Vous développez un projet TensorFlow qui utilise Amazon SageMaker pour l'entraînement, mais vous serez hors ligne sans Wi-Fi pendant une période prolongée. Quelle approche vous permet de continuer à travailler localement avec un minimum de modifications ?

L'approche correcte consiste à télécharger le conteneur Docker TensorFlow utilisé par SageMaker. SageMaker utilise des conteneurs Docker pour encapsuler les environnements d'entraînement et d'inférence. En téléchargeant ce conteneur, vous reproduisez l'environnement SageMaker localement, ce qui minimise les modifications de code et assure la compatibilité. Le SDK Python de SageMaker permet ensuite de lancer des tâches d'entraînement localement dans ce conteneur, simulant ainsi le comportement de SageMaker. Installer Python et boto3 ne suffit pas car cela ne reproduit pas l'environnement spécifique de SageMaker avec toutes ses dépendances et configurations. Télécharger TensorFlow depuis tensorflow.org et émuler SageMaker est trop complexe et sujet aux erreurs, car il faudrait recréer manuellement l'environnement du conteneur. Télécharger le notebook SageMaker et installer Jupyter ne reproduit pas l'environnement d'exécution sous-jacent de SageMaker, ce qui pourrait entraîner des incohérences.