Day 34 - 实作 S3 驱动 Lambda 函数进行 YOLO 物件辨识

根据 Day 33 - 实作 S3 驱动 Lambda 函数进行镜像，这是一个微服务的架构，只需将 AWS Lambda 函数改变成 YOLO 物件辨识的模型，就可以达成 YOLO 物件辨识的功能。

图 1、S3 驱动 Lambda 函数进行 YOLO 辨识架构图

在 github 找到一个这样的专案 YOLO-on-Lambda，使用上非常简单，只要上传事先压缩好的 darknetmin.zip 到 Lambda 函数中就可以运行，这个专案事实上是将事先在LInux环境编译好的 YOLOv3 执行档 darknet，以及一些相关的参数档压缩在 darknetmin.zip 中，流程如下所示，我们实际操作一遍。

1. 下载程序码。
2. 上传相关档案到 S3。
3. 建立 IAM 角色，允许执行 AWS Lambda，并有存取 S3 的许可。
4. 建立 AWS Lambda 函数。
5. 修改布署程序并完成测试。

步骤一、下载程序码

到 YOLO-on-Lambda 网站中下载 darknetmin.zip，如下图所示。

图 2、下载 darknetmin.zip

步骤二、上传 YOLO 相关档案到 S3

因为 AWS Lambda 函数的大小限制为 256 MB，所以需要把 YOLO 的权重档存到 S3 中，在 Day 16 - 进行影像辨识训练已经根据自己给定的数据集，完成的权重的训练，所以可以将这个档案上传到 S3，以及先前下载的 Lambda 程序码和图片，如下图所示。

图 3、上传 YOLO 相关档案到 S3

步骤三、建立 IAM 角色

建立一个 IAM 角色，允许执行 AWS Lambda，并有存取 S3 的许可。进入 IAM 管理控制台，选择新增角色，接下来如下图所示，选择 Lambda 的使用案例後点击 下一个：许可 按钮。

图 4、建立一个角色选择 Lambda 的使用案例

在搜寻文字框中输入 basic 找到 AWSLambdaBasicExecutionRole 进行连接，这将允许这个角色有写入 CloudWatch 记录档的全县，方便程序除错之用，如下图所示。

图 5、连接基础的 CloudWatch 除错用的许可政策

最後确定先前的设定後并输入角色名称後，就可以建立角色，如下图所示。

图 6、检阅设定并建立角色

编辑一个新的政策，内容如下图所示，给定读取 (GetObject) 储存贮体 A 与写入物件 (PutObject) 与权限 (PutObjectAcl) 到储存贮体 B。

图 7、新增政策

接着到角色设定画面，将新建政策连接到角色上，如下图所示。

图 8、将新增的政策连接到先前的角色

步骤四、建立 AWS Lambda 函数

进入 AWS Lambda 管理控制台，选择建立 Lambda 函数，设定内容如下图所示。比较需要注意的是执行时间务必选择Python 3.8，这是那个 github 专案的要求；而执行角色要也要记得选择上一个步骤设定的角色。

图 9、建立 Lambda 函数设定画面

建立 Lambda 函数可以自行撰写，也可以上传压缩档，在第二个步骤中，我们已经把 Lambda 函数代码上传到 S3 ，只需在函数设定主画面的右边，可以找到一个 上传於 按钮，点击後选择 Amazon S3 位置，就可以指定位置，如 https://[BUCKETNAME].s3.ap-southeast-1.amazonaws.com/darknetmin.zip，画面如下所示。

图 10、建立 Lambda 函数设定画面

步骤五、修改、布署程序并进行测试

需要修改的地方有：

1. 自建资料集相关档案：物件档(obj.data, obj.names)，用来说明辨识後的物件名称的；组态档 (yolov3.cfg)，需将原来的组态档改名，放入新的组态档。
2. Lambda 函数执行环境：需要进行必要调整。
3. Lambda 函数本身：需要根据需求进行调整。

自建资料集相关档案
相关的三个档案都是纯文件档，所以只需在 AWS Lambda 操作画面中进行新增档案的操作就可以，档案内容请参照 Day 15 - 说明 YOLO 相关设定，完成後画面如下。

图 11、在 Lambda 函数中新增自建资料集相关档案

Lambda 函数执行环境

在 程序码 页签中，下方有一个 执行时间设定 的选项需要进行设定，从上图中可以知道整个 Lambda 函数的主要函数进入点是 service.py，所以需要在 执行时间设定 中，设定处理常式为 service.handler，完成後画面如下。

图 12、在执行时间设定中，设定处理常式

接着在 组态 页签中，选择 一般组态，将 记忆体 (MB) 设定为 2048 ～ 5120 M，逾时 设定为 2 分钟，完成後画面如下。

图 13、在组态页签中，设定一般组态

Lambda 函数本身

需要修改的是要指定权重档与待测试图片的所在位置，并将原本的执行命令改成./darknet detector test cfg/obj.data cfg/yolov3.cfg {} {}，这样才不会使用到预设的 coco.data 的标签。

图 14、修改 service.py 的内容

修改完毕後，进行布署(Deploy)後，可以设定一个测试(test)计画，不需要内容，直接测试即可。确认後会需要约 60 几秒才会完成影像的辨识，如下图所示。

图 15、执行 YOLO Lambda 辨识功能

因为输出是一整行，所以把这个输出复制到一般编辑器中，比较方便看到辨识结果，如下图所示。

图 16、YOLO 辨识结果

而这样的反应速度，如果是批次处理还可以，但是即时处理的话，反应速度太慢，可能需要再找其他工具来满足这个需求。

参考资料

• YOLO-on-Lambda, https://github.com/fmacrae/YOLO-on-Lambda
• Day 15 - 说明 YOLO 相关设定，https://ithelp.ithome.com.tw/articles/10264575
• Day 16 - 进行影像辨识训练，https://ithelp.ithome.com.tw/articles/10265534
• Day 33 - 实作 S3 驱动 Lambda 函数进行镜像，https://ithelp.ithome.com.tw/articles/10278812