A StreamlineAI executa um script de treinamento PyTorch personalizado (modo de script) que produz checkpoints de modelo periódicos. Eles querem usar o SageMaker Managed Spot Training para reduzir custos. O script de treinamento grava checkpoints em /opt/ml/checkpoints e a empresa armazena artefatos em s3://streamlineai-checkpoints/training1/. Qual configuração permitirá que um trabalho de treinamento do SageMaker Managed Spot seja retomado do último checkpoint após uma interrupção?

A opção correta descreve o mecanismo exato do SageMaker Managed Spot Training para retomar trabalhos de checkpoints. Ao configurar CheckpointConfig com um S3Uri e LocalPath, o SageMaker gerencia automaticamente o upload de checkpoints do caminho local para o S3 antes de uma interrupção spot e o download do S3 para o caminho local ao retomar o treinamento. O script de treinamento deve ser projetado para salvar checkpoints no LocalPath especificado e carregar o checkpoint mais recente desse local ao iniciar. As opções incorretas são: Contar com ModelArtifacts não é o mecanismo para retomar de checkpoints intermediários; ele é usado para o modelo final. Usar smdebug é para depuração e monitoramento, não para gerenciamento de checkpoints para retomada de treinamento spot. Montar um EFS é uma solução de armazenamento persistente, mas não é a maneira nativa e gerenciada do SageMaker de lidar com a retomada de treinamento spot via checkpoints, que é mais eficiente e integrada com o S3.