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.

# Configurare il dispositivo
<a name="neo-getting-started-edge-step2"></a>

Dovrai installare i pacchetti sul tuo dispositivo edge in modo che il dispositivo possa fare inferenze. Dovrai anche installare il core [AWS IoT Greengrass](https://docs.aws.amazon.com/greengrass/latest/developerguide/what-is-gg.html) o [Deep Learning Runtime (DLR)](https://github.com/neo-ai/neo-ai-dlr). In questo esempio, installerai i pacchetti necessari per creare inferenze per l'algoritmo di rilevamento degli oggetti `coco_ssd_mobilenet` e utilizzerai DLR.

1. **Installa pacchetti aggiuntivi**

   Oltre a Boto3, devi installare alcune librerie sul tuo dispositivo edge. Le librerie da installare sono diverse a seconda del caso d'uso. 

   Ad esempio, per l'algoritmo di rilevamento degli `coco_ssd_mobilenet` oggetti che hai scaricato in precedenza, devi installare [NumPy](https://numpy.org/)per la manipolazione dei dati e le statistiche, [PIL](https://pillow.readthedocs.io/en/stable/) per caricare le immagini e [Matplotlib](https://matplotlib.org/) per generare grafici. È inoltre necessaria una copia di TensorFlow se si desidera valutare l'impatto della compilazione con Neo rispetto a quella di base. 

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

1. **Installa il motore di inferenza sul tuo dispositivo**

   Per eseguire il modello NEO compilato, installa [Deep Learning Runtime (DLR)](https://github.com/neo-ai/neo-ai-dlr) sul tuo dispositivo. DLR è un runtime compatto e comune per modelli di deep learning e modelli di alberi decisionali. Su destinazioni CPU x86\$164 che eseguono Linux, è possibile installare l'ultima versione del pacchetto DLR utilizzando il seguente comando `pip`:

   ```
   !pip install dlr
   ```

   Per l'installazione di DLR su destinazioni GPU o dispositivi edge non x86, consulta [Rilasci](https://github.com/neo-ai/neo-ai-dlr/releases) per binari predefiniti o [Installazione di DLR](https://neo-ai-dlr.readthedocs.io/en/latest/install.html) per creare DLR dall’origine. Ad esempio, per installare DLR per Raspberry Pi 3, puoi usare: 

   ```
   !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
   ```