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.

# Esegui il tuo contenitore di elaborazione utilizzando l' SageMaker SDK AI Python
<a name="byoc-run"></a>

Puoi usare SageMaker Python SDK per eseguire la tua immagine di elaborazione utilizzando la classe. `Processor` L'esempio seguente mostra come eseguire il container di elaborazione con un input da Amazon Simple Storage Service (Amazon S3) e un output in 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>')],
                    )
```

Invece di creare il codice di elaborazione nell'immagine di elaborazione, puoi fornire uno `ScriptProcessor` con la tua immagine e il comando che vuoi eseguire, insieme al codice da eseguire all'interno di quel container. Per vedere un esempio, consulta [Eseguire script con il proprio container di elaborazione](processing-container-run-scripts.md).

Puoi anche usare l'immagine scikit-learn fornita da Amazon SageMaker Processing `SKLearnProcessor` per eseguire script scikit-learn. Per un esempio, consulta [Eseguire un processo Processing con scikit-learn](use-scikit-learn-processing-container.md).