一个电子商务团队使用10,000个类别训练一个大型图像分类模型，并进行多次训练迭代。他们需要最大限度地减少运营开销和成本，同时避免工作丢失和重新训练。哪种方法最能满足这些需求？

正确答案是使用 SageMaker 托管 Spot 训练并在启动训练作业时启用检查点。SageMaker 托管 Spot 训练专门设计用于利用 EC2 Spot 实例的成本效益，同时通过自动保存和恢复检查点来避免工作丢失。这意味着即使 Spot 实例被中断，训练也能从上次保存的状态恢复，从而最大限度地减少运营开销和成本，并避免重新训练。 将训练作业作为 AWS Batch 作业运行，该作业在托管计算环境中使用 EC2 Spot Instances，虽然可以降低成本，但需要手动处理中断和检查点逻辑，增加了运营开销。在 EC2 Spot Instances 上运行训练，并在终止前使用 Spot 中断通知将模型快照保存到 S3，也需要手动实现中断处理和恢复机制，不如 SageMaker 托管 Spot 训练自动化和高效。使用 AWS Lambda 运行训练作业并将模型权重保存到 S3 不适合大型图像分类模型的训练，因为 Lambda 的执行时间限制和计算资源不足以处理此类计算密集型任务。