As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Execute seu contêiner de processamento usando o SageMaker SDK AI Python
<a name="byoc-run"></a>

Você pode usar o SDK do SageMaker Python para executar sua própria imagem de processamento usando a classe. `Processor` O exemplo a seguir mostra como executar seu próprio contêiner de processamento com uma entrada do Amazon Simple Storage Service (Amazon S3) e uma saída para o 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>')],
                    )
```

Em vez de criar o código de processamento na imagem de processamento, é possível fornecer um `ScriptProcessor` com sua imagem e o comando que deseja executar com o código que deseja executar dentro desse contêiner. Para ver um exemplo, consulte [Executar scripts com seu próprio contêiner de processamento](processing-container-run-scripts.md).

Você também pode usar a imagem scikit-learn fornecida pela Amazon SageMaker Processing `SKLearnProcessor` para executar scripts scikit-learn. Para ver um exemplo, consulte [Executar um trabalho de processamento com scikit-learn](use-scikit-learn-processing-container.md).