本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
Lift-and-shift 使用 @step 装饰器的 Python 代码
@step装饰器是一项功能，可将您的本地机器学习 (ML) 代码转换为一个或多个工作流步骤。您可以像编写任何 ML 项目一样编写 ML 函数。在本地测试或使用@remote装饰器作为训练作业进行测试后，您可以通过添加@step装饰器将函数转换为 SageMaker 流水线步骤。然后，您可以将@step装饰过的函数调用的输出作为步骤传递给 Pipelines，以创建和运行管道。您也可以将一系列函数与@step装饰器链接起来，以创建多步定向无环图 (DAG) 管道。
使用@step装饰器的设置与使用@remote装饰器的设置相同。您可以参阅远程函数文档，了解有关如何设置环境和使用配置文件设置默认值的详细信息。有关@step装饰器的更多信息，请参阅 sagemaker.workflow.function_step.step
要查看演示@step装饰器使用的示例笔记本，请参阅 @step decorator 示例
以下各节说明了如何使用@step装饰器对本地机器学习代码进行注释以创建步骤、使用该步骤创建和运行管道，以及如何针对您的用例自定义体验。
