一家公司希望降低训练作业的能耗和计算资源使用量，以提高可持续性。哪些措施可以降低与训练相关的能耗和计算成本？（选择两项）

选择“使用 Amazon SageMaker Debugger 在检测到不收敛条件时终止训练作业”是正确的，因为SageMaker Debugger可以监控训练过程，并在模型不收敛时自动停止作业，从而避免不必要的计算资源消耗和能耗。选择“使用 AWS Trainium 实例进行训练”是正确的，因为AWS Trainium是专门为深度学习训练设计的芯片，提供高能效比和低成本的训练能力，能显著降低能耗和计算成本。 “使用 Amazon SageMaker Ground Truth 进行数据标注”与训练能耗和计算成本无关，它专注于数据准备。“使用 AWS Lambda 函数部署模型”是模型部署阶段的操作，与训练阶段的能耗和计算成本无关。“使用启用分布式训练的 PyTorch 或 TensorFlow”虽然可以加速训练，但通常会增加计算资源的使用量，不一定会降低总能耗和成本，除非是优化了资源利用率。