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.

# Dispositivi Edge
<a name="neo-edge-devices"></a>

Amazon SageMaker Neo fornisce supporto di compilazione per i framework di machine learning più diffusi. Puoi implementare dispositivi edge compilati in NEO come Raspberry Pi 3, Sitara di Texas Instruments, Jetson TX1 e altri. Per un elenco completo dei framework e dei dispositivi edge supportati, consulta [Framework, dispositivi, sistemi e architetture supportati](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-supported-devices-edge.html). 

Devi configurare il dispositivo edge in modo che possa utilizzare i servizi AWS. Un modo di fare ciò è installare DLR e Boto3 sul tuo dispositivo. Per farlo, devi impostare le credenziali di autenticazione. Per ulteriori informazioni, consulta [Configurazione di Boto3 AWS](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html#configuration). Una volta compilato il modello e configurato il dispositivo edge, puoi scaricare il modello da Amazon S3 sul tuo dispositivo edge. Da lì, puoi usare [Deep Learning Runtime (DLR)](https://neo-ai-dlr.readthedocs.io/en/latest/index.html) per leggere il modello compilato e fare inferenze. 

Per gli utenti alle prime armi, consigliamo di consultare la guida [Nozioni di base](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-getting-started-edge.html). Questa guida illustra come configurare le credenziali, compilare un modello, distribuire il modello su un Raspberry Pi 3 e fare inferenze sulle immagini. 

**Topics**
+ [Framework, dispositivi, sistemi e architetture supportati](neo-supported-devices-edge.md)
+ [Modelli di distribuzione](neo-deployment-edge.md)
+ [Configurazione di Neo su dispositivi Edge](neo-getting-started-edge.md)