Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Dispositivos periféricos
<a name="neo-edge-devices"></a>

Amazon SageMaker Neo admite marcos de machine learning de uso generalizado. Puede implementar sus dispositivos periféricos compilados en NEO, como Raspberry Pi 3, Sitara de Texas Instruments o Jetson TX1, entre otros. Para obtener una lista completa de los marcos y dispositivos periféricos compatibles, consulte [Marcos, dispositivos, sistemas y arquitecturas compatibles](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-supported-devices-edge.html). 

Debe configurar el dispositivo periférico para que pueda utilizar servicios AWS. Una forma de hacerlo consiste en instalar DLR y Boto3 en su dispositivo. Para ello, debe configurar las credenciales de autenticación. Consulte [Configuración de Boto3 AWS](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html#configuration) para obtener más información. Una vez compilado el modelo y configurado el dispositivo periférico, puede descargar el modelo de Amazon S3 a su dispositivo periférico. Desde allí, puede usar [Tiempo de ejecución de aprendizaje profundo (DLR)](https://neo-ai-dlr.readthedocs.io/en/latest/index.html) para leer el modelo compilado y hacer inferencias. 

Para los usuarios primerizos, le recomendamos que consulte la guía de [Introducción](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-getting-started-edge.html). Esta guía explica cómo configurar las credenciales, compilar un modelo, implementar el modelo en Raspberry Pi 3 y hacer inferencias en imágenes. 

**Topics**
+ [Marcos, dispositivos, sistemas y arquitecturas compatibles](neo-supported-devices-edge.md)
+ [Implementación de modelos](neo-deployment-edge.md)
+ [Configuración de Neo en dispositivos periféricos](neo-getting-started-edge.md)