一個模型搞唔掂一廠鏡頭，點做？
工廠質檢嘅視覺模型，一個鏡頭一個模型都係正常。但當同一樣質檢要做到 40 條產線、每條線幾個鏡頭，每個鏡頭角度唔同、同一不鏽鋼表面嘅反光都唔同、旁邊開唔開 bay door 都會影響環境光。一個用混合 footage 訓練嘅模型，唔夠「逐個鏡頭」微調嘅版本勁。問題就唔係「點訓練一個模型」，而係「點訓練、評估、版本化、部署成百上千個，而唔使每人都要人手介入」。
SageMaker SDK v3 更新架構
呢篇係 AWS Machine Learning Blog 更新 2023 年《Build an end-to-end MLOps pipeline for visual quality inspection at the edge》系列嘅新版。主要變化：已停用嘅 SageMaker Edge Manager 換做 SageMaker Neo 做邊緣優化；全架構用 SageMaker Python SDK v3 重寫。
雙分支訓練流程
每個鏡頭對應一條「雙分支」SageMaker Pipeline，每次執行跑 13 個步驟，三個入口步驟並行：Preprocess、Fetch Latest Anomaly、Fetch Latest Classifier。
- 異常偵測：小型卷積 autoencoder（自動編解碼器，一種只靠重構正常樣本來偵測異常嘅神經網絡），學「正常產品」長乜樣，再靠重構錯誤 flag 異常。
- 缺陷分類：ResNet18 分類器微調，確認係乜嘢缺陷。
兩邊各自導出 ONNX，用留出數據評估，過質量門（quality gate，唔達標就攞住唔行），先經 SageMaker Neo 編譯到目標邊緣設備，先入 SageMaker Model Registry。每次 warm-start 都按鏡頭 ID 過濾，意思係重訓永遠係從「呢個鏡頭」自己嘅歷史起步。
編排層：唔好一次湧入
重訓請求落 SQS FIFO queue，Lambda 起 Step Functions execution，每個 execution 行前向 DynamoDB semaphore 攞一個 slot。意思係就算一次湧入一堆請求，都係「慢慢行」而唔係一次全部開跑。
成本
全 pipeline 喺合成數據上跑，計算成本約 $0.07。完整 sample 喺 aws-samples GitHub repository。
阿調搞兩下
一個「每個鏡頭一個模型」嘅架構，唔係「一個大模型搞掂一切」，而係「一組小模型互相隔離」嘅工程問題。呢種設計對工廠環境係好實在——因為每個鏡頭嘅光線、角度、反光都唔同，一個模型強迫遷徙到所有鏡頭，精度會明顯掉。呢個「質量門」就係關鍵：唔達標嘅模型唔行註冊，而唔係「部署之後先發現有問題」。
邊個揸住個掣？喺呢個架構，SageMaker Neo 編譯喺 pipeline 入面，意思係「部署到設備」呢步同「訓練」一樣自動化，冇人喺中間改模型。呢個對工廠管理員係好事：模型版本追蹤、重訓歷史、質量門紀錄全部集中喺 Model Registry，冇「呢個鏡頭點解突然變了」嘅黑盒。
