您有一个现有的 TensorFlow 训练脚本 (train.py)，它读取存储为 TFRecord 文件的静态训练数据。您需要一个可扩展的存储解决方案，以便在 Amazon SageMaker 上进行训练，并且代码更改最少。哪种方法可以最大限度地减少开发工作？

正确答案是使用 SageMaker 脚本模式并运行未更改的 train.py，将 TFRecord 文件上传到 Amazon S3 存储桶，并将 SageMaker 训练作业指向该 S3 位置。SageMaker 脚本模式允许您直接运行现有的训练脚本，无需修改代码。SageMaker 训练作业可以直接从 S3 读取 TFRecord 文件，无需重新格式化数据，这最大程度地减少了开发工作。 选项一错误，因为 SageMaker 训练作业通常不直接指向本地文件系统路径，而是从 S3 等存储服务获取数据。选项三和选项四都涉及修改数据格式或转换数据，这会增加不必要的开发工作，与“最少代码更改”的要求相悖。