一位专家在 S3 中拥有一个非常大的训练数据集（数百万条记录）。他们希望避免将所有数据复制到 SageMaker notebook 的 5 GB EBS 卷中，但仍能使用完整数据集进行训练。哪种工作流允许使用完整数据集进行训练，同时最大限度地减少本地复制？

此选项通过在 SageMaker notebook 中使用小部分数据进行代码验证，避免了将整个数据集复制到本地5GB EBS卷。然后，通过启动 SageMaker 训练作业并利用 Pipe 输入模式，可以直接从 S3 流式传输完整数据集，无需下载到训练实例的本地存储，从而高效地处理大规模数据。 其他选项的问题在于： 启动带有 Deep Learning AMI 的 EC2 实例，并将 S3 存储桶附加到该实例：虽然可以在 EC2 上训练，但“返回 SageMaker 训练完整数据集”的说法不明确，且直接在 EC2 上训练可能需要更多手动配置和管理。 使用 AWS Glue 在小样本上测试训练兼容性：AWS Glue 主要用于数据ETL，而不是直接用于测试训练代码兼容性。 在 notebook 中使用一小部分数据进行本地训练以验证代码，然后启动一个 EC2 Deep Learning 实例并附加 S3 以训练完整数据集：这仍然需要手动管理 EC2 实例，并且没有利用 SageMaker 训练作业的托管服务优势，也没有明确说明如何避免将整个数据集下载到 EC2 实例。