As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Execute um trabalho de treinamento SageMaker distribuído com paralelismo de modelos
<a name="model-parallel-use-api"></a>

Saiba como executar um trabalho de treinamento paralelo de modelo com seu próprio script de treinamento usando o SDK do SageMaker Python com a biblioteca de paralelismo de modelos. SageMaker 

Há três cenários de uso para executar um trabalho de SageMaker treinamento.

1. Você pode usar um dos contêineres de aprendizado AWS profundo pré-construídos para TensorFlow e. PyTorch Essa opção é recomendada se for a primeira vez que você usa a biblioteca paralela de modelos. Para encontrar um tutorial sobre como executar um trabalho de treinamento paralelo de SageMaker modelos, consulte os exemplos de cadernos em [PyTorch treinamento com a biblioteca de paralelismo de modelos da Amazon SageMaker AI](https://github.com/aws/amazon-sagemaker-examples/tree/main/training/distributed_training/pytorch/model_parallel).

1. Você pode estender os contêineres pré-criados para lidar com quaisquer requisitos funcionais adicionais para seu algoritmo ou modelo que a imagem pré-criada do SageMaker Docker não suporte. Para encontrar um exemplo de como você pode estender um contêiner predefinido, consulte [Estenda uma imagem de contêiner predefinida](prebuilt-containers-extend.md).

1. Você pode adaptar seu próprio contêiner Docker para trabalhar com SageMaker IA usando o kit de [ferramentas SageMaker de treinamento](https://github.com/aws/sagemaker-training-toolkit). Por exemplo, consulte [Adaptando seu próprio contêiner de treinamento](https://docs.aws.amazon.com/sagemaker/latest/dg/adapt-training-container.html).

Para ver as opções 2 e 3 na lista anterior, consulte [Estenda um contêiner Docker pré-construído que contém a biblioteca paralela SageMaker de modelos distribuídos](model-parallel-sm-sdk.md#model-parallel-customize-container) para saber como instalar a biblioteca paralela de modelos em um contêiner Docker estendido ou personalizado. 

Em todos os casos, você inicia seu trabalho de treinamento configurando um `PyTorch` estimador SageMaker `TensorFlow` or para ativar a biblioteca. Para saber mais, consulte os tópicos a seguir.

**Topics**
+ [Etapa 1: modifique seu próprio script de treinamento usando a biblioteca paralela SageMaker de modelos distribuídos](model-parallel-customize-training-script.md)
+ [Etapa 2: Iniciar um Training Job usando o SageMaker Python SDK](model-parallel-sm-sdk.md)