QuantGen prevede di accelerare l'addestramento GPU su larga scala su SageMaker. Vogliono abilitare la fusione del kernel GPU e le ottimizzazioni a livello di operatore fornite da SageMaker Training Compiler. Quale affermazione descrive correttamente come abilitarlo e quali framework sono supportati per tale ottimizzazione?

L'opzione corretta descrive accuratamente l'abilitazione del SageMaker Training Compiler tramite compilerconfig={'enabled': True} o enabletrainingcompiler=True nell'Estimator o TrainingJob. Specifica correttamente che richiede istanze GPU (come p3, p4, g4dn) e supporta framework di deep learning come PyTorch e TensorFlow, escludendo scikit-learn e XGBoost. Le altre opzioni sono errate perché: L'abilitazione tramite un iperparametro 'enabletrainingcompiler' che ottimizza qualsiasi framework e istanze solo CPU non è corretta; il Training Compiler è specifico per GPU e framework di deep learning. Impostare AutoML=true non abilita il Training Compiler e non supporta la fusione del kernel CPU. Il Training Compiler non è automatico per ogni processo di addestramento e richiede una configurazione esplicita, oltre a essere specifico per tipo di istanza e framework.