SAP-C02 第 157 题
题目
一家制造公司正在为其工厂构建检查解决方案。该公司在每条装配线的末端都配备了 IP 摄像头。该公司已使用 Amazon SageMaker 训练机器学习 (ML) 模型，以识别静态图像中的常见缺陷。该公司希望在检测到缺陷时向工厂工人提供本地反馈。即使工厂的互联网连接中断，公司也必须能够提供此反馈。该公司有一个本地 Linux 服务器，托管一个 API，为员工提供本地反馈。公司应该如何部署ML模型来满足这些需求？
选项
A. 设置从每个 IP 摄像机到 AWS 的 Amazon Kinesis 视频流。使用 Amazon EC2 实例拍摄流的静态图像。将图像上传到 Amazon S3 存储桶。使用 ML 模型部署 SageMaker 端点。上传新图像时调用 AWS Lambda 函数来调用推理终端节点。配置 Lambda 函数以在检测到缺陷时调用本地 API。
B. 在本地服务器上部署 AWS IoT Greengrass。将 ML 模型部署到 Greengrass 服务器。创建一个 Greengrass 组件以从相机获取静态图像并运行推理。配置组件以在检测到缺陷时调用本地 API。
C. 订购 AWS Snowball 设备。在 Snowball 设备上部署 SageMaker 终端节点、ML 模型和 Amazon EC2 实例。从相机中拍摄静态图像。从 EC2 实例运行推理。配置实例以在检测到缺陷时调用本地 API。
D. 在每个 IP 摄像机上部署 Amazon Monitron 设备。在本地部署 Amazon Monitron 网关。将 ML 模型部署到 Amazon Monitron 设备。当检测到缺陷时，使用 Amazon Monitron 运行状况警报从 AWS Lambda 函数调用本地 API。
答案
B
解析
正确答案：B 解析： 题干关键点：核心服务：Lambda, S3, EC2, Kinesis, Config。 正确选项： B. 在本地服务器上部署 AWS IoT Greengrass。将 ML 模型部署到 Greengrass 服务器。创建一个 Greengrass 组件以从相机获取静态图像并运行推理。配置组件以在检测到缺陷时调用本地 API。 选择理由： 选项 B 的设计直接围绕题干限制展开，关键动作是 B. 在本地服务器上部署 ...