Uma equipe tem um script de treinamento do TensorFlow que eles executam localmente e querem treinar no SageMaker da forma mais econômica possível. Qual configuração do estimador do TensorFlow reduzirá mais o custo de treinamento, ainda usando o script existente?

A opção correta combina duas estratégias eficazes para redução de custos. Habilitar o SageMaker Training Compiler (compilerconfig=TrainingCompilerConfig()) otimiza o desempenho do treinamento, potencialmente reduzindo o tempo de execução e, consequentemente, o custo. Habilitar instâncias spot gerenciadas (usespotinstances=True) permite que o SageMaker utilize capacidade de computação ociosa a um custo significativamente menor, com a capacidade de retomar o treinamento em caso de interrupção, tornando-o a opção mais econômica sem modificar o script existente. A primeira opção está incorreta porque, embora o Training Compiler ajude, não inclui o uso de instâncias spot, que oferecem a maior economia de custo. A terceira opção está incorreta porque exige modificações no script de treinamento para paralelismo de dados distribuído, o que vai contra o requisito de usar o script existente. A quarta opção está incorreta porque definir MaxWaitTimeInSeconds igual a MaxRuntimeInSeconds não é uma estratégia de otimização de custo; MaxWaitTimeInSeconds é para instâncias spot e define o tempo máximo de espera antes de falhar se nenhuma instância spot estiver disponível, não impactando diretamente o custo de execução.