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.

# Caratteristiche principali della libreria di parallelismo dei SageMaker modelli v2
<a name="model-parallel-core-features-v2"></a>

La libreria di parallelismo dei modelli Amazon SageMaker AI v2 (SMP v2) offre strategie di distribuzione e tecniche di risparmio della memoria, come il parallelismo dei dati condivisi, il parallelismo tensoriale e il checkpoint. Le strategie e le tecniche di parallelizzazione dei modelli offerte da SMP v2 aiutano a distribuire modelli di grandi dimensioni su più dispositivi, ottimizzando al contempo la velocità di addestramento e il consumo di memoria. SMP v2 fornisce inoltre un pacchetto Python `torch.sagemaker` per contribuire ad adattare lo script di addestramento con poche righe di modifica del codice.

Questa guida segue il flusso di base in due fasi introdotto in [Usa la libreria di parallelismo dei SageMaker modelli v2](model-parallel-use-api-v2.md). Per approfondire la conoscenza delle funzionalità principali di SMP v2 e come utilizzarle, consulta i seguenti argomenti.

**Nota**  
Queste funzionalità principali sono disponibili in SMP v2.0.0 e versioni successive e in SageMaker Python SDK v2.200.0 e versioni successive, e funzionano per la versione 2.0.1 e successive. PyTorch Per verificare le versioni dei pacchetti, vedi [Framework supportati e Regioni AWS](distributed-model-parallel-support-v2.md).

**Topics**
+ [Parallelizzazione dei dati sottoposti a sharding](model-parallel-core-features-v2-sharded-data-parallelism.md)
+ [Parallelizzazione degli esperti](model-parallel-core-features-v2-expert-parallelism.md)
+ [Parallelizzazione del contesto](model-parallel-core-features-v2-context-parallelism.md)
+ [Compatibilità con la libreria SMDDP ottimizzata per l'infrastruttura AWS](model-parallel-core-features-v2-smddp-allgather.md)
+ [Addestramento di precisione misto](model-parallel-core-features-v2-mixed-precision.md)
+ [Inizializzazione ritardata dei parametri](model-parallel-core-features-v2-delayed-param-init.md)
+ [Checkpoint di attivazione](model-parallel-core-features-v2-pytorch-activation-checkpointing.md)
+ [Offload di attivazione](model-parallel-core-features-v2-pytorch-activation-offloading.md)
+ [Parallelizzazione tensoriale](model-parallel-core-features-v2-tensor-parallelism.md)
+ [Fine-tuning](model-parallel-core-features-v2-fine-tuning.md)
+ [FlashAttention](model-parallel-core-features-v2-flashattention.md)
+ [Checkpointing con SMP](model-parallel-core-features-v2-checkpoints.md)