Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Praktik Terbaik
<a name="pipelines-step-decorator-best"></a>

Bagian berikut menyarankan praktik terbaik untuk diikuti ketika Anda menggunakan `@step` dekorator untuk langkah-langkah pipeline Anda.

## Gunakan kolam hangat
<a name="pipelines-step-decorator-best-warmpool"></a>

Untuk langkah pipa yang lebih cepat berjalan, gunakan fungsionalitas penyatuan hangat yang disediakan untuk pekerjaan pelatihan. Anda dapat mengaktifkan fungsionalitas kolam hangat dengan memberikan `keep_alive_period_in_seconds` argumen kepada `@step` dekorator seperti yang ditunjukkan dalam cuplikan berikut:

```
@step(
   keep_alive_period_in_seconds=900
)
```

Untuk informasi lebih lanjut tentang kolam hangat, lihat[SageMaker Kolam Hangat yang Dikelola AI](train-warm-pools.md). 

## Struktur direktori Anda
<a name="pipelines-step-decorator-best-dir"></a>

Anda disarankan untuk menggunakan modul kode saat menggunakan `@step` dekorator. Letakkan `pipeline.py` modul, di mana Anda menjalankan fungsi langkah dan menentukan pipeline, di root ruang kerja. Struktur yang direkomendasikan ditunjukkan sebagai berikut:

```
.
├── config.yaml # the configuration file that define the infra settings
├── requirements.txt # dependencies
├── pipeline.py  # invoke @step-decorated functions and define the pipeline here
├── steps/
| ├── processing.py
| ├── train.py
├── data/
├── test/
```