Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Elaborazione di dati con processori Framework A `FrameworkProcessor` può eseguire processi di elaborazione con un framework di machine learning specifico, fornendoti un contenitore SageMaker gestito da Amazon AI per qualsiasi framework di apprendimento automatico tu scelga. `FrameworkProcessor`fornisce contenitori predefiniti per i seguenti framework di apprendimento automatico: Hugging Face,,, e. MXNet PyTorch TensorFlow XGBoost La classe `FrameworkProcessor` fornisce anche la personalizzazione della configurazione del container. La classe `FrameworkProcessor` supporta la specificazione di una directory di origine `source_dir` per gli script di elaborazione e le dipendenze. Con questa funzionalità, è possibile concedere al processore l'accesso a più script in una directory invece di specificare un solo script. `FrameworkProcessor` supporta anche l'inclusione di un file `requirements.txt` nella `source_dir` per personalizzare le librerie Python da installare nel container. Per ulteriori informazioni sulla `FrameworkProcessor` classe e sui relativi metodi e parametri, consulta [FrameworkProcessor](https://sagemaker.readthedocs.io/en/stable/api/training/processing.html#sagemaker.processing.FrameworkProcessor)l'SDK *Amazon SageMaker AI Python*. Per vedere esempi di utilizzo di un `FrameworkProcessor` per ciascuno dei framework di machine learning supportati, consulta i seguenti argomenti. **Topics** + [Esempio di codice utilizzato HuggingFaceProcessor nell'SDK Amazon SageMaker Python](processing-job-frameworks-hugging-face.md) + [MXNet Processore Framework](processing-job-frameworks-mxnet.md) + [PyTorch Processore Framework](processing-job-frameworks-pytorch.md) + [TensorFlow Processore Framework](processing-job-frameworks-tensorflow.md) + [XGBoost Processore Framework](processing-job-frameworks-xgboost.md)