El paradigma de la computación perimetral permite el procesamiento de datos en el sitio, pero requiere computadoras robustas para algoritmos intensivos en recursos como el aprendizaje profundo. Este proyecto tiene como objetivo desarrollar una biblioteca de aprendizaje profundo para la computación de borde. Incluye capas populares de arquitecturas RNN y CNN. Se realizan pruebas tanto en una computadora como en cuatro plataformas integradas para verificar el diseño de la biblioteca y evaluar la plataforma idoneidad para clasificar cuatro modelos. El estudio también considera el tamaño del modelo y la capacidad computacional recursos para el análisis de escalabilidad.