Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Ejecución de una canalización
<a name="pipelines-step-decorator-run-pipeline"></a>

En la siguiente página, se describe cómo ejecutar una canalización con Amazon SageMaker Pipelines, ya sea con recursos de SageMaker IA o de forma local.

Inicie una nueva ejecución de canalización con la `pipeline.start()` función como lo haría con una canalización de SageMaker IA tradicional. Para obtener información sobre la `start()` función, consulta [sagemaker.workflow.pipeline. Pipeline.start](https://sagemaker.readthedocs.io/en/stable/workflows/pipelines/sagemaker.workflow.pipelines.html#sagemaker.workflow.pipeline.Pipeline.start).

**nota**  
Un paso definido con el decorador `@step` funciona como un trabajo de entrenamiento. Por tanto, debe tener en cuenta los siguientes límites:  
Límites de instancias y límites de trabajos de entrenamiento en sus cuentas. Actualice sus límites en consecuencia para evitar problemas de limitación o límites de recursos.
El costo económico asociado a cada ejecución de un paso de entrenamiento de la canalización. Para obtener más información, consulta los [ SageMaker precios de Amazon](https://aws.amazon.com/sagemaker/pricing/).

## Recuperación de los resultados de una canalización ejecutada localmente
<a name="pipelines-step-decorator-run-pipeline-retrieve"></a>

Para ver el resultado de cualquier paso de la ejecución de una canalización, use [execution.result()](https://sagemaker.readthedocs.io/en/stable/workflows/pipelines/sagemaker.workflow.pipelines.html#sagemaker.workflow.pipeline._PipelineExecution.result           ), como se muestra en el siguiente fragmento:

```
execution = pipeline.start()
execution.result(step_name="train")
```

**nota**  
Canalizaciones no es compatible con `execution.result()` en el modo local.

Solo puede recuperar los resultados de un paso cada vez. Si el nombre del paso lo generó la SageMaker IA, puedes recuperarlo llamando de la `list_steps` siguiente manera:

```
execution.list_step()
```

## Ejecución de una canalización de forma local
<a name="pipelines-step-decorator-run-pipeline-local"></a>

Puede ejecutar una canalización con pasos decorados con `@step` localmente, como lo haría con los pasos de una canalización tradicional. Para obtener más información sobre la ejecución de canalizaciones en modo local, consulte [Ejecución de canalizaciones en modo local](pipelines-local-mode.md). Para usar el modo local, proporciona una `LocalPipelineSession` en lugar de una `SageMakerSession` a su definición de canalización, tal y como se muestra en el siguiente ejemplo:

```
from sagemaker.workflow.function_step import step
from sagemaker.workflow.pipeline import Pipeline
from sagemaker.workflow.pipeline_context import LocalPipelineSession

@step
def train():
    training_data = s3.download(....)
    ...
    return trained_model
    
step_train_result = train()

local_pipeline_session = LocalPipelineSession()

local_pipeline = Pipeline(
    name="{{<pipeline-name>}}",
    steps=[step_train_result],
    sagemaker_session=local_pipeline_session # needed for local mode
)

local_pipeline.create(role_arn="role_arn")

# pipeline runs locally
execution = local_pipeline.start()
```