Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Datenverarbeitung mit Framework-Prozessoren A `FrameworkProcessor` kann Verarbeitungsjobs mit einem bestimmten Machine Learning-Framework ausführen und stellt Ihnen einen von Amazon SageMaker AI verwalteten Container für das von Ihnen gewählte Machine Learning-Framework zur Verfügung. `FrameworkProcessor`bietet vorgefertigte Container für die folgenden Frameworks für maschinelles Lernen: Hugging Face,, MXNet PyTorch, TensorFlow und. XGBoost Die `FrameworkProcessor` Klasse bietet Ihnen auch die Möglichkeit, die Container-Konfiguration anzupassen. Die `FrameworkProcessor` Klasse unterstützt die Angabe eines Quellverzeichnisses `source_dir` für Ihre Verarbeitungsskripten und Abhängigkeiten. Mit dieser Funktion können Sie dem Prozessor Zugriff auf mehrere Skripten in einem Verzeichnis gewähren, anstatt nur ein Skript anzugeben. `FrameworkProcessor` unterstützt auch das Einfügen einer `requirements.txt` Datei in die `source_dir` zum Anpassen der Python-Bibliotheken, die im Container installiert werden sollen. Weitere Informationen zur `FrameworkProcessor` Klasse und ihren Methoden und Parametern finden Sie [FrameworkProcessor](https://sagemaker.readthedocs.io/en/stable/api/training/processing.html#sagemaker.processing.FrameworkProcessor)im *Amazon SageMaker AI Python SDK*. Beispiele für die Verwendung von a `FrameworkProcessor` für jedes der unterstützten Frameworks für Machine Learning finden Sie in den folgenden Themen. **Topics** + [Codebeispiel für die Verwendung HuggingFaceProcessor im Amazon SageMaker Python SDK](processing-job-frameworks-hugging-face.md) + [MXNet Framework-Prozessor](processing-job-frameworks-mxnet.md) + [PyTorch Framework-Prozessor](processing-job-frameworks-pytorch.md) + [TensorFlow Framework-Prozessor](processing-job-frameworks-tensorflow.md) + [XGBoost Framework-Prozessor](processing-job-frameworks-xgboost.md)