Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Ejecute su contenedor de procesamiento con el SDK de Python para SageMaker IA
<a name="byoc-run"></a>

Puedes usar el SDK de SageMaker Python para ejecutar tu propia imagen de procesamiento mediante la `Processor` clase. El siguiente ejemplo muestra cómo ejecutar su propio contenedor de procesamiento con una entrada de Amazon Simple Storage Service (Amazon S3) y una salida a Amazon S3.

```
from sagemaker.processing import Processor, ProcessingInput, ProcessingOutput

processor = Processor(image_uri='<your_ecr_image_uri>',
                     role=role,
                     instance_count=1,
                     instance_type="ml.m5.xlarge")

processor.run(inputs=[ProcessingInput(
                        source='<s3_uri or local path>',
                        destination='/opt/ml/processing/input_data')],
                    outputs=[ProcessingOutput(
                        source='/opt/ml/processing/processed_data',
                        destination='<s3_uri>')],
                    )
```

En lugar de crear el código de procesamiento en la imagen de procesamiento, puede proporcionar un `ScriptProcessor` con su imagen y el comando que desea ejecutar, junto con el código que desea ejecutar dentro de ese contenedor. Para ver un ejemplo, consulta [Ejecutar scripts con su propio contenedor de procesamiento](processing-container-run-scripts.md).

También puedes usar la imagen de scikit-learn que proporciona Amazon SageMaker Processing `SKLearnProcessor` para ejecutar scripts de scikit-learn. Para ver un ejemplo, consulte [Ejecución de un trabajo de procesamiento con scikit-learn](use-scikit-learn-processing-container.md).