Un equipo que utiliza Amazon SageMaker encuentra que el algoritmo de clasificación de imágenes incorporado por defecto (ResNet) ofrece baja precisión y quieren usar una arquitectura Inception en su lugar. ¿Qué enfoques les permitirán entrenar con Inception? (Elija dos opciones).

Las opciones correctas son proporcionar un contenedor Docker o escribir código de entrenamiento personalizado. SageMaker es una plataforma abierta que permite a los usuarios traer sus propios algoritmos y marcos. Para usar Inception, que no es el modelo predeterminado, el equipo puede empaquetar su implementación de Inception (por ejemplo, en TensorFlow Estimator) dentro de un contenedor Docker y usarlo para el entrenamiento. Alternativamente, pueden escribir código de entrenamiento personalizado en SageMaker que cargue y entrene una red Inception utilizando un marco como TensorFlow Estimator. Modificar el algoritmo incorporado no es posible, ya que son preconfigurados por AWS. Abrir un caso de soporte no cambiará el algoritmo predeterminado para un usuario individual. Instalar Inception en una instancia EC2 a través de apt-get y usarla como notebook Jupyter no es la forma estándar de entrenar modelos en SageMaker; no aprovecha las capacidades de entrenamiento distribuido y gestión de recursos de SageMaker.