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.

# Configurar o dispositivo
<a name="neo-getting-started-edge-step2"></a>

Você precisará instalar pacotes em seu dispositivo de borda para que ele possa fazer inferências. Você também precisará instalar o [AWS IoT Greengrass](https://docs.aws.amazon.com/greengrass/latest/developerguide/what-is-gg.html) core ou o [Aprendizado Profundo Runtime (DLR)](https://github.com/neo-ai/neo-ai-dlr). Neste exemplo, você instalará os pacotes necessários para fazer inferências para o algoritmo de detecção de Objetos `coco_ssd_mobilenet` e usará o DLR.

1. **Instale pacotes adicionais**

   Além do Boto3, você deve instalar determinadas bibliotecas em seu dispositivo de borda. As bibliotecas instaladas dependem do seu caso de uso. 

   Por exemplo, para o algoritmo de detecção de `coco_ssd_mobilenet` objetos que você baixou anteriormente, você precisa instalar [NumPy](https://numpy.org/)para manipulação de dados e estatísticas, o [PIL](https://pillow.readthedocs.io/en/stable/) para carregar imagens e o [Matplotlib](https://matplotlib.org/) para gerar gráficos. Você também precisa de uma cópia do TensorFlow se quiser avaliar o impacto da compilação com o Neo versus uma linha de base. 

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

1. **Instale o mecanismo de inferência em seu dispositivo**

   Para executar seu Neo-compiled modelo, instale o [Deep Learning Runtime (DLR)](https://github.com/neo-ai/neo-ai-dlr) em seu dispositivo. O DLR é um runtime compacto e comum para modelos de aprendizado profundo e modelos de árvore de decisão. Em destinos de CPU x86\_64 executando Linux, você pode instalar a versão mais recente do pacote DLR usando o seguinte comando `pip`:

   ```
   !pip install dlr
   ```

   Para instalação do DLR em destinos de GPU ou dispositivos de borda que não sejam x86, consulte [Versões](https://github.com/neo-ai/neo-ai-dlr/releases) para binários pré-criados ou [Instalação do DLR](https://neo-ai-dlr.readthedocs.io/en/latest/install.html) para criar DLR a partir da fonte. Por exemplo, para instalar o DLR para o Raspberry Pi 3, você pode usar: 

   ```
   !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
   ```