本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# Edge 裝置
<a name="neo-edge-devices"></a>

Amazon SageMaker Neo 為熱門的機器學習架構提供編譯支援。您可以部署 Neo 編譯的邊緣裝置，例如 Raspberry Pi 3、Texas Instruments 的 Sitara、Jetson TX1 等。如需支援的架構和邊緣裝置的完整清單，請參閱[支援的架構、裝置、系統和結構](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-supported-devices-edge.html)。

您必須設定邊緣裝置，才能使用 AWS 服務。執行此操作的一個方式是在裝置上安裝 DLR 和 Boto3。若要這麼做，您必須設定驗證憑證。如需更多資訊，請參閱 [Boto3 AWS 組態](https://boto3.amazonaws.com/v1/documentation/api/latest/guide/quickstart.html#configuration)。編譯模型並設定好邊緣裝置之後，您就可以從 Amazon S3 將模型下載到邊緣裝置。在該處，您可以透過[深度學習執行期 (DLR)](https://neo-ai-dlr.readthedocs.io/en/latest/index.html)來讀取編譯的模型並進行推論。

若為初次使用的使用者，我們建議您查看[入門](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-getting-started-edge.html)指南。本指南將引導您如何設定憑證、編譯模型、將模型部署到 Raspberry Pi 3 以及對影像進行推論。

**Topics**
+ [支援的架構、裝置、系統和架構](neo-supported-devices-edge.md)
+ [部署模型](neo-deployment-edge.md)
+ [在邊緣裝置上設定 Neo](neo-getting-started-edge.md)