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.

# Istanze cloud
<a name="neo-cloud-instances"></a>

Amazon SageMaker Neo fornisce supporto alla compilazione per i framework di machine learning più diffusi come TensorFlow MXNet e altri. PyTorch Puoi distribuire il tuo modello compilato su istanze cloud e istanze Inferentia. AWS Per un elenco completo dei più diffusi framework e tipi di istanze supportati, consulta [Tipi di istanze e framework supportati](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-supported-cloud.html). 

Puoi compilare il tuo modello in tre modi: tramite SageMaker AI Console o Python AWS CLI SDK. SageMaker Per ulteriori informazioni, consulta [Utilizzo di Neo per compilare un modello.](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-job-compilation.html) Una volta compilati, gli artefatti del modello vengono archiviati nell'URI del bucket Amazon S3 specificato durante il processo di compilazione. Puoi distribuire il tuo modello compilato su istanze cloud e istanze AWS Inferentia utilizzando Python SDK,,, o la SageMaker console. AWS SDK for Python (Boto3) AWS CLI AWS 

Se distribuisci il tuo modello utilizzando la console o Boto3 AWS CLI, devi selezionare un'immagine Docker Amazon ECR URI per il tuo contenitore principale. Consulta [Immagini del container di inferenza](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-deployment-hosting-services-container-images.html) per un elenco degli URI di Amazon ECR.

**Topics**
+ [Tipi di istanze e framework supportati](neo-supported-cloud.md)
+ [Implementare un modello](neo-deployment-hosting-services.md)
+ [Richieste di inferenza con un servizio implementato](neo-requests.md)
+ [Immagini di container di inferenza](neo-deployment-hosting-services-container-images.md)