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. # Lift-and-shift Código Python con el decorador @step El decorador `@step` es una característica que convierte el código de machine learning (ML) local en uno o más pasos de canalización. Puede escribir su función de ML como para cualquier proyecto de ML. Una vez probada localmente o como un trabajo de formación con el `@remote` decorador, puedes convertir la función en un paso de proceso de SageMaker IA añadiendo un `@step` decorador. A continuación, puede pasar la salida de la llamada a la función decorada con `@step` como un paso a Canalizaciones para crear y ejecutar una canalización. También puede encadenar una serie de funciones con el decorador `@step` para crear también una canalización de gráficos acíclicos dirigidos (DAG) de varios pasos. La configuración para usar el decorador `@step` es la misma que la configuración para usar el decorador `@remote`. Puede consultar la documentación de las funciones remotas para obtener información sobre cómo [configurar el entorno](https://docs.aws.amazon.com/sagemaker/latest/dg/train-remote-decorator.html#train-remote-decorator-env) y [utilizar un archivo de configuración](https://docs.aws.amazon.com/sagemaker/latest/dg/train-remote-decorator-config.html) para establecer los valores predeterminados. Para obtener más información sobre el decorador `@step`, consulte [sagemaker.workflow.function\_step.step](https://sagemaker.readthedocs.io/en/stable/workflows/pipelines/sagemaker.workflow.pipelines.html#sagemaker.workflow.function_step.step). Para ver ejemplos de cuadernos que demuestran el uso del decorador `@step`, consulte [@step decorator sample notebooks](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker-pipelines/step-decorator). En las siguientes secciones, se explica cómo anotar el código de ML local con un decorador `@step`para crear un paso, crear y ejecutar una canalización utilizando el paso y personalizar la experiencia para su caso de uso. **Topics** + [Crea una canalización con funciones decoradas con `@step`](pipelines-step-decorator-create-pipeline.md) + [Ejecución de una canalización](pipelines-step-decorator-run-pipeline.md) + [Configuración de la canalización](pipelines-step-decorator-cfg-pipeline.md) + [Prácticas recomendadas](pipelines-step-decorator-best.md) + [Limitaciones](pipelines-step-decorator-limit.md)