StreamlineAI exécute un script d'entraînement PyTorch personnalisé (mode script) qui produit des points de contrôle de modèle périodiques. L'entreprise souhaite utiliser SageMaker Managed Spot Training pour réduire les coûts. Le script d'entraînement écrit les points de contrôle dans /opt/ml/checkpoints et l'entreprise stocke les artefacts sous s3://streamlineai-checkpoints/training1/. Quelle configuration permettra à un job d'entraînement SageMaker Managed Spot de reprendre à partir du dernier point de contrôle après une interruption ?

La bonne réponse est correcte car elle décrit la méthode standard de gestion des points de contrôle avec SageMaker Managed Spot Training. En définissant CheckpointConfig avec un S3Uri et un LocalPath, SageMaker gère automatiquement le téléchargement des points de contrôle depuis S3 au début d'une reprise et le téléchargement vers S3 lors d'une interruption. Le script d'entraînement doit être conçu pour sauvegarder les points de contrôle dans le LocalPath (/opt/ml/checkpoints) et pour les charger à partir de cet emplacement au démarrage. Les autres options sont incorrectes : S'appuyer sur l'artefact de modèle ne permet pas de reprendre un entraînement interrompu, car l'artefact de modèle est généralement la sortie finale du modèle, pas un point de contrôle intermédiaire. SageMaker Debugger (smdebug) est utilisé pour le débogage et l'observabilité, pas pour la gestion des points de contrôle pour la reprise d'entraînement. Monter un système de fichiers EFS est une solution viable pour la persistance des données, mais elle n'est pas la méthode native et optimisée de SageMaker pour la gestion des points de contrôle avec l'entraînement spot géré, qui utilise CheckpointConfig pour une intégration transparente avec S3.