Wählen Sie Ihre Cookie-Einstellungen aus

Wir verwenden essentielle Cookies und ähnliche Tools, die für die Bereitstellung unserer Website und Services erforderlich sind. Wir verwenden Performance-Cookies, um anonyme Statistiken zu sammeln, damit wir verstehen können, wie Kunden unsere Website nutzen, und Verbesserungen vornehmen können. Essentielle Cookies können nicht deaktiviert werden, aber Sie können auf „Anpassen“ oder „Ablehnen“ klicken, um Performance-Cookies abzulehnen.

Wenn Sie damit einverstanden sind, verwenden AWS und zugelassene Drittanbieter auch Cookies, um nützliche Features der Website bereitzustellen, Ihre Präferenzen zu speichern und relevante Inhalte, einschließlich relevanter Werbung, anzuzeigen. Um alle nicht notwendigen Cookies zu akzeptieren oder abzulehnen, klicken Sie auf „Akzeptieren“ oder „Ablehnen“. Um detailliertere Entscheidungen zu treffen, klicken Sie auf „Anpassen“.

Edge-Geräte

Fokusmodus
Edge-Geräte - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Amazon SageMaker Neo bietet Kompilierungsunterstützung für beliebte Frameworks für maschinelles Lernen. Sie können Ihre mit NEO kompilierten Edge-Geräte wie den Raspberry Pi 3, Sitara, Jetson TX1 und mehr von Texas Instruments einsetzen. Eine vollständige Liste der unterstützten Frameworks und Edge-Geräte finden Sie unter Unterstützte Frameworks, Geräte, Systeme und Architekturen.

Sie müssen Ihr Edge-Gerät so konfigurieren, dass es Dienste nutzen kann. AWS Eine Möglichkeit, dies zu tun, besteht darin, DLR und Boto3 auf Ihrem Gerät zu installieren. Dazu müssen Sie die Anmeldeinformationen für die Authentifizierung einrichten. Weitere Informationen finden Sie unter AWS Boto3-Konfiguration. Sobald Ihr Modell kompiliert und Ihr Edge-Gerät konfiguriert ist, können Sie das Modell von Amazon S3 auf Ihr Edge-Gerät herunterladen. Von dort aus können Sie die Deep Learning Runtime (DLR) verwenden, um das kompilierte Modell zu lesen und Rückschlüsse zu ziehen.

Für Erstbenutzer empfehlen wir, den Leitfaden Erste Schritte zu lesen. In diesem Handbuch erfahren Sie, wie Sie Ihre Anmeldeinformationen einrichten, ein Modell kompilieren, Ihr Modell auf einem Raspberry Pi 3 bereitstellen und Rückschlüsse auf Bilder ziehen.

DatenschutzNutzungsbedingungen für die WebsiteCookie-Einstellungen
© 2025, Amazon Web Services, Inc. oder Tochtergesellschaften. Alle Rechte vorbehalten.