기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 모델 배포
Amazon S3에서 컴파일된 모델을 디바이스로 다운로드하고 [DLR](https://github.com/neo-ai/neo-ai-dlr)을 사용하여 리소스가 제한된 엣지 디바이스에 컴퓨팅 모듈을 배포하거나, [AWS IoT Greengrass](https://docs.aws.amazon.com/greengrass/latest/developerguide/what-is-gg.html)를 사용할 수 있습니다.
계속 진행하기 전에 SageMaker Neo가 엣지 디바이스를 지원해야 하는지 확인하세요. 지원되는 엣지 디바이스를 알아보려면 [지원되는 프레임워크, 디바이스, 시스템, 아키텍처](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-supported-devices-edge.html)를 참고하세요. 컴파일 작업을 제출했을 때 대상 엣지 디바이스를 지정했는지 확인하세요. [Neo를 사용하여 모델 컴파일하기](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-job-compilation.html)를 참고하세요.
## 컴파일된 모델 배포(DLR)
[DLR](https://github.com/neo-ai/neo-ai-dlr)은 딥 러닝 모델 및 의사결정 트리 모델을 위한 작고 일반적인 런타임입니다. DLR은 [TVM](https://github.com/neo-ai/tvm) 런타임, [Treelite](https://treelite.readthedocs.io/en/latest/install.html) 런타임, NVIDIA TensorRT™를 사용하며 다른 하드웨어별 런타임을 포함할 수 있습니다. DLR은 다양한 디바이스에서 컴파일된 모델을 로드하고 실행하기 위한 통합 Python/C\+\+ API를 제공합니다.
다음 pip 명령을 사용하여 DLR 패키지의 최신 릴리스를 설치할 수 있습니다.
```
pip install dlr
```
GPU 대상 또는 x86이 아닌 엣지 디바이스에 DLR을 설치하려면 사전 빌드된 바이너리에 대한 [릴리스](https://github.com/neo-ai/neo-ai-dlr/releases) 또는 소스에서 DLR을 빌드하기 위한 [DLR 설치](https://neo-ai-dlr.readthedocs.io/en/latest/install.html)를 참고하세요. 예를 들어, Raspberry Pi 3용 DLR을 설치하려면 다음을 사용할 수 있습니다.
```
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
```
## 모델 배포(AWS IoT Greengrass)
[AWS IoT Greengrass는](https://docs.aws.amazon.com/greengrass/latest/developerguide/what-is-gg.html) 클라우드 기능을 로컬 디바이스로 확장합니다. 이를 통해 디바이스는 정보 소스에 더 가까운 데이터를 수집 및 분석하고, 로컬 이벤트에 자율적으로 반응하고, 로컬 네트워크에서 서로 안전하게 통신할 수 있습니다. AWS IoT Greengrass를 사용하면 클라우드 훈련 모델을 사용하여 로컬에서 생성된 데이터에서 엣지에서 기계 학습 추론을 수행할 수 있습니다. 현재 ARM Cortex-A, Intel Atom 및 Nvidia Jetson 시리즈 프로세서를 기반으로 모든 AWS IoT Greengrass 디바이스에 모델을 배포할 수 있습니다. AWS IoT Greengrass를 사용하여 기계 학습 추론을 수행하기 위해 Lambda 추론 애플리케이션을 배포하는 방법에 대한 자세한 내용은 [AWS Management Console을 사용하여 최적화된 기계 학습 추론을 구성하는 방법을](https://docs.aws.amazon.com/greengrass/latest/developerguide/ml-dlc-console.html) 참조하세요.