기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 엣지 디바이스
<a name="neo-edge-devices"></a>

Amazon SageMaker Neo는 인기 있는 기계 학습 프레임워크에 대한 컴파일을 지원합니다. Raspberry Pi 3, Texas Instruments의 Sitara, Jetson TX1 등 NEO로 컴파일된 엣지 디바이스를 배포할 수 있습니다. 지원되는 프레임워크 및 엣지 디바이스의 전체 목록은 [지원되는 프레임워크, 디바이스, 시스템 및 아키텍처](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-supported-devices-edge.html)를 참조하세요.

 AWS 서비스를 사용할 수 있도록 엣지 디바이스를 구성해야 합니다. 이 구성을 실행하는 방법은 디바이스에 DLR 및 Boto3를 설치하는 것입니다. 이를 실행하려면 인증 자격 증명을 설정해야 합니다. 자세한 내용은 [Boto3 AWS Configuration](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html#configuration)을 참조하세요. 모델이 컴파일되고 엣지 디바이스가 구성되면 Amazon S3에서 엣지 디바이스로 해당 모델을 다운로드할 수 있습니다. 그런 다음 [딥 러닝 런타임(DLR)](https://neo-ai-dlr.readthedocs.io/en/latest/index.html)을 사용하여 컴파일된 모델을 읽고 추론을 수행할 수 있습니다.

처음 사용하는 경우에는 [시작](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-getting-started-edge.html) 안내서를 읽어 보는 것이 좋습니다. 이 안내서는 보안 인증을 설정하고, 모델을 컴파일하고, 모델을 Raspberry Pi 3에 배포하고, 이미지를 추론하는 방법을 안내합니다.

**Topics**
+ [지원되는 프레임워크, 디바이스, 시스템, 아키텍처](neo-supported-devices-edge.md)
+ [모델 배포](neo-deployment-edge.md)
+ [엣지 디바이스에서 Neo 설정](neo-getting-started-edge.md)