As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Concluir os pré-requisitos
<a name="edge-packaging-job-prerequisites"></a>

Para empacotar um modelo, você deve fazer o seguinte:

1. **Compile seu modelo de aprendizado de máquina com o SageMaker AI Neo.**

   Se você ainda não fez isso, compile seu modelo com o SageMaker Neo. Para obter mais informações sobre como compilar seu modelo, consulte [Compilar e implantar modelos com o Neo](https://docs.aws.amazon.com/sagemaker/latest/dg/neo.html). Se você é usuário do SageMaker Neo pela primeira vez, consulte [Introdução aos dispositivos Neo Edge](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-getting-started-edge.html).

1. **Obtenha o nome do seu trabalho de compilação.**

   Forneça o nome do trabalho de compilação que você usou ao compilar seu modelo com SageMaker o Neo. Abra o console de SageMaker IA em [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)e escolha **Trabalhos de compilação** para encontrar uma lista das compilações que foram enviadas para sua AWS conta. Os nomes dos trabalhos de compilação enviados estão na coluna **Nome**.

1. **Obtenha seu ARN do IAM.**

   Você precisa de um Amazon Resource Name (ARN) de uma função do IAM que você possa usar para baixar e carregar o modelo e entrar em contato com SageMaker a Neo.

   Use um dos seguintes métodos para obter um ARN do IAM:
   + **Programaticamente com o SDK AI SageMaker Python**

     ```
     import sagemaker
     
     # Initialize SageMaker Session object so you can interact with AWS resources
     sess = sagemaker.Session()
     
     # Get the role ARN 
     role = sagemaker.get_execution_role()
     
     print(role)
     >> arn:aws:iam::<your-aws-account-id>:role/<your-role-name>
     ```

     Para obter mais informações sobre como usar o SDK para SageMaker Python, consulte a API AI [SageMaker Python](https://sagemaker.readthedocs.io/en/stable/index.html) SDK.
   + **Usando o console AWS Identity and Access Management (IAM)**

     Navegue até o console do IAM em [https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/). Na seção **Recursos** do IAM, escolha **Funções** para ver uma lista de funções em sua conta AWS . Selecione ou crie uma função que tenha `AmazonSageMakerFullAccess`, `AWSIoTFullAccess` e `AmazonS3FullAccess`.

     Para obter mais informações sobre IAM, consulte [O que é IAM?](https://docs.aws.amazon.com/IAM/latest/UserGuide/introduction.html)

1. **Tenha um URI de bucket do S3.**

   Você precisa ter pelo menos um URI de bucket do Amazon Simple Storage Service (Amazon S3) para armazenar seu modelo compilado pelo NEO, a saída do trabalho de empacotamento do Edge Manager e dados de amostra da sua frota de dispositivos.

   Use um dos métodos a seguir para criar um bucket do Amazon S3:
   + **Programaticamente com o SDK AI SageMaker Python**

     Você pode usar o bucket padrão do Amazon S3 durante uma sessão. Um bucket padrão é criado com base no seguinte formato: `sagemaker-{region}-{aws-account-id}`. Para criar um bucket padrão com o SDK do SageMaker Python, use o seguinte:

     ```
     import sagemaker
     
     session=sagemaker.create_session()
     
     bucket=session.default_bucket()
     ```
   + **Usar o console do Amazon S3**

     Abra o console do Amazon S3 em [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)e veja [Como faço para criar um bucket S3](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html)? para step-by-step obter instruções.