A EdgeAI desenvolve um modelo de visão computacional que precisa ser implantado em uma frota de dispositivos de borda heterogêneos (Raspberry Pi 3, NVIDIA Jetson TX2 e gateways Linux arm64). Eles querem maximizar o throughput de inferência e reduzir o consumo de memória. Qual afirmação sobre o uso da compilação do SageMaker Neo é mais precisa para este cenário?
Escolha uma resposta
Toque em uma opção para verificar sua resposta.
Resposta correta: Use o SageMaker Neo para compilar o modelo treinado separadamente para cada plataforma de destino (raspberrypi3, jetson_tx2 e linux_aarch64). O Neo aplicará otimizações de grafo e, opcionalmente, quantização, produzindo artefatos otimizados para a plataforma que geralmente resultam em melhorias de throughput multiplex e menor uso de memória em comparação com o modelo original..
Por que esta é a resposta
A opção correta descreve com precisão a funcionalidade do SageMaker Neo para implantação em dispositivos de borda heterogêneos. O Neo otimiza modelos para plataformas de hardware específicas, aplicando otimizações de grafo e, opcionalmente, quantização, o que resulta em melhor throughput e menor consumo de memória. Isso é crucial para dispositivos com recursos limitados como Raspberry Pi e Jetson. A opção incorreta sobre um "binário universal" está errada porque o Neo compila para alvos específicos para maximizar a otimização de hardware. A afirmação de que o Neo é apenas para Inferentia ou GPU na AWS está incorreta, pois ele suporta uma ampla gama de dispositivos de borda. Por fim, a ideia de que o Neo é apenas para TensorFlow e não para PyTorch é falsa, pois ele suporta ambos os frameworks e muitos outros.
Passe no seu exame — sem a busca interminável por respostas
Obtenha todas as perguntas e explicações verificadas para este exame em um só lugar e economize horas de preparação. Mais de 1.000 certificações · Mais de 20 idiomas · Grátis para começar.
Passe no seu exame mais rápido → Não é necessário cartão