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.

# Utilice un algoritmo para ejecutar un trabajo de capacitación
<a name="sagemaker-mkt-algo-train"></a>

Puede crear y utilizar un recurso de algoritmo para crear un trabajo de formación mediante la consola Amazon SageMaker AI, la SageMaker API de Amazon de bajo nivel o el [SDK de Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).

**nota**  
Su función de ejecución debe tener `sagemaker:DescribeAlgorithm` permiso para el recurso de algoritmo que especifique. Para obtener más información sobre los permisos de las funciones de ejecución, consulte[CreateTrainingJob API: permisos de rol de ejecución](sagemaker-roles.md#sagemaker-roles-createtrainingjob-perms).

**Topics**
+ [Utilice un algoritmo para ejecutar un trabajo de capacitación (consola)](#sagemaker-mkt-algo-train-console)
+ [Utilice un algoritmo para ejecutar un trabajo de capacitación (API)](#sagemaker-mkt-algo-train-api)
+ [Uso de un algoritmo para ejecutar un trabajo de formación ([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))](#sagemaker-mkt-algo-train-sdk)

## Utilice un algoritmo para ejecutar un trabajo de capacitación (consola)
<a name="sagemaker-mkt-algo-train-console"></a>

**Para utilizar un algoritmo para ejecutar un trabajo de capacitación (consola)**

1. Abra la consola de SageMaker IA en [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).

1. Elija **Algorithms (Algoritmos)**.

1. Elija un algoritmo de los que creado de la lista en la pestaña **My algorithms (Mis algoritmos)** o elija un algoritmo al que se suscribió en la pestaña ** subscriptions (Suscripciones de AWS Marketplace )**.

1. Elija **Crear trabajo de entrenamiento**.

   El algoritmo que eligió se seleccionará automáticamente.

1. En la página **Create training job (Crear trabajo de entrenamiento)** proporcione la siguiente información:

   1. En **Job name (Nombre del trabajo)**, escriba un nombre para el trabajo de capacitación.

   1. Para el **rol de IAM**, elige un rol de IAM que tenga los permisos necesarios para realizar trabajos de formación en SageMaker IA o elige **Crear un nuevo rol** para permitir que SageMaker AI cree un rol que tenga asociada la política `AmazonSageMakerFullAccess` gestionada. Para obtener información, consulte [Cómo utilizar las funciones de ejecución de la SageMaker IA](sagemaker-roles.md).

   1. Para **Resource configuration (Configuración de recursos)** proporcione la siguiente:

      1. En **Instance type (Tipo de instancia)**, elija el tipo de instancia que va a utilizar para la capacitación.

      1. En **Instance count (Recuento de instancias)**, escriba el número de instancias de ML que desea utilizar para el trabajo de capacitación.

      1. En **Additional volume per instance (GB) (Volumen adicional por instancia [GB])**, escriba el tamaño del volumen de almacenamiento de ML que desea aprovisionar. Los volúmenes de almacenamiento de ML almacenan artefactos de modelos y estados incrementales.

      1. En el caso de la **clave de cifrado**, si desea que Amazon SageMaker AI utilice una AWS clave del Servicio de administración de claves para cifrar los datos del volumen de almacenamiento de aprendizaje automático adjunto a la instancia de formación, especifique la clave.

      1. Para **Stopping condition (Condición de detención)**, especifique la cantidad máxima de tiempo en segundos, minutos, horas o días durante el cual desea que se ejecute el trabajo de capacitación.

   1. En **VPC**, elija una VPC de Amazon a la que quiera que acceda su contenedor de entrenamiento. Para obtener más información, consulte [Ofrezca a los trabajos de formación en SageMaker IA acceso a los recursos de su Amazon VPC](train-vpc.md).

   1. En **Hyperparameters (Hiperparámetros)**, especifique los valores de los hiperparámetros que se van a utilizar para el trabajo de capacitación.

   1. Para **Input data configuration (Configuración de datos de entrada)**, especifique los siguientes valores para cada canal de datos de entrada que se va a utilizar para el trabajo de capacitación. Puede ver qué canales admite el algoritmo que está utilizando para la asistencia de entrenamiento y el tipo de contenido, el tipo de compresión admitido y modos de entrada admitidos para cada canal bajo la sección **Channel specification (Especificación de canal)** de la página **Algorithm summary (Resumen del algoritmo)** para el algoritmo.

      1. En **Channel name (Nombre del canal)**, escriba el nombre del canal de entrada.

      1. En **Content type (Tipo de contenido)**, escriba el tipo de contenido de los datos que el algoritmo espera para el canal.

      1. Para **Compression type (Tipo de compresión)**, elija el tipo de compresión de datos que se va a utilizar, si procede.

      1. Para **Record wrapper (Contenedor de registros)**, elija `RecordIO` si el algoritmo espera los datos en el formato `RecordIO`.

      1. Para **S3 data type (Tipo de datos de S3)**, **S3 data distribution type (Tipo de distribución de datos de S3)** y **S3 location (Ubicación de S3)**, especifique los valores adecuados. Para obtener más información acerca del significado de estos valores, consulte [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_S3DataSource.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_S3DataSource.html).

      1. En **Input mode (Modo de entrada)**, seleccione **File (Archivo)** para descargar los datos desde el volumen de almacenamiento de machine learning provisionado y montar el directorio en un volumen de Docker. Elija **Pipe (Canalización)** para transmitir los datos directamente desde Amazon S3 al contenedor.

      1. Para añadir otro canal de entrada, elija **Add canal (Añadir canal)**. Si ha terminado de añadir canales de entrada, elija **Done (Listo)**.

   1. En **Output location (Ubicación de salida)**, especifique los siguientes valores:

      1. Para **S3 output path (Ruta de salida de S3)**, elija la ubicación de S3 donde el trabajo de capacitación almacena la salida, como por ejemplo, artefactos de modelo.
**nota**  
Usted utiliza los artefactos de modelos almacenados en esta ubicación para crear un modelo o paquete de modelos de este trabajo de capacitación.

      1. En el caso de la **clave de cifrado**, si desea que SageMaker AI utilice una AWS KMS clave para cifrar los datos de salida en reposo en la ubicación S3.

   1. En **Tags (Etiquetas)**, especifique una o varias etiquetas para administrar el trabajo de capacitación. Cada etiqueta consta de una clave y un valor opcional. Las claves de las etiquetas deben ser únicas para cada recurso.

   1. Seleccione **Create training job (Crear trabajo de capacitación)** para ejecutar el trabajo de capacitación.

## Utilice un algoritmo para ejecutar un trabajo de capacitación (API)
<a name="sagemaker-mkt-algo-train-api"></a>

Para usar un algoritmo para ejecutar un trabajo de entrenamiento mediante la SageMaker API, especifique el nombre o el Amazon Resource Name (ARN) como `AlgorithmName` campo del [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html)objeto al que se pasa. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) Para obtener información sobre los modelos de entrenamiento en SageMaker IA, consulte[Entrena a un modelo con Amazon SageMaker](how-it-works-training.md).

## Uso de un algoritmo para ejecutar un trabajo de formación ([Amazon SageMaker Python SDK](https://sagemaker.readthedocs.io/en/stable))
<a name="sagemaker-mkt-algo-train-sdk"></a>

Utilice un algoritmo que haya creado o al que se haya suscrito AWS Marketplace para crear un trabajo de entrenamiento, crear un `AlgorithmEstimator` objeto y especificar el nombre del recurso de Amazon (ARN) o el nombre del algoritmo como valor del `algorithm_arn` argumento. A continuación, llame al método `fit` del estimador. Por ejemplo:

```
from sagemaker import AlgorithmEstimator
data_path = os.path.join(DATA_DIR, 'marketplace', 'training')

algo = AlgorithmEstimator(
algorithm_arn='arn:aws:sagemaker:us-east-2:012345678901:algorithm/my-algorithm',
        role='SageMakerRole',
        instance_count=1,
        instance_type='ml.c4.xlarge',
        sagemaker_session=sagemaker_session,
        base_job_name='test-marketplace')

train_input = algo.sagemaker_session.upload_data(
path=data_path, key_prefix='integ-test-data/marketplace/train')

algo.fit({'training': train_input})
```