一位机器学习专家有一个自定义容器镜像，用于在 Amazon SageMaker 中训练图像分类器。他希望将该自定义镜像的超参数优化 (HPO) 结果与 SageMaker 内置图像分类算法的结果进行比较。所有实验和 HPO 作业都必须从 SageMaker Studio notebook 中的脚本启动。哪种方法能让专家以最少的时间完成此操作？

此选项通过结合使用 SageMaker Experiments 和 SageMaker 自动模型调优（Automatic Model Tuning, AMT）来高效地解决问题。SageMaker Experiments 允许专家跟踪和比较自定义容器镜像的多次训练运行，包括手动调整超参数，这对于自定义模型非常有用。同时，SageMaker AMT 提供了内置算法的自动化超参数优化和早期停止功能，节省了大量时间。最后，比较两者的最佳目标指标即可选出最佳模型。 其他选项的不足在于： 编写自定义 HPO 脚本并以本地模式运行多个训练作业效率低下，无法利用 SageMaker 的分布式训练和优化能力。 SageMaker Autopilot 主要用于自动生成模型和超参数，不直接支持自定义容器镜像的超参数优化，且与内置算法的比较方式不直接。 同时使用 SageMaker AMT 调整自定义容器模型和内置算法是不可行的，因为 AMT 针对特定算法或框架设计，无法同时处理两种不同类型的模型。