Uma equipe que usa o Amazon SageMaker descobre que o algoritmo de classificação de imagem integrado padrão (ResNet) oferece baixa precisão e eles querem usar uma arquitetura Inception. Quais abordagens permitirão que eles treinem com o Inception? (Escolha duas.)

As opções corretas permitem o uso de arquiteturas personalizadas como Inception. Fornecer um contêiner Docker com uma implementação do TensorFlow Estimator e a rede Inception é uma abordagem robusta para encapsular o ambiente e as dependências. Alternativamente, escrever código de treinamento personalizado no SageMaker, utilizando o TensorFlow Estimator para carregar e treinar com a rede Inception, oferece flexibilidade direta. Modificar o algoritmo integrado padrão não é uma opção viável, pois esses algoritmos são pré-configurados e não podem ser alterados diretamente pelos usuários. Abrir um caso de suporte para solicitar uma mudança no algoritmo integrado padrão também não é prático, pois o SageMaker é uma plataforma de serviços, não um serviço de desenvolvimento de modelos sob demanda. Instalar o código Inception em uma instância EC2 e usá-la como notebook Jupyter no SageMaker não é a forma ideal de treinar um modelo, pois não aproveita os recursos de gerenciamento e escalabilidade do SageMaker para treinamento.