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.

# Esegui un processo di formazione SageMaker distribuito con Model Parallelism
<a name="model-parallel-use-api"></a>

Scopri come eseguire un processo di formazione in parallelo a un modello utilizzando il Python SDK con la libreria Model Parallelism. SageMaker SageMaker 

Esistono tre casi d'uso per l'esecuzione di un processo di formazione. SageMaker 

1. Puoi utilizzare uno dei AWS Deep Learning Container predefiniti per e. TensorFlow PyTorch Questa opzione è consigliata se è la prima volta che utilizzi la libreria di parallelizzazione dei modelli. Per trovare un tutorial su come eseguire un processo di formazione parallela su SageMaker modelli, consulta i taccuini di esempio disponibili nella sezione [ PyTorch Training with Model Parallelism Library di Amazon SageMaker AI. ](https://github.com/aws/amazon-sagemaker-examples/tree/main/training/distributed_training/pytorch/model_parallel)

1. Puoi estendere i contenitori predefiniti per gestire eventuali requisiti funzionali aggiuntivi per il tuo algoritmo o modello che l'immagine Docker predefinita SageMaker non supporta. Per un esempio di come è possibile estendere un container predefinito, consulta [Estendere un Pre-built contenitore](prebuilt-containers-extend.md).

1. Puoi adattare il tuo contenitore Docker per funzionare con l' SageMaker intelligenza artificiale utilizzando il toolkit di formazione. [ SageMaker ](https://github.com/aws/sagemaker-training-toolkit) Per un esempio, consulta [Adapting your own training container](https://docs.aws.amazon.com/sagemaker/latest/dg/adapt-training-container.html).

Per le opzioni 2 e 3 nell'elenco precedente, consulta [Estendi un contenitore Pre-built Docker che contiene la libreria SageMaker parallela del modello distribuito](model-parallel-sm-sdk.md#model-parallel-customize-container) per informazioni su come installare la libreria di parallelismo dei modelli in un container Docker esteso o personalizzato. 

In tutti i casi, avvii il processo di formazione configurando SageMaker `TensorFlow` o attivando `PyTorch` ModelTrainer la libreria. Per ulteriori informazioni, consulta i seguenti argomenti.

**Topics**
+ [Passaggio 1: modifica il tuo script di addestramento utilizzando SageMaker la libreria parallela del modello distribuito](model-parallel-customize-training-script.md)
+ [Fase 2: Avvia un processo di formazione utilizzando SageMaker Python SDK](model-parallel-sm-sdk.md)