翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# SageMaker AI Python SDK を使って処理コンテナを実行する
<a name="byoc-run"></a>

SageMaker Python SDK を使って、独自の処理イメージを、`Processor` クラスを使うことで実行できます。次の例は、Amazon Simple Storage Service (Amazon S3) から 1 つ入力し、Amazon S3 に 1 つ出力する、独自の処理コンテナを実行する方法を示しています。

```
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>')],
                    )
```

処理コードを処理イメージに組み込む代わりに、実行するイメージとコマンドを含む `ScriptProcessor` と、コンテナ内で実行するコードを提供することができます。例については、[独自の処理コンテナを使用したスクリプトの実行](processing-container-run-scripts.md)を参照してください。

Amazon SageMaker Processing が、scikit-learn スクリプトを実行するため `SKLearnProcessor` を介して提供する scikit-learn イメージを使うこともできます。例については、「[scikit-learn で Processing ジョブを実行する](use-scikit-learn-processing-container.md)」を参照してください。