Beim Vorbereiten von CSV-Trainingsdaten für einen integrierten SageMaker-Algorithmus verringerte die Konvertierung des Datensatzes in ein numpy.array die Trainingsgeschwindigkeit. Was sollten Sie tun, um Trainingsdaten für integrierte SageMaker-Algorithmen zu optimieren?

Die Konvertierung des Datensatzes in das RecordIO-Protobuf-Format ist die optimale Methode für integrierte SageMaker-Algorithmen, da dieses Format für effizientes Lesen und Schreiben großer Datensätze optimiert ist. Es ermöglicht eine schnellere Datenverarbeitung und reduziert die Trainingszeit im Vergleich zu anderen Formaten wie CSV oder numpy.array. SageMaker Batch Transform ist für Inferenz, nicht für die Optimierung von Trainingsdatenformaten. AWS Glue kann Daten komprimieren, aber Parquet ist nicht das primäre Optimierungsformat für integrierte SageMaker-Algorithmen. Die Hyperparameter-Optimierung (HPO) optimiert Modellparameter, nicht das Datenformat selbst.