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.

# Integrazione con Amazon SageMaker Experiments
<a name="pipelines-experiments"></a>

Amazon SageMaker Pipelines è strettamente integrato con Amazon SageMaker Experiments. Per impostazione predefinita, quando Pipelines crea ed esegue una pipeline, vengono create le seguenti entità SageMaker Experiments se non esistono:
+ Un esperimento per la pipeline
+ Un gruppo di esecuzioni per ogni esecuzione della pipeline
+ Una corsa che viene aggiunta al gruppo di esecuzione per ogni processo di SageMaker intelligenza artificiale creato in una fase di esecuzione della pipeline

Puoi confrontare metriche come la precisione dell'addestramento dei modelli tra più esecuzioni di pipeline così come puoi confrontare tali metriche tra più gruppi di esecuzioni di un SageMaker esperimento di addestramento basato su modelli di intelligenza artificiale.

L'esempio seguente mostra i parametri pertinenti della classe [Pipeline](https://github.com/aws/sagemaker-python-sdk/blob/v2.41.0/src/sagemaker/workflow/pipeline.py) nell'SDK [Amazon SageMaker Python](https://sagemaker.readthedocs.io/en/stable).

```
Pipeline(
    name="MyPipeline",
    parameters=[...],
    pipeline_experiment_config=PipelineExperimentConfig(
      ExecutionVariables.PIPELINE_NAME,
      ExecutionVariables.PIPELINE_EXECUTION_ID
    ),
    steps=[...]
)
```

Se non desideri creare un esperimento ed eseguire un gruppo per la pipeline, imposta `pipeline_experiment_config` su `None`.

**Nota**  
L'integrazione degli esperimenti è stata introdotta nell'Amazon SageMaker Python SDK v2.41.0.

Le seguenti regole di denominazione si applicano in base a ciò che specifichi per i parametri `ExperimentName` e `TrialName` di `pipeline_experiment_config`:
+ Se non specifichi `ExperimentName`, la pipeline `name` viene utilizzata per il nome dell'esperimento.

  Se specifichi `ExperimentName`, viene utilizzato per il nome dell'esperimento. Se esiste un esperimento con quel nome, i gruppi di esecuzioni creati dalla pipeline vengono aggiunti all'esperimento esistente. Se non esiste un esperimento con quel nome, viene creato un nuovo esperimento.
+ Se non specifichi `TrialName`, l'ID di esecuzione della pipeline viene utilizzato per il nome del gruppo di esecuzioni.

  Se specifichi `TrialName`, viene utilizzato per il nome del gruppo di esecuzioni. Se esiste un gruppo di esecuzioni con quel nome, le esecuzioni create dalla pipeline vengono aggiunte al gruppo di esecuzioni esistente. Se non esiste un gruppo di esecuzioni con quel nome, viene creato un nuovo gruppo di esecuzioni.

**Nota**  
Le entità dell'esperimento non vengono eliminate quando viene eliminata la pipeline che ha creato le entità. Puoi utilizzare l'API SageMaker Experiments per eliminare le entità.

Per informazioni su come visualizzare le entità dell'esperimento SageMaker AI associate a una pipeline, consulta[Accesso ai dati dell’esperimento da una pipeline](pipelines-studio-experiments.md). Per ulteriori informazioni sugli SageMaker esperimenti, consulta[SageMaker Esperimenti di Amazon in Studio Classic](experiments.md).

Le sezioni seguenti illustrano esempi delle regole precedenti e mostrano come le stesse sono rappresentate nel file di definizione della pipeline. Per ulteriori informazioni sui file di definizione delle pipeline, consulta [Panoramica su Pipelines](pipelines-overview.md).

**Topics**
+ [Comportamento predefinito](pipelines-experiments-default.md)
+ [Disattivazione dell’integrazione di Esperimenti](pipelines-experiments-none.md)
+ [Specifica un nome personalizzato per l'esperimento](pipelines-experiments-custom-experiment.md)
+ [Specifica un nome di gruppo di esecuzioni personalizzato](pipelines-experiments-custom-trial.md)