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.

# Notebook di esempio
<a name="train-remote-decorator-examples"></a>

Puoi trasformare un codice di formazione in un ambiente di lavoro esistente e qualsiasi codice di elaborazione dati e set di dati associati in un lavoro di formazione. SageMaker I seguenti taccuini mostrano come personalizzare l'ambiente, le impostazioni del lavoro e altro ancora per un problema di classificazione delle immagini, utilizzando l' XGBoost algoritmo e Hugging Face.

Il [notebook quick\$1start](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-remote-function/quick_start/quick_start.ipynb) contiene i seguenti esempi di codice:
+ Come personalizzare le impostazioni del processo con un file di configurazione.
+ Come richiamare le funzioni di Python come processi, in modo asincrono.
+ Come personalizzare l'ambiente di runtime del processo introducendo dipendenze aggiuntive.
+ Come utilizzare le dipendenze locali con il metodo della funzione @remote.

I seguenti notebook forniscono esempi di codice aggiuntivi per diversi tipi e implementazioni di problemi di machine learning. 
+ Per vedere esempi di codice per utilizzare il decoratore @remote per un problema di classificazione delle immagini, apri il notebook [pytorch\$1mnist.ipynb](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker-remote-function/pytorch_mnist_sample_notebook). Questo problema di classificazione riconosce le cifre scritte a mano utilizzando il set di dati di esempio del Modified National Institute of Standards and Technology (MNIST).
+ Per vedere esempi di codice per l'utilizzo del decoratore @remote per il precedente problema di classificazione delle immagini con uno script, consulta lo script di esempio Pytorch MNIST, [train.py.](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker-remote-function/pytorch_mnist_sample_script)
+ [Per vedere come l' XGBoost algoritmo è stato implementato con un decoratore @remote: apri il notebook xgboost\$1abalone.ipynb.](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker-remote-function/xgboost_abalone)
+ Per vedere come Hugging Face è integrato con un decoratore @remote: apri il notebook [huggingface.ipynb.](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker-remote-function/huggingface_text_classification)