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.

# Esecuzione di job di addestramento in un cluster eterogeneo
<a name="train-heterogeneous-cluster"></a>

Utilizzando la funzionalità di cluster eterogenei di SageMaker Training, puoi eseguire un processo di formazione con più tipi di istanze ML per una migliore scalabilità e utilizzo delle risorse per diverse attività e scopi di formazione ML. Ad esempio, se il tuo lavoro di formazione su un cluster con istanze GPU presenta un basso utilizzo della GPU e problemi di collo di bottiglia della CPU dovuti alle CPU-intensive attività, l'utilizzo di un cluster eterogeneo può aiutarti a scaricare CPU-intensive le attività aggiungendo gruppi di istanze CPU più convenienti, risolvere tali problemi di collo di bottiglia e ottenere un migliore utilizzo della GPU.

**Nota**  
Questa funzionalità SageMaker è disponibile in Python SDK v2.98.0 e versioni successive.

**Nota**  
Questa funzionalità è disponibile tramite la classe AI. SageMaker [ ModelTrainer ](https://sagemaker.readthedocs.io/en/stable/api/sagemaker_train.html) I framework supportati sono la versione PyTorch 1.10 o successiva e TensorFlow la versione 2.6 o successiva.

Consulta anche il blog [ Migliora il rapporto prezzo/prestazioni del training dei tuoi modelli utilizzando i cluster eterogenei di Amazon AI. SageMaker ](https://aws.amazon.com/blogs/machine-learning/improve-price-performance-of-your-model-training-using-amazon-sagemaker-heterogeneous-clusters/)

**Topics**
+ [Configura un processo di formazione con un cluster eterogeneo in Amazon AI SageMaker](train-heterogeneous-cluster-configure.md)
+ [Esegui un training distribuito su un cluster eterogeneo in Amazon AI SageMaker](train-heterogeneous-cluster-configure-distributed.md)
+ [Modificare uno script di addestramento per assegnare gruppi di istanze](train-heterogeneous-cluster-modify-training-script.md)