一个使用 Amazon SageMaker 的团队发现默认的内置图像分类算法 (ResNet) 准确率较低，他们希望改用 Inception 架构。哪些方法可以让他们使用 Inception 进行训练？（选择两项）

正确答案是“提供一个运行带有 Inception 网络的 TensorFlow Estimator 实现的 Docker 容器，并将其用于训练”和“在 SageMaker 中编写自定义训练代码，该代码使用 TensorFlow Estimator 并加载 Inception 网络进行训练”。SageMaker 允许用户通过提供自定义 Docker 容器来使用任何框架或模型架构进行训练，这提供了极大的灵活性。此外，用户可以直接在 SageMaker 中编写自定义训练脚本，利用 TensorFlow Estimator 等高级 API 加载和训练 Inception 网络。 修改内置算法本身是不切实际且不可能的，因为内置算法是 SageMaker 提供的托管服务。提交支持案例要求更改默认算法也不会成功，因为 SageMaker 旨在支持多种模型，而不是为每个特定需求更改默认设置。在 EC2 实例上安装 Inception 代码并将其用作 Jupyter notebook 无法直接用于 SageMaker 的训练作业，它只是一个开发环境，不能作为训练作业的执行环境。