Ein Unternehmen trainiert täglich ein CNN-Bildmodell im Dateimodus auf einer einzelnen On-Demand EC2-Instanz mit einer Epoche. Es fügt täglich etwa 10.000 neue Bilder hinzu und möchte das Training beschleunigen und die Kosten senken, ohne den Code zu ändern. Welche Änderung wird dieses Ziel am besten erreichen?

Die Verwendung von Spot Instances reduziert die Kosten erheblich, da sie günstigere, ungenutzte EC2-Kapazität nutzen. Da Spot Instances unterbrochen werden können, ist Model Checkpointing unerlässlich. Es speichert den Modellzustand regelmäßig, sodass das Training nach einer Unterbrechung am letzten Checkpoint fortgesetzt werden kann, ohne von vorne beginnen zu müssen. Dies beschleunigt das Training effektiv, da weniger Zeit durch Neustarts verloren geht. Der Pipe-Modus oder FastFile-Modus würde eine Codeänderung erfordern, was laut Aufgabenstellung vermieden werden soll. Das Ersetzen der On-Demand-Instanz durch Spot Instances allein würde die Kosten senken, aber ohne Checkpointing wäre das Training bei Unterbrechungen sehr ineffizient und würde nicht beschleunigt.