AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅中国的 AWS 服务入门。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Edge 设备

Amazon SageMaker Neo 为常用的 Machine Learning 框架提供编译支持。您可以部署经过 Neo 编译的边缘设备，例如 Raspberry Pi 3、Texas Instruments 的 Sitara、Jetson TX1 等。有关支持的框架和边缘设备的完整列表，请参阅支持的框架、设备、系统和架构。

您必须配置您的 Edge 设备，以便它可以使用 AWS 服务。执行此操作的一种方法是将 DLR 和 Boto3 安装到您的设备。为此，您必须设置身份验证凭证。有关更多信息，请参阅 Boto3 AWS 配置。在编译模型并配置边缘设备后，您可以从 Amazon S3 将模型下载到边缘设备。然后，您可以使用深度学习运行时 （DLR） 来读取已编译的模型并进行推理。

对于新用户，我们建议您查看入门指南。本指南将指导您完成如何设置凭证、编译模型、将模型部署到 Raspberry Pi 3 以及对图像进行推理的过程。