QuantGen prévoit d'accélérer l'entraînement GPU à grande échelle sur SageMaker. Ils souhaitent activer la fusion de noyaux GPU et les optimisations au niveau de l'opérateur fournies par SageMaker Training Compiler. Quelle affirmation décrit correctement comment l'activer et quels frameworks sont pris en charge pour cette optimisation ?
Choisissez une réponse
Appuyez sur une option pour vérifier votre réponse.
Bonne réponse : Activez le Training Compiler sur le TrainingJob/Estimator (par exemple via compiler_config={'enabled': True} ou en utilisant enable_training_compiler=True dans les SDK récents) et exécutez sur des instances GPU (famille p3, p4, g4dn). Le Training Compiler fournit la fusion de noyaux GPU et les optimisations de graphes/opérateurs pour les frameworks d'apprentissage profond pris en charge tels que PyTorch et TensorFlow (il n'est pas applicable à scikit-learn ou XGBoost)..
Pourquoi c'est la réponse
La bonne réponse décrit précisément comment activer SageMaker Training Compiler et les frameworks qu'il prend en charge. L'activation se fait via compilerconfig={'enabled': True} ou enabletrainingcompiler=True sur le TrainingJob ou l'Estimator. Il est conçu pour les instances GPU (p3, p4, g4dn) et optimise les frameworks de deep learning comme PyTorch et TensorFlow en offrant la fusion de noyaux GPU et des optimisations au niveau de l'opérateur. Il n'est pas applicable à scikit-learn ou XGBoost, qui ne sont pas des frameworks de deep learning. Les autres options sont incorrectes car elles proposent des méthodes d'activation erronées, des supports de frameworks ou d'instances incorrects, ou affirment une activation automatique non fondée.
Réussissez votre examen — sans la chasse aux réponses interminable
Obtenez toutes les questions et explications vérifiées pour cet examen en un seul endroit, et économisez des heures de préparation. Plus de 1 000 certifications · Plus de 20 langues · Gratuit pour commencer.
Réussissez votre examen plus rapidement → Pas de carte requise