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。

# 满足先决条件
<a name="edge-packaging-job-prerequisites"></a>

要打包模型，您必须执行以下操作：

1. **使用 SageMaker AI Neo 编译您的机器学习模型。**

   如果您还没有这样做，请使用 SageMaker Neo 编译您的模型。有关如何编译模型的更多信息，请参阅[使用 Neo 编译和部署模型](https://docs.aws.amazon.com/sagemaker/latest/dg/neo.html)。如果您是首次使用 SageMaker Neo，请阅读 Neo E [dge 设备入门](https://docs.aws.amazon.com/sagemaker/latest/dg/neo-getting-started-edge.html)。

1. **获取您的编译作业的名字。**

   提供您在使用 SageMaker Neo 编译模型时使用的编译任务名称的名称。打开 SageMaker AI 控制台，[https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/)然后选择**编译作业**，查找已提交到您的 AWS 账户的编译列表。已提交的编译作业的名称在**名称**列中。

1. **获取您的 IAM ARN。**

   您需要一个 IAM 角色的亚马逊资源名称 (ARN)，您可以使用该名称下载和上传模型并联系 SageMaker Neo。

   使用以下方法之一获取您的 IAM ARN：
   + **使用 SageMaker AI Python 软件开发工具包以编程方式使用**

     ```
     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>
     ```

     有关使用 SageMaker Python 开发工具包的更多信息，请参阅 [SageMaker AI Python SDK API](https://sagemaker.readthedocs.io/en/stable/index.html)。
   + **使用 AWS Identity and Access Management (IAM) 控制台**

     导航到 [https://console.aws.amazon.com/iam/](https://console.aws.amazon.com/iam/) 的 IAM 控制台。在 IAM **资源**部分，选择**角色**以查看您的 AWS 账户中的角色列表。选择或创建具有 `AmazonSageMakerFullAccess`、`AWSIoTFullAccess` 和 `AmazonS3FullAccess` 的角色。

     有关 IAM 的更多信息，请参阅[什么是 IAM？](https://docs.aws.amazon.com/IAM/latest/UserGuide/introduction.html)

1. **有 S3 存储桶 URI。**

   您至少需要一个 Amazon Simple Storage Service (Amazon S3) 存储桶 URI 来存储经过 Neo 编译的模型、Edge Manager 打包作业的输出以及设备队列中的示例数据。

   使用以下方法之一创建 Amazon S3 存储桶：
   + **使用 SageMaker AI Python 软件开发工具包以编程方式使用**

     您可以在会话期间使用默认 Amazon S3 存储桶。默认存储桶是基于以下格式创建的：`sagemaker-{region}-{aws-account-id}`。要使用 SageMaker Python 开发工具包创建默认存储桶，请使用以下内容：

     ```
     import sagemaker
     
     session=sagemaker.create_session()
     
     bucket=session.default_bucket()
     ```
   + **使用 Amazon S3 控制台**

     打开 Amazon S3 控制台 [https://console.aws.amazon.com/s3/](https://console.aws.amazon.com/s3/)，参见[如何创建 S3 存储桶？](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html) 以获取 step-by-step说明。