Seleziona le tue preferenze relative ai cookie

Utilizziamo cookie essenziali e strumenti simili necessari per fornire il nostro sito e i nostri servizi. Utilizziamo i cookie prestazionali per raccogliere statistiche anonime in modo da poter capire come i clienti utilizzano il nostro sito e apportare miglioramenti. I cookie essenziali non possono essere disattivati, ma puoi fare clic su \"Personalizza\" o \"Rifiuta\" per rifiutare i cookie prestazionali.

Se sei d'accordo, AWS e le terze parti approvate utilizzeranno i cookie anche per fornire utili funzionalità del sito, ricordare le tue preferenze e visualizzare contenuti pertinenti, inclusa la pubblicità pertinente. Per continuare senza accettare questi cookie, fai clic su \"Continua\" o \"Rifiuta\". Per effettuare scelte più dettagliate o saperne di più, fai clic su \"Personalizza\".

Dispositivi Edge

Modalità Focus
Dispositivi Edge - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Amazon SageMaker Neo fornisce supporto di compilazione per i framework di machine learning più diffusi. Puoi implementare dispositivi edge compilati in NEO come Raspberry Pi 3, Sitara di Texas Instruments, Jetson TX1 e altri. Per un elenco completo dei framework e dei dispositivi edge supportati, consulta Framework, dispositivi, sistemi e architetture supportati.

È necessario configurare il dispositivo edge in modo che possa utilizzare i servizi. AWS Un modo di fare ciò è installare DLR e Boto3 sul tuo dispositivo. A tale scopo, è necessario impostare le credenziali di autenticazione. Per ulteriori informazioni, vedere Boto3 AWS Configuration. Una volta compilato il modello e configurato il dispositivo edge, puoi scaricare il modello da Amazon S3 sul tuo dispositivo edge. Da lì, puoi usare Deep Learning Runtime (DLR) per leggere il modello compilato e fare inferenze.

Per gli utenti alle prime armi, consigliamo di consultare la guida Nozioni di base. Questa guida illustra come configurare le credenziali, compilare un modello, distribuire il modello su un Raspberry Pi 3 e fare inferenze sulle immagini.

PrivacyCondizioni del sitoPreferenze cookie
© 2025, Amazon Web Services, Inc. o società affiliate. Tutti i diritti riservati.