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.

# Configure el dispositivo
<a name="neo-getting-started-edge-step2"></a>

Deberá instalar los paquetes en su dispositivo periférico para que su dispositivo pueda hacer inferencias. También debe instalar el núcleo de [IoT AWS Greengrass](https://docs.aws.amazon.com/greengrass/latest/developerguide/what-is-gg.html) o [Tiempo de ejecución de aprendizaje profundo (DLR)](https://github.com/neo-ai/neo-ai-dlr). En este ejemplo, instalará los paquetes necesarios para hacer inferencias para el algoritmo de detección de objetos `coco_ssd_mobilenet` y utilizará el DLR.

1. **Instale paquetes adicionales**

   Además de Boto3, debe instalar determinadas bibliotecas en su dispositivo periférico. Las bibliotecas que vaya a instalar dependen de su caso de uso. 

   Por ejemplo, para el algoritmo de detección de `coco_ssd_mobilenet` objetos que descargó anteriormente, debe instalarlo [NumPy](https://numpy.org/)para la manipulación de datos y las estadísticas, [PIL](https://pillow.readthedocs.io/en/stable/) para cargar imágenes y [Matplotlib](https://matplotlib.org/) para generar gráficos. También necesitará una copia TensorFlow si quiere medir el impacto de compilar con Neo en comparación con una línea base. 

   ```
   !pip3 install numpy pillow tensorflow matplotlib 
   ```

1. **Instalar un motor de inferencia en su dispositivo**

   Para ejecutar su Neo-compiled modelo, instale [Deep Learning Runtime (DLR)](https://github.com/neo-ai/neo-ai-dlr) en su dispositivo. DLR es un tiempo de ejecución compacto y común para modelos de aprendizaje profundo y modelos de árboles de decisiones. En los destinos de CPU x86\_64 que ejecutan Linux, puede instalar la última versión del paquete DLR mediante el siguiente comando `pip`:

   ```
   !pip install dlr
   ```

   Para instalar DLR en destinos de GPU o dispositivos periféricos que no sean x86, consulte [Versiones](https://github.com/neo-ai/neo-ai-dlr/releases) para ver los binarios prediseñados o [Instalación de DLR](https://neo-ai-dlr.readthedocs.io/en/latest/install.html) para compilar DLR desde el origen. Por ejemplo, para instalar DLR para Raspberry Pi 3, puede usar: 

   ```
   !pip install https://neo-ai-dlr-release.s3-us-west-2.amazonaws.com/v1.3.0/pi-armv7l-raspbian4.14.71-glibc2_24-libstdcpp3_4/dlr-1.3.0-py3-none-any.whl
   ```