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. # Procesamiento de datos con procesadores Framework A `FrameworkProcessor` puede ejecutar trabajos de procesamiento con un marco de aprendizaje automático específico, lo que le proporciona un contenedor SageMaker administrado por Amazon AI para cualquier marco de aprendizaje automático que elija. `FrameworkProcessor`proporciona contenedores prediseñados para los siguientes marcos de aprendizaje automático: Hugging Face,, MXNet PyTorch, TensorFlow y. XGBoost La `FrameworkProcessor` clase también ofrece la posibilidad de personalizar la configuración del contenedor. La clase `FrameworkProcessor` admite la especificación de un directorio fuente `source_dir` para los scripts y las dependencias de procesamiento. Con esta capacidad, puede dar al procesador acceso a varios scripts de un directorio en lugar de especificar solo un script. `FrameworkProcessor` también admite la inclusión de un archivo `requirements.txt` en el `source_dir` para personalizar las bibliotecas de Python para instalarlas en el contenedor. Para obtener más información sobre la `FrameworkProcessor` clase y sus métodos y parámetros, consulte [FrameworkProcessor](https://sagemaker.readthedocs.io/en/stable/api/training/processing.html#sagemaker.processing.FrameworkProcessor)el *SDK de Python de Amazon SageMaker AI*. Para ver ejemplos del uso de un `FrameworkProcessor` para cada uno de los marcos de machine learning compatibles, consulte los siguientes temas. **Topics** + [Ejemplo de código utilizado HuggingFaceProcessor en el SDK de Amazon SageMaker Python](processing-job-frameworks-hugging-face.md) + [MXNet Procesador Framework](processing-job-frameworks-mxnet.md) + [PyTorch Procesador Framework](processing-job-frameworks-pytorch.md) + [TensorFlow Procesador Framework](processing-job-frameworks-tensorflow.md) + [XGBoost Procesador Framework](processing-job-frameworks-xgboost.md)