Une équipe utilisant Amazon SageMaker constate que l'algorithme de classification d'images intégré par défaut (ResNet) donne une faible précision et souhaite utiliser une architecture Inception à la place. Quelles approches leur permettront de s'entraîner avec Inception ? (Choisissez deux.)

Les deux options correctes permettent d'utiliser une architecture Inception. Fournir un conteneur Docker personnalisé avec une implémentation TensorFlow Estimator est une approche flexible pour déployer n'importe quel modèle ou framework non directement pris en charge. Écrire du code d'entraînement personnalisé dans SageMaker en utilisant TensorFlow Estimator et en chargeant un réseau Inception est également une méthode directe et courante pour adapter les modèles. Modifier l'algorithme intégré n'est pas possible car ces algorithmes sont pré-entraînés et optimisés par AWS. Ouvrir un cas de support ne changera pas les algorithmes intégrés par défaut pour tous les utilisateurs. Installer Inception sur une instance EC2 et l'utiliser comme bloc-notes Jupyter ne permet pas de tirer parti des fonctionnalités d'entraînement géré de SageMaker.