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.

# Capacitación distribuida con Amazon SageMaker AI RL
<a name="sagemaker-rl-distributed"></a>

Amazon SageMaker AI RL admite la formación distribuida de varios núcleos y varias instancias. Según su caso de uso, la implementación del and/or entorno de formación puede distribuirse. Por ejemplo, SageMaker AI RL funciona en los siguientes escenarios distribuidos:
+ Una sola instancia de entrenamiento y varias instancias de implementación del mismo tipo de instancia. Para ver un ejemplo, consulte el ejemplo de compresión de redes neuronales en el [repositorio de ejemplos de SageMaker IA](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/reinforcement_learning).
+ Instancia de entrenador única y varias instancias de implementación, en las que hay diferentes tipos de instancias para entrenamiento e implementaciones. Para ver un ejemplo, consulta el AWS RoboMaker ejemplo AWS DeepRacer /en el [repositorio de ejemplos de SageMaker IA](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/reinforcement_learning).
+ Instancia de entrenador única que utiliza varios núcleos para la implementación. Para ver un ejemplo, consulta el ejemplo de Roboschool en el [repositorio de ejemplos de SageMaker IA](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/reinforcement_learning). Esto resulta útil si el entorno de simulación es ligero y se puede ejecutar en un solo subproceso. 
+ Varias instancias para entrenamiento e implementación. Para ver un ejemplo, consulta el ejemplo de Roboschool en el repositorio de [ejemplos de SageMaker IA](https://github.com/awslabs/amazon-sagemaker-examples/tree/master/reinforcement_learning).