As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Usar um algoritmo para executar um trabalho de treinamento
Você pode criar e usar um recurso de algoritmo para criar um trabalho de treinamento usando o console Amazon SageMaker AI, a SageMaker API de baixo nível da Amazon ou o SDK do [Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).
**nota**
Sua função de execução deve ter `sagemaker:DescribeAlgorithm` permissão para o recurso de algoritmo que você especificar. Para obter mais informações sobre permissões de funções de execução, consulte[CreateTrainingJob API: Permissões da função de execução](sagemaker-roles.md#sagemaker-roles-createtrainingjob-perms).
**Topics**
+ [Usar um algoritmo para executar um trabalho de treinamento (console)](#sagemaker-mkt-algo-train-console)
+ [Usar um algoritmo para executar um trabalho de treinamento (API)](#sagemaker-mkt-algo-train-api)
+ [Use um algoritmo para executar um trabalho de treinamento ([Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK)](#sagemaker-mkt-algo-train-sdk)
## Usar um algoritmo para executar um trabalho de treinamento (console)
**Para usar um algoritmo para executar um trabalho de treinamento (console)**
1. Abra o console de SageMaker IA em [https://console.aws.amazon.com/sagemaker/](https://console.aws.amazon.com/sagemaker/).
1. Escolha **Algoritmos**.
1. Escolha um algoritmo que você criou a partir da lista na guia **Meus algoritmos** ou escolha um algoritmo que você assinou na guia **AWS Marketplace assinaturas**.
1. Escolha **Criar trabalho de treinamento**.
O algoritmo escolhido será automaticamente selecionado.
1. Na página **Criar trabalho de treinamento**, forneça as seguintes informações:
1. Para **Nome do trabalho**, digite um nome para o trabalho de treinamento.
1. Para a **função IAM**, escolha uma função do IAM que tenha as permissões necessárias para executar trabalhos de treinamento em SageMaker IA ou escolha **Criar uma nova função** para permitir que a SageMaker IA crie uma função que tenha a política `AmazonSageMakerFullAccess` gerenciada anexada. Para mais informações, consulte [Como usar funções de execução de SageMaker IA](sagemaker-roles.md).
1. Para **Configuração de recursos**, forneça as seguintes informações:
1. Para **Tipo de instância**, escolha o tipo de instância a ser usado para treinamento.
1. Para **Contagem de instâncias**, digite o número de instâncias de ML a serem usadas no trabalho de treinamento.
1. Para **Volume adicional por instância (GB)**, digite o tamanho do volume de armazenamento de ML que você deseja provisionar. Volumes de armazenamento de ML armazenam artefatos de modelo e estados incrementais.
1. Para **Chave de criptografia**, se você quiser que a Amazon SageMaker AI use uma AWS chave do Key Management Service para criptografar dados no volume de armazenamento de ML anexado à instância de treinamento, especifique a chave.
1. Para **Condição de interrupção**, especifique o tempo máximo em segundos, minutos, horas ou dias que você deseja que o trabalho de treinamento seja executado.
1. Para **VPC**, escolha uma Amazon VPC que você deseja permitir que o seu contêiner de treinamento acesse. Para obter mais informações, consulte [Dê aos trabalhos de treinamento de SageMaker IA acesso aos recursos em sua Amazon VPC](train-vpc.md).
1. Para **Hiperparâmetros**, especifique os valores dos hiperparâmetros a serem usados para o trabalho de treinamento.
1. Para **Configuração dos dados de entrada**, especifique os seguintes valores para cada canal de dados de entrada a ser usado para o trabalho de treinamento. Você pode ver quais são os canais compatíveis pelo algoritmo usado para treinamento, o tipo de conteúdo compatível, o tipo de compressão com suporte e os modos de entrada com suporte para cada canal na seção **Especificação do canal** da página **Resumo do algoritmo** desse algoritmo.
1. Para **Nome do canal**, digite o nome do canal de entrada.
1. Para **Tipo de conteúdo**, digite o tipo de conteúdo dos dados que o algoritmo espera para o canal.
1. Para **Tipo de compactação**, escolha o tipo de compactação de dados a ser usado, se houver.
1. Para **Wrapper de registro**, escolha `RecordIO` se o algoritmo espera dados no formato `RecordIO`.
1. Para **Tipo de dados do S3**, **Tipo de distribuição de dados do S3** e **Localização do S3**, especifique os valores apropriados. Para obter informações sobre o significado desses 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. Para **Modo de entrada**, escolha **Arquivo** para fazer download dos dados do volume de armazenamento de ML provisionado e montar o diretório em um volume do Docker. Escolha **Pipe** para transmitir dados diretamente do Amazon S3 para o contêiner.
1. Para adicionar outro canal de entrada, escolha **Adicionar canal**. Se você terminou de adicionar canais de entrada, escolha **Concluído**.
1. Para a localização da **Saída**, especifique os seguintes valores:
1. Para **Caminho de saída do S3**, escolha a localização do S3 na qual o trabalho de treinamento armazena a saída, como artefatos de modelo.
**nota**
Você usa os artefatos de modelo armazenados nessa localização para criar um modelo ou um pacote de modelos a partir desse trabalho de treinamento.
1. Para a **chave de criptografia**, se você quiser que a SageMaker IA use uma AWS KMS chave para criptografar os dados de saída em repouso no local do S3.
1. Para **Tags**, especifique uma ou mais tags para gerenciar o trabalho de treinamento. Cada tag consiste em uma chave e um valor opcional. Chaves de tags devem ser exclusivas por recurso.
1. Escolha **Criar trabalho de treinamento** para executar o trabalho de treinamento.
## Usar um algoritmo para executar um trabalho de treinamento (API)
Para usar um algoritmo para executar um trabalho de treinamento usando a SageMaker API, especifique o nome ou o Amazon Resource Name (ARN) como o `AlgorithmName` campo do [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_AlgorithmSpecification.html)objeto para o qual você passa. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) Para obter informações sobre modelos de treinamento em SageMaker IA, consulte[Treine um modelo com a Amazon SageMaker](how-it-works-training.md).
## Use um algoritmo para executar um trabalho de treinamento ([Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable) SDK)
Use um algoritmo que você criou ou assinou AWS Marketplace para criar um trabalho de treinamento, criar um `AlgorithmEstimator` objeto e especificar o Amazon Resource Name (ARN) ou o nome do algoritmo como o valor do `algorithm_arn` argumento. Em seguida, chame o método `fit` do estimador. Por exemplo:
```
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})
```