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. # Istanze cloud Amazon SageMaker Neo fornisce il supporto di compilazione per i più diffusi framework di machine learning come TensorFlow, PyTorch, MXNet e altri. Puoi distribuire il tuo modello compilato su istanze cloud e istanze Inferentia AWS. Per un elenco completo dei più diffusi framework e tipi di istanze supportati, consulta [Tipi di istanze e framework supportati](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-supported-cloud.html). Il modello può essere compilato in tre modi: tramite AWS CLI, console SageMaker AI o SageMaker AI SDK per Python. Per ulteriori informazioni, consulta [Utilizzo di Neo per compilare un modello.](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-job-compilation.html) Una volta compilati, gli artefatti del modello vengono archiviati nell'URI del bucket Amazon S3 specificato durante il processo di compilazione. Puoi implementare il modello compilato su istanze cloud e istanze AWS Inferentia utilizzando SageMaker AI SDK per Python, AWS SDK per Python (Boto3), AWS CLI o la console AWS. Se distribuisci il modello utilizzando AWS CLI, la console o Boto3, devi selezionare un'immagine Docker dell'URI Amazon ECR per il container primario. Consulta [Immagini del container di inferenza](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-deployment-hosting-services-container-images.html) per un elenco degli URI di Amazon ECR. **Topics** + [Tipi di istanze e framework supportati](neo-supported-cloud.md) + [Implementare un modello](neo-deployment-hosting-services.md) + [Richieste di inferenza con un servizio implementato](neo-requests.md) + [Immagini di container di inferenza](neo-deployment-hosting-services-container-images.md)