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.

# Usa lo stimatore generico SageMaker AI per estendere i contenitori DLC predefiniti
<a name="data-parallel-use-python-skd-api"></a>

Puoi personalizzare i contenitori SageMaker AI predefiniti o estenderli per gestire eventuali requisiti funzionali aggiuntivi per il tuo algoritmo o modello che l'immagine Docker SageMaker AI predefinita non supporta. Per un esempio di come è possibile estendere un container predefinito, consulta [Estendere un container predefinito](https://docs.aws.amazon.com/sagemaker/latest/dg/prebuilt-containers-extend.html).

Per estendere un container predefinito o adattare il tuo container all'uso della libreria, devi utilizzare una delle immagini elencate in [Framework supportati](distributed-data-parallel-support.md#distributed-data-parallel-supported-frameworks).

**Nota**  
A partire dalla TensorFlow versione 2.4.1 e PyTorch 1.8.1, i DLC del framework SageMaker AI supportano i tipi di istanza. EFA-enabled Ti consigliamo di utilizzare le immagini DLC che contengono TensorFlow 2.4.1 o versioni successive e 1.8.1 o versioni successive. PyTorch 

Ad esempio, se usi PyTorch, il tuo Dockerfile dovrebbe contenere un'`FROM`istruzione simile alla seguente:

```
# SageMaker AI PyTorch image
FROM 763104351884.dkr.ecr.{{<aws-region>}}.amazonaws.com/pytorch-training:{{<image-tag>}}

ENV PATH="/opt/ml/code:${PATH}"

# this environment variable is used by the SageMaker AI PyTorch container to determine our user code directory.
ENV SAGEMAKER_SUBMIT_DIRECTORY /opt/ml/code

# /opt/ml and all subdirectories are utilized by SageMaker AI, use the /code subdirectory to store your user code.
COPY {{train.py}} /opt/ml/code/train.py

# Defines cifar10.py as script entrypoint
ENV SAGEMAKER_PROGRAM {{train.py}}
```

Puoi personalizzare ulteriormente il tuo contenitore Docker per funzionare con l' SageMaker IA utilizzando il toolkit di [ SageMaker formazione ](https://github.com/aws/sagemaker-training-toolkit) e il file binario della libreria parallela di dati distribuiti SageMaker AI. Per ulteriori informazioni, consulta le istruzioni nella sezione seguente.