Ein TensorFlow-Modell verwendet ein vorhandenes train.py-Skript und statische Trainingsdaten, die als TFRecord-Dateien gespeichert sind. Das Team möchte diese Daten SageMaker mit dem geringsten Entwicklungsaufwand zur Verfügung stellen. Was ist der einfachste Weg, die Trainingsdaten an SageMaker zu übergeben, ohne den Trainingscode zu ändern?

Die einfachste Methode ist, die TFRecord-Dateien in einen S3-Bucket hochzuladen und SageMaker direkt darauf zu verweisen. SageMaker kann TFRecord-Dateien nativ verarbeiten, wenn sie in S3 gespeichert sind, und der Skriptmodus ermöglicht die Ausführung des train.py-Skripts ohne Änderungen. Die Umwandlung in Protobuf ist unnötig, da TFRecord bereits ein effizientes Format für TensorFlow ist. Das Ändern des train.py-Skripts oder die Verwendung von Glue/Lambda für die Konvertierung würde zusätzlichen Entwicklungsaufwand bedeuten, was der Frage widerspricht.