一位机器学习专家在 CPU:GPU 比例为 12:1 的 EC2 实例上训练深度学习计算机视觉模型，发现 GPU 大约有一半时间处于空闲状态。他们必须在不延长作业持续时间的情况下降低训练成本。哪个选项符合此要求？

正确答案是使用内存优化的 EC2 Spot Instances 进行训练作业。虽然GPU利用率低，但Spot Instances可以显著降低成本，因为它们提供高达90%的按需价格折扣。内存优化实例通常具有更高的内存带宽，这对于深度学习模型至关重要，可以减少GPU等待数据的时间，从而提高GPU利用率，并可能缩短训练时间。 切换到仅有CPU的实例类型会大幅增加训练时间，因为深度学习模型严重依赖GPU进行并行计算。使用异构集群可能增加复杂性，且不直接解决GPU利用率低的问题。切换到CPU:GPU比例为6:1的实例类型会增加GPU数量，但如果GPU利用率仍然低下，成本反而会更高，且不解决根本问题。