Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Jobs auf SageMaker HyperPod Clustern
<a name="sagemaker-hyperpod-run-jobs-slurm"></a>

Die folgenden Themen enthalten Verfahren und Beispiele für den Zugriff auf Rechenknoten und die Ausführung von ML-Workloads auf bereitgestellten SageMaker HyperPod Clustern. Je nachdem, wie Sie die Umgebung auf Ihrem HyperPod Cluster eingerichtet haben, gibt es viele Möglichkeiten, ML-Workloads auf Clustern auszuführen. HyperPod Beispiele für die Ausführung von ML-Workloads auf HyperPod Clustern finden Sie auch im [Awsome Distributed](https://github.com/aws-samples/awsome-distributed-training/) Training Repository. GitHub In den folgenden Themen erfahren Sie, wie Sie sich bei den bereitgestellten HyperPod Clustern anmelden und wie Sie mit der Ausführung von ML-Beispielworkloads beginnen können.

**Tipp**  
[Praktische Beispiele und Lösungen finden Sie auch im SageMaker HyperPod Workshop.](https://catalog.workshops.aws/sagemaker-hyperpod)

**Topics**
+ [Zugriff auf Ihre SageMaker HyperPod Clusterknoten](sagemaker-hyperpod-run-jobs-slurm-access-nodes.md)
+ [Planung eines Slurm-Jobs auf einem Cluster SageMaker HyperPod](sagemaker-hyperpod-run-jobs-slurm-schedule-slurm-job.md)
+ [Docker-Container auf einem Slurm-Rechenknoten ausführen auf HyperPod](sagemaker-hyperpod-run-jobs-slurm-docker.md)
+ [Ausführung verteilter Trainingsworkloads mit aktiviertem Slurm HyperPod](sagemaker-hyperpod-run-jobs-slurm-distributed-training-workload.md)