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.

# Práticas recomendadas
<a name="pipelines-step-decorator-best"></a>

As seções a seguir sugerem as práticas recomendadas a serem seguidas ao usar o decorador `@step` nas etapas do pipeline.

## Use grupos de aquecimento
<a name="pipelines-step-decorator-best-warmpool"></a>

Para uma execução mais rápida das etapas de pipeline, use a funcionalidade de grupos de aquecimento fornecida para trabalhos de treinamento. Você pode ativar a funcionalidade de grupos de aquecimento fornecendo o argumento `keep_alive_period_in_seconds` ao decorador `@step`, conforme demonstrado no seguinte trecho:

```
@step(
   keep_alive_period_in_seconds=900
)
```

Para obter mais informações sobre grupos quentes, consulte [SageMaker Piscinas aquecidas gerenciadas por IA](train-warm-pools.md). 

## Proteja seu diretório
<a name="pipelines-step-decorator-best-dir"></a>

É recomendável usar módulos de código ao usar o decorador `@step`. Coloque o módulo `pipeline.py`, no qual você invoca as funções de etapa e define o pipeline, na raiz do espaço de trabalho. A estrutura recomendada é mostrada a seguir:

```
.
├── config.yaml # the configuration file that define the infra settings
├── requirements.txt # dependencies
├── pipeline.py  # invoke @step-decorated functions and define the pipeline here
├── steps/
| ├── processing.py
| ├── train.py
├── data/
├── test/
```