一家社交媒体公司将训练一个图像分类模型（使用 SageMaker 的内置图像分类器）来检测冒犯性内容。他们将使用管道模式（pipe mode）来加速训练。数据集被分成训练（Training）、验证（Validation）和测试（Test）文件夹，其中包含类别子文件夹，图像大小统一调整，并有两个名为 training.lst 和 validation.lst 的清单文件。他们为训练和验证上传创建了单独的 S3 存储桶。在上传到 S3 之前，他们还应该执行哪些额外的数据准备步骤？

正确答案是使用 Apache MXNet 的 im2rec 工具将清单转换为 RecordIO 文件，然后将 RecordIO 文件上传到训练 S3 存储桶。这是因为 SageMaker 内置图像分类器在管道模式下训练时，期望输入数据为 RecordIO 格式，以实现高效的数据流传输。im2rec 工具专门用于将图像数据和对应的清单文件转换为 RecordIO 格式。 将图像读入 Pandas DataFrame 并写入 Parquet 文件不适用于图像分类器，因为 Parquet 主要用于表格数据，且内置分类器不直接支持此格式。使用 Snappy 或 gzip 压缩训练和验证目录并上传压缩数据，虽然可以减少存储空间，但内置图像分类器在管道模式下仍然需要 RecordIO 格式的数据才能进行训练，压缩本身并不能替代格式转换。