz następujące artykuły:

Użyj zestawu SDK usługi Azure Event Hubs dla wybranego języka programowania, aby nawiązać połączenie z punktem końcowym usługi Azure IoT Hub i odebrać zdarzenia. Aby uzyskać więcej informacji, zobacz Odczytywanie komunikatów z urządzenia do chmury z wbudowanego punktu końcowego.
Skonfiguruj routing komunikatów w usłudze Azure IoT Hub, aby wysyłać zdarzenia do innych punktów końcowych lub zapisywać zdarzenia w usłudze Azure Blob Storage itp.

Rozwiązywanie problemów

Jeśli wystąpią problemy podczas uruchamiania lub uruchamiania kontenera, zobacz Telemetria i rozwiązywanie problemów, aby uzyskać instrukcje dotyczące typowych problemów. Ten artykuł zawiera również informacje na temat generowania i zbierania dzienników oraz zbierania kondycji systemu.

Jeśli masz problem z uruchomieniem kontenera usług Azure AI, możesz spróbować użyć kontenera diagnostyki firmy Microsoft. Ten kontener służy do diagnozowania typowych błędów w środowisku wdrażania, które mogą uniemożliwić działanie kontenerów usługi Azure AI zgodnie z oczekiwaniami.

Aby uzyskać kontener, użyj następującego docker pull polecenia:

docker pull mcr.microsoft.com/azure-cognitive-services/diagnostic

Następnie uruchom kontener. Zastąp {ENDPOINT_URI} ciąg swoim punktem końcowym i zastąp {API_KEY} ciąg kluczem do zasobu:

docker run --rm mcr.microsoft.com/azure-cognitive-services/diagnostic \
eula=accept \
Billing={ENDPOINT_URI} \
ApiKey={API_KEY}

Kontener będzie testować łączność sieciową z punktem końcowym rozliczeń.

Rozliczenia

Kontener Analizy przestrzennej wysyła informacje rozliczeniowe na platformę Azure przy użyciu zasobu przetwarzania obrazów na koncie platformy Azure. Korzystanie z analizy przestrzennej w publicznej wersji zapoznawczej jest obecnie bezpłatne.

Kontenery usługi Azure AI nie są licencjonowane do uruchamiania bez połączenia z punktem końcowym pomiarów/rozliczeń. Należy zawsze umożliwić kontenerom komunikowanie informacji rozliczeniowych z punktem końcowym rozliczeń. Kontenery sztucznej inteligencji platformy Azure nie wysyłają do firmy Microsoft danych klientów, takich jak wideo lub obraz analizowany.

Podsumowanie

W tym artykule przedstawiono pojęcia i przepływ pracy dotyczące pobierania, instalowania i uruchamiania kontenera analizy przestrzennej. Podsumowując:

Spatial Analysis to kontener systemu Linux dla platformy Docker.
Obrazy kontenerów są pobierane z usługi Microsoft Container Registry.
Obrazy kontenerów działają jako moduły IoT w usłudze Azure IoT Edge.
Skonfiguruj kontener i wdróż go na maszynie hosta.

Udostępnij za pośrednictwem

Instalowanie i uruchamianie kontenera analizy przestrzennej (wersja zapoznawcza)

Wymagania wstępne

Wymagania dotyczące kontenera analizy przestrzennej

Minimalne wymagania sprzętowe

Zalecany sprzęt

Konfigurowanie komputera hosta

Konfigurowanie zasobów obliczeniowych w portalu usługi Azure Stack Edge

Konfigurowanie roli usługi Azure Stack Edge i tworzenie zasobu usługi IoT Hub

Włączanie usługi MPS w usłudze Azure Stack Edge

Instalowanie zestawów narzędzi NVIDIA CUDA Toolkit i sterowników graficznych Firmy Nvidia na komputerze hosta

Instalowanie platformy Docker CE i nvidia-docker2 na komputerze hosta

Włączanie programu NVIDIA MPS na komputerze hosta

Konfigurowanie usługi Azure IoT Edge na komputerze hosta

Tworzenie maszyny wirtualnej

Sprawdź, czy sterowniki grafiki są zainstalowane

Instalowanie platformy Docker CE i nvidia-docker2 na maszynie wirtualnej

Konfigurowanie usługi Azure IoT Edge na maszynie wirtualnej

Manifest wdrożenia IoT

Sprawdzanie, czy wdrożenie zakończyło się pomyślnie

Konfigurowanie operacji wykonywanych przez analizę przestrzenną

Używanie danych wyjściowych wygenerowanych przez kontener

Rozwiązywanie problemów

Rozliczenia

Podsumowanie

Następne kroki

Opinia

Dodatkowe zasoby