本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 架構處理器的資料處理
<a name="processing-job-frameworks"></a>

`FrameworkProcessor` 可以使用指定的機器學習架構執行處理任務，為您選擇的任何機器學習架構提供 Amazon SageMaker AI 受管容器。`FrameworkProcessor` 為下列機器學習架構提供預製容器：Hugging Face、MXNet、PyTorch、TensorFlow 和 XGBoost。

`FrameworkProcessor` 類別也為您提供容器組態的自訂功能。`FrameworkProcessor` 類別支援指定處理指令碼和相依性的來源目錄 `source_dir`。使用此功能，您可以將目錄中的多個指令碼存取權授予處理器，而非僅指定一個指令碼。`FrameworkProcessor` 也支援在 `source_dir` 中包含 `requirements.txt` 檔案，以自訂要安裝在容器中的 Python 程式庫。

如需有關 `FrameworkProcessor` 類別及其方法和參數的更多資訊，請參閱 *Amazon SageMaker AI Python SDK* 中的 [FrameworkProcessor](https://sagemaker.readthedocs.io/en/stable/api/training/processing.html#sagemaker.processing.FrameworkProcessor)。

若要查看針對每個受支援的機器學習架構使用 `FrameworkProcessor` 的範例，請參閱下列主題。

**Topics**
+ [在 Amazon SageMaker Python SDK 中使用 HuggingFaceProcessor 的程式碼範例](processing-job-frameworks-hugging-face.md)
+ [MXNet 架構處理器](processing-job-frameworks-mxnet.md)
+ [PyTorch 架構處理器](processing-job-frameworks-pytorch.md)
+ [TensorFlow 架構處理器](processing-job-frameworks-tensorflow.md)
+ [XGBoost 架構處理器](processing-job-frameworks-xgboost.md)