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.

# Usar o seu próprio modelo de aprendizado profundo
<a name="training-compiler-modify-scripts"></a>

**Importante**  
A Amazon Web Services (AWS) anuncia que não haverá novos lançamentos ou versões do SageMaker Training Compiler. Você pode continuar a utilizar o SageMaker Training Compiler por meio dos AWS Deep Learning Containers (DLCs) existentes para SageMaker treinamento. É importante observar que, embora os existentes DLCs permaneçam acessíveis, eles não receberão mais patches ou atualizações de AWS, de acordo com a [Política de Suporte do AWS Deep Learning Containers Framework](https://docs.aws.amazon.com/deep-learning-containers/latest/devguide/support-policy.html).

Este guia explica como adaptar seu script de treinamento para um trabalho de treinamento acelerado por compilador. A preparação do seu script de treinamento depende do seguinte:
+ Configurações de treinamento, como treinamento de núcleo único ou distribuído.
+ Frameworks e bibliotecas que você usa para criar o script de treinamento.

Escolha um dos seguintes tópicos, dependendo do framework que você está utilizando:

**Topics**
+ [PyTorch](training-compiler-pytorch-models.md)
+ [TensorFlow](training-compiler-tensorflow.md)

**nota**  
Depois de concluir a preparação do script de treinamento, você pode executar um trabalho de SageMaker treinamento usando as classes de estimador da estrutura de SageMaker IA. Para obter mais informações, consulte o tópico anterior em [Ativar compilador SageMaker de treinamento](training-compiler-enable.md).