Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Completamento dei prerequisiti
<a name="edge-packaging-job-prerequisites"></a>

Per impacchettare un modello, devi completare le seguenti operazioni:

1. **Compila il tuo modello di machine learning con SageMaker AI Neo.**

   Se non l'hai già fatto, compila il tuo modello con SageMaker Neo. Per ulteriori informazioni su come compilare il modello, consulta [Compila e distribuisci modelli con Neo](https://docs.aws.amazon.com/sagemaker/latest/dg/neo.html). Se sei un utente di SageMaker Neo per la prima volta, consulta la Guida [introduttiva ai dispositivi Neo Edge](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-getting-started-edge.html).

1. **Ottieni il nome del processi di compilazione.**

   Fornisci il nome del processo di compilazione che hai usato quando hai compilato il tuo modello con SageMaker Neo. Apri la console SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)e scegli **Compilation jobs** per trovare un elenco di compilazioni che sono state inviate al tuo account. AWS I nomi dei processi di compilazione inviati si trovano nella colonna **Nome**.

1. **Ottieni il tuo IAM ARN.**

   È necessario un Amazon Resource Name (ARN) di un ruolo IAM che puoi utilizzare per scaricare e caricare il modello e contattare SageMaker Neo.

   Utilizza uno dei seguenti metodi per ottenere l’ARN del tuo IAM:
   + **A livello di codice con AI SageMaker Python SDK**

     ```
     import sagemaker
     
     # Initialize SageMaker Session object so you can interact with AWS resources
     sess = sagemaker.Session()
     
     # Get the role ARN 
     role = sagemaker.get_execution_role()
     
     print(role)
     >> arn:aws:iam::{{<your-aws-account-id>}}:role/{{<your-role-name>}}
     ```

     Per ulteriori informazioni sull'utilizzo dell'SDK SageMaker Python, consulta l'API AI [SageMaker Python](https://sagemaker.readthedocs.io/en/stable/index.html) SDK.
   + **Utilizzo della console (IAM AWS Identity and Access Management )**

     Accedi alla console IAM all'indirizzo [https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/). Nella sezione **Risorse** IAM, scegli **Ruoli** per visualizzare un elenco di ruoli nel tuo account AWS . Seleziona o crea un ruolo con `AmazonSageMakerFullAccess`, `AWSIoTFullAccess` e `AmazonS3FullAccess`.

     Per ulteriori informazioni su IAM, consulta [Che cos'è IAM?](https://docs.aws.amazon.com/IAM/latest/UserGuide/introduction.html)

1. **Avere un URI del bucket S3.**

   È necessario disporre di almeno un bucket URI di Amazon Simple Storage Service (Amazon S3) per archiviare il modello neo-compilato, l'output del processo creazione pacchetti di Edge Manager e i dati di esempio del parco dispositivi.

   Utilizza uno dei seguenti metodi per creare un bucket Amazon S3:
   + **A livello di codice con AI SageMaker Python SDK**

     Puoi utilizzare il bucket Amazon S3 predefinito durante una sessione. Viene creato un bucket predefinito in base al seguente formato: `sagemaker-{region}-{aws-account-id}`. Per creare un bucket predefinito con SageMaker Python SDK, usa quanto segue:

     ```
     import sagemaker
     
     session=sagemaker.create_session()
     
     bucket=session.default_bucket()
     ```
   + **Utilizzo della console Amazon S3**

     Apri la console Amazon S3 all'indirizzo [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)e vedi [Come posso creare un bucket S3](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html)? per istruzioni. step-by-step