Recientemente, las aplicaciones de IoT que utilizan Redes Neuronales Profundas (DNN) en dispositivos integrados en el borde están aumentando. En general, en el caso de las aplicaciones de DNN en el sistema de IoT, el entrenamiento se realiza principalmente en el servidor y la operación de inferencia se realiza en el dispositivo integrado en el borde. Los dispositivos integrados en el borde aún soportan muchas cargas en las operaciones de inferencia debido a los recursos informáticos bajos, por lo que se requiere una personalización adecuada de DNN con exploración arquitectónica. Sin embargo, hay pocos marcos integrados para facilitar la exploración y personalización de varios modelos de DNN y sus operaciones en dispositivos integrados en el borde. En este documento, proponemos un marco integrado que puede explorar y personalizar las operaciones de inferencia de DNN de modelos de DNN en dispositivos integrados en el borde. El marco consta de la parte de la interfaz de usuario GUI, la parte del motor de inferencia y la parte de la Plataforma Virtual del Acelerador de Aprendizaje Profundo (DLA). Se centra específicamente en la Red Neuronal Convolucional (CNN) y proporciona interoperabilidad integrada para modelos de redes neuronales convolucionales y técnicas de personalización de redes neuronales como la cuantificación y las funciones de interconexión. Además, es posible la estimación del rendimiento al proporcionar DLA VP de hardware para dispositivos integrados en el borde. Estas características se proporcionan como interfaces GUI basadas en la web, por lo que los usuarios pueden utilizarlas fácilmente.