Ein E-Commerce-Team trainiert ein großes Bildklassifizierungsmodell mit 10.000 Klassen über viele Trainingsiterationen hinweg. Es muss den Betriebsaufwand und die Kosten minimieren und gleichzeitig den Verlust von Arbeit und erneutes Training vermeiden. Welcher Ansatz erfüllt diese Anforderungen am besten?
Wählen Sie eine Antwort
Tippen Sie auf eine Option, um Ihre Antwort zu überprüfen.
Richtige Antwort: Verwenden Sie SageMaker Managed Spot Training und aktivieren Sie das Checkpointing beim Starten der Trainingsjobs..
Warum dies die Antwort ist
SageMaker Managed Spot Training mit aktiviertem Checkpointing ist die beste Lösung. Es nutzt kostengünstige Spot Instances und speichert regelmäßig den Modellzustand, um bei Unterbrechungen den Trainingsfortschritt zu erhalten. Dies minimiert Betriebsaufwand und Kosten, da SageMaker die Spot-Instanzen verwaltet und das Training bei Unterbrechung automatisch vom letzten Checkpoint fortsetzt. AWS Batch-Jobs mit Spot Instances erfordern mehr manuellen Aufwand für das Checkpointing und die Wiederherstellung. Das manuelle Speichern von Snapshots bei Spot-Unterbrechungen ist fehleranfällig und erhöht den Betriebsaufwand. AWS Lambda ist für langlaufende, rechenintensive Aufgaben wie das Training großer Bildklassifizierungsmodelle ungeeignet, da es Laufzeitbeschränkungen hat.
Bestehen Sie Ihre Prüfung – ohne endlose Antwortsuche
Erhalten Sie jede verifizierte Frage und Erklärung für diese Prüfung an einem Ort und sparen Sie Stunden der Vorbereitung. Über 1.000 Zertifizierungen · Über 20 Sprachen · Kostenloser Start.
Bestehen Sie Ihre Prüfung schneller → Keine Karte erforderlich