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.
# Uso di un algoritmo per eseguire un processo di addestramento
Puoi creare una risorsa algoritmica per creare un processo di formazione utilizzando la console Amazon SageMaker AI, l' SageMaker API Amazon di basso livello o l'SDK [Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).
**Nota**
Il tuo ruolo di esecuzione deve avere `sagemaker:DescribeAlgorithm` l'autorizzazione per la risorsa algoritmica specificata. Per ulteriori informazioni sulle autorizzazioni dei ruoli di esecuzione, vedere[CreateTrainingJob API: autorizzazioni per i ruoli di esecuzione](sagemaker-roles.md#sagemaker-roles-createtrainingjob-perms).
**Topics**
+ [Uso di un algoritmo per eseguire un processo di addestramento (console)](#sagemaker-mkt-algo-train-console)
+ [Uso di un algoritmo per eseguire un processo di addestramento (API)](#sagemaker-mkt-algo-train-api)
+ [Usa un algoritmo per eseguire un processo di formazione ([Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK)](#sagemaker-mkt-algo-train-sdk)
## Uso di un algoritmo per eseguire un processo di addestramento (console)
**Per usare un algoritmo per eseguire un processo di addestramento (console)**
1. Apri la console SageMaker AI all'indirizzo [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Scegli **Algoritmi**.
1. Scegli un algoritmo che hai creato dall'elenco nella scheda **I miei algoritmi** o scegli un algoritmo a cui è stato effettuato l'abbonamento nella scheda **Abbonamenti Marketplace AWS **.
1. Scegli **Crea processo di addestramento**.
L'algoritmo scelto verrà automaticamente selezionato.
1. Nella pagina **Crea processo di addestramento**, inserisci le seguenti informazioni:
1. Per **Nome processo**, digita un nome per il processo di addestramento.
1. Per **il ruolo IAM**, scegli un ruolo IAM con le autorizzazioni necessarie per eseguire lavori di formazione sull' SageMaker IA oppure scegli **Crea un nuovo ruolo** per consentire all' SageMaker IA di creare un ruolo con la policy `AmazonSageMakerFullAccess` gestita allegata. Per informazioni, consulta [Come utilizzare i ruoli di esecuzione dell' SageMaker IA](sagemaker-roles.md).
1. Per **Configurazione delle risorse**, specifica le seguenti informazioni:
1. Per **Tipo di istanza**, scegli il tipo di istanza da utilizzare per l’addestramento.
1. Per **Conteggio istanze**, digita il numero di istanze ML da utilizzare per il processo di addestramento.
1. Per **Volume aggiuntivo per istanza (GB)**, digita le dimensioni del volume di storage ML da assegnare. I volumi di storage ML memorizzano gli artefatti di modello e gli stati incrementali.
1. Per la **chiave di crittografia**, se desideri che Amazon SageMaker AI utilizzi una AWS chiave del servizio di gestione delle chiavi per crittografare i dati nel volume di archiviazione ML collegato all'istanza di formazione, specifica la chiave.
1. Per **Condizione di arresto**, specifica il periodo di tempo massimo in secondi, minuti, ore o giorni che può durare l'esecuzione del processo di addestramento.
1. Per **VPC**, scegli un Amazon VPC a cui il container di addestramento può accedere. Per ulteriori informazioni, consulta [Offri SageMaker ai corsi di formazione sull'intelligenza artificiale l'accesso alle risorse nel tuo Amazon VPC](train-vpc.md).
1. Per **Iperparametri**, specifica i valori degli iperparametri da utilizzare per il processo di addestramento.
1. Per **Configurazione dei dati di input**, specifica i valori riportati di seguito per ogni canale di dati di input da utilizzare per il processo di addestramento. Puoi vedere quali canali sono supportati dall'algoritmo in uso per i processi di addestramento, il tipo di contenuto, il tipo di compressione supportato e le modalità di input supportate per ciascun canale, nella sezione **Specifica del canale** della pagina **Riepilogo dell'algoritmo** per l'algoritmo.
1. Per **Nome canale** digita il nome del canale di input.
1. Per **Tipo di contenuto** digita il tipo di contenuto dei dati previsti dall'algoritmo per il canale.
1. Per **Tipo di compressione**, scegli il tipo di compressione dei dati da utilizzare, se presente.
1. Per **Wrapper dei record**, scegli `RecordIO` se l'algoritmo prevede dati nel formato `RecordIO`.
1. Per **Tipo di dati S3**, **Tipo di distribuzione dei dati S3** e **Percorso S3**, specifica i valori appropriati. Per informazioni sul significato dei valori, consulta [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_S3DataSource.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_S3DataSource.html).
1. Per **Modalità di input**, scegli **File** per scaricare i dati dal volume di storage ML assegnato e montare la directory su un volume Docker. Scegli **Pipe** per eseguire lo streaming dei dati direttamente da Amazon S3 al container.
1. Per aggiungere un altro canale di input, scegli **Aggiungi canale**. Una volta terminata l'aggiunta dei canali di input, scegli **Fatto**.
1. Per il percorso di **output**, specifica i seguenti valori:
1. Per **Percorso di output S3**, scegli il percorso S3 in cui il processo di addestramento archivia l'output, ad esempio gli artefatti del modello.
**Nota**
Gli artefatti del modello memorizzati in questa posizione vengono utilizzati per creare un modello o un pacchetto di modelli da questo processo di addestramento.
1. Per la **chiave di crittografia**, se desideri che l' SageMaker IA utilizzi una AWS KMS chiave per crittografare i dati di output inattivi nella posizione S3.
1. Per **Tag**, specifica uno o più tag per gestire il processo di addestramento. Ciascun tag è formato da una chiave e da un valore facoltativo. Le chiavi dei tag devono essere univoche per ogni risorsa.
1. Scegli **Crea processo di addestramento** per eseguire il processo di addestramento.
## Uso di un algoritmo per eseguire un processo di addestramento (API)
Per utilizzare un algoritmo per eseguire un processo di formazione utilizzando l' SageMaker API, specifica il nome o Amazon Resource Name (ARN) come `AlgorithmName` campo dell'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html)oggetto a cui passi. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) Per informazioni sui modelli di addestramento nell' SageMaker intelligenza artificiale, consulta[Addestra un modello con Amazon SageMaker](how-it-works-training.md).
## Usa un algoritmo per eseguire un processo di formazione ([Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK)
Usa un algoritmo che hai creato o a cui ti sei iscritto Marketplace AWS per creare un processo di formazione, crea un `AlgorithmEstimator` oggetto e specifica Amazon Resource Name (ARN) o il nome dell'algoritmo come valore dell'`algorithm_arn`argomento. Quindi, richiama il metodo `fit` dello strumento di valutazione. Esempio:
```
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})
```