Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Verwendung von modularem Code mit dem @remote Decorator
<a name="train-remote-decorator-modular"></a>

Sie können Ihren Code in Modulen organisieren, um die Workspace-Verwaltung während der Entwicklung zu vereinfachen, und trotzdem die @remote-Funktion verwenden, um eine Funktion aufzurufen. Sie können die lokalen Module auch aus Ihrer Entwicklungsumgebung in die Remote-Auftragsumgebung replizieren. Setzen Sie dafür den Parameter `include_local_workdir` auf `True`, wie im folgenden Beispielcode gezeigt.

```
@remote(
  include_local_workdir=True,
)
```

**Anmerkung**  
Der @remote Decorator und der Parameter müssen in der Hauptdatei und nicht in einer der abhängigen Dateien vorkommen.

Wenn auf gesetzt `include_local_workdir` ist`True`, packt SageMaker AI alle Python-Skripte und behält dabei die Verzeichnisstruktur im aktuellen Verzeichnis des Prozesses bei. Außerdem werden die Abhängigkeiten im Arbeitsverzeichnis des Jobs verfügbar gemacht.

Nehmen wir beispielsweise an, Ihr Python-Skript, das den MNIST-Datensatz verarbeitet, ist in ein `main.py`-Skript und ein abhängiges `pytorch_mnist.py`-Skript unterteilt. `main.py` ruft das abhängige Skript auf. Das `main.py`-Skript enthält außerdem Code zum Importieren der Abhängigkeit, wie dargestellt.

```
from mnist_impl.pytorch_mnist import ...
```

Die `main.py`-Datei muss außerdem den `@remote`-Decorator enthalten und muss den `include_local_workdir`-Parameter auf `True` setzen.

Der `include_local_workdir`-Parameter umfasst standardmäßig alle Python-Skripte im Verzeichnis. Sie können anpassen, welche Dateien in den Job hochgeladen werden sollen, indem Sie diesen Parameter in Verbindung mit dem `custom_file_filter`-Parameter verwenden. Sie können entweder eine Funktion übergeben, die Auftragsabhängigkeiten filtert, die auf S3 hochgeladen werden sollen, oder ein `CustomFileFilter`-Objekt, das die lokalen Verzeichnisse und Dateien angibt, die in der Remote-Funktion ignoriert werden sollen. Sie können `custom_file_filter` nur dann verwenden, wenn `include_local_workdir` auf `True` gesetzt ist. Andernfalls wird der Parameter ignoriert.

Im folgenden Beispiel wird `CustomFileFilter` verwendet, um beim Hochladen von Dateien auf S3 alle Notebook-Dateien und Ordner oder Dateien mit dem Namen `data` zu ignorieren.

```
@remote(
   include_local_workdir=True,
   custom_file_filter=CustomFileFilter(
      ignore_name_patterns=[ # files or directories to ignore
        "*.ipynb", # all notebook files
        "data", # folter or file named data
      ]
   )
)
```

Das folgende Beispiel zeigt, wie Sie einen gesamten Workspace verpacken können.

```
@remote(
   include_local_workdir=True,
   custom_file_filter=CustomFileFilter(
      ignore_pattern_names=[] # package whole workspace
   )
)
```

Das folgende Beispiel zeigt, wie Sie eine Funktion zum Filtern von Dateien verwenden können.

```
import os

def my_filter(path: str, files: List[str]) -> List[str]:
    to_ignore = []
   for file in files:
       if file.endswith(".txt") or file.endswith(".ipynb"):
           to_ignore.append(file)
   return to_ignore

@remote(
   include_local_workdir=True,
   custom_file_filter=my_filter
)
```

## Bewährte Methoden zur Strukturierung Ihres Arbeitsverzeichnisses
<a name="train-remote-decorator-modular-bestprac"></a>

Die folgenden Best Practices zeigen, wie Sie Ihre Verzeichnisstruktur organisieren und gleichzeitig den `@remote`-Decorator in Ihrem modularen Code verwenden können.
+ Legen Sie den @remote Decorator in einer Datei ab, die sich im Stammverzeichnis des Workspace befindet.
+ Lokale Module auf der Stammebene strukturieren.

Das folgende Beispielbild zeigt die empfohlene Verzeichnisstruktur. In dieser Beispielstruktur befindet sich das `main.py` Skript im Stammverzeichnis.

```
.
├── config.yaml
├── data/
├── main.py <----------------- @remote used here 
├── mnist_impl
│ ├── __pycache__/
│ │ └── pytorch_mnist.cpython-310.pyc
│ ├── pytorch_mnist.py <-------- dependency of main.py
├── requirements.txt
```

Das folgende Beispielbild zeigt eine Verzeichnisstruktur, die zu inkonsistentem Verhalten führt, wenn sie dazu verwendet wird, Ihren Code mit einem @remote Decorator zu kommentieren. 

In dieser Beispielstruktur befindet sich das `main.py` Skript, das den @remote Decorator enthält, **nicht** im Stammverzeichnis. Die folgende Struktur wird **NICHT** empfohlen.

```
.
├── config.yaml
├── entrypoint
│ ├── data
│ └── main.py <----------------- @remote used here
├── mnist_impl
│ ├── __pycache__
│ │ └── pytorch_mnist.cpython-310.pyc
│ └── pytorch_mnist.py <-------- dependency of main.py
├── requirements.txt
```