As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Implantação de modelos na borda com o SageMaker Edge Manager
<a name="edge"></a>

**Atenção**  
 SageMaker O Edge Manager será descontinuado em 26 de abril de 2024. Para obter mais informações sobre como continuar a implantar seus modelos em dispositivos de borda, consulte [SageMaker Fim da vida útil do Edge Manager](edge-eol.md). 

O Amazon SageMaker Edge Manager fornece gerenciamento de modelos para dispositivos de ponta para que você possa otimizar, proteger, monitorar e manter modelos de aprendizado de máquina em frotas de dispositivos de ponta, como câmeras inteligentes, robôs, computadores pessoais e dispositivos móveis.

## Por que usar o Edge Manager?
<a name="edge-what-it-is"></a>

Muitos casos de uso de machine learning (ML) exigem a execução de modelos de ML em uma frota de dispositivos de borda, o que permite obter predições em tempo real, preservar a privacidade dos usuários finais e reduzir o custo da conectividade de rede. Com a crescente disponibilidade de hardware de borda de baixa potência projetado para machine learning, agora é possível executar vários modelos complexos de redes neurais em dispositivos de borda. 

No entanto, operar modelos de ML em dispositivos de borda é um desafio, porque os dispositivos, diferentemente das instâncias de nuvem, têm computação, memória e conectividade limitadas. Depois que o modelo for implantado, você precisa monitorar continuamente os modelos, pois o desvio do modelo pode fazer com que a qualidade do modelo diminua com o tempo. Monitorar modelos em toda a sua frota de dispositivos é difícil porque você precisa escrever código personalizado para coletar amostras de dados do seu dispositivo e identificar divergências nas predições. Além disso, os modelos muitas vezes são codificados diretamente na aplicação. Para atualizar o modelo, é necessário reconstruir e atualizar toda a aplicação ou firmware do dispositivo, o que pode causar interrupções nas operações.

Com o SageMaker Edge Manager, você pode otimizar, executar, monitorar e atualizar modelos de aprendizado de máquina em frotas de dispositivos na borda.

## Como funciona?
<a name="edge-how-it-works"></a>

Em um alto nível, há cinco componentes principais no fluxo de trabalho do SageMaker Edge Manager: compilação de modelos com SageMaker o Neo, empacotamento de modelos compilados pelo Neo, implantação de modelos em seus dispositivos, execução de modelos no mecanismo de inferência de SageMaker IA (agente do Edge Manager) e manutenção de modelos nos dispositivos.

![\[Os cinco componentes principais no fluxo de trabalho do SageMaker Edge Manager.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/smith/smith_overview.png)


SageMaker O Edge Manager usa SageMaker o Neo para otimizar seus modelos para o hardware de destino em um clique e, em seguida, para assinar criptograficamente seus modelos antes da implantação. Usando o SageMaker Edge Manager, você pode obter amostras de dados de entrada e saída do modelo de dispositivos de borda e enviá-los para a nuvem para monitoramento e análise, além de visualizar um painel que rastreia e relata visualmente a operação dos modelos implantados no console de SageMaker IA.

SageMaker O Edge Manager estende recursos que antes só estavam disponíveis na nuvem até a borda, para que os desenvolvedores possam melhorar continuamente a qualidade do modelo usando o Amazon SageMaker Model Monitor para detecção de desvios, depois renomear os dados com o SageMaker AI Ground Truth e retreinar os modelos em IA. SageMaker 

## Como faço para usar o SageMaker Edge Manager?
<a name="edge-how-to-use"></a>

Se você for um usuário iniciante do SageMaker Edge Manager, recomendamos que você faça o seguinte:

1. **Leia a seção [Introdução](https://docs.aws.amazon.com/sagemaker/latest/dg/edge-manager-getting-started.html)** - Esta seção explica como configurar seu primeiro trabalho de empacotamento de borda e criar sua primeira frota.

1. **Explore exemplos de cadernos Jupyter do Edge Manager - Os notebooks** [de exemplo são armazenados no [amazon-sagemaker-examples](https://github.com/aws/amazon-sagemaker-examples) GitHub repositório na pasta sagemaker\$1edge\$1manager.](https://github.com/aws/amazon-sagemaker-examples/tree/master/sagemaker_edge_manager)