StreamlineAI ejecuta un script de entrenamiento PyTorch personalizado (modo script) que produce puntos de control de modelo periódicos. Quieren usar el entrenamiento SageMaker Managed Spot para reducir costos. El script de entrenamiento escribe los puntos de control en /opt/ml/checkpoints y la empresa almacena los artefactos en s3://streamlineai-checkpoints/training1/. ¿Qué configuración permitirá que un trabajo de entrenamiento SageMaker de spot gestionado se reanude desde el último punto de control después de una interrupción?

La opción correcta describe el uso de CheckpointConfig en SageMaker para gestionar la persistencia de puntos de control en trabajos Spot. Al configurar S3Uri y LocalPath, SageMaker sincroniza automáticamente los puntos de control entre el almacenamiento local de la instancia de entrenamiento (/opt/ml/checkpoints) y el bucket S3 especificado (s3://streamlineai-checkpoints/training1/). Esto asegura que, tras una interrupción de Spot, el trabajo pueda reanudarse desde el último punto de control guardado en S3, que SageMaker descargará al LocalPath al reiniciar. El script de entrenamiento debe guardar los puntos de control en el LocalPath y tener lógica para cargar el último punto de control al inicio. Las otras opciones son incorrectas porque: Confiar en ModelArtifacts solo guarda el modelo final, no los puntos de control intermedios para reanudar el entrenamiento. SageMaker Debugger (smdebug) es para depuración y análisis de tensores, no para gestionar la reanudación de puntos de control de esta manera. Montar EFS es una solución de almacenamiento compartido, pero no es la forma nativa y optimizada de SageMaker para manejar la reanudación de puntos de control en trabajos Spot, que está diseñada específicamente para sincronizar con S3.