您正在开发一个 TensorFlow 项目，该项目使用 Amazon SageMaker 进行训练，但将在没有 Wi-Fi 的情况下长时间离线。哪种方法可以最大限度地减少更改，让您继续在本地工作？

正确答案是下载 SageMaker 使用的 TensorFlow Docker 容器并使用 SageMaker Python SDK 在本地测试代码。这是因为 SageMaker 容器提供了与 SageMaker 训练环境最接近的本地模拟，最大限度地减少了代码更改。SageMaker Python SDK 允许您在本地使用与在 SageMaker 上相同的 API 和抽象层，从而简化了从本地到云的过渡。 其他选项不理想： 在笔记本电脑上安装 Python 3 和 boto3 库不足以模拟 SageMaker 的完整环境，特别是其预配置的 TensorFlow 依赖项和优化。 从 tensorflow.org 下载 TensorFlow 并在本地模拟 SageMaker TensorFlow 环境需要手动配置许多依赖项，这比直接使用 SageMaker 容器更复杂且容易出错。 下载 SageMaker notebook 并在本地 Jupyter 中继续开发，虽然可以在本地编辑代码，但它没有提供与 SageMaker 训练环境相同的执行环境，可能导致本地和云端行为不一致。