Si desidera ridurre il tempo di calcolo totale richiesto per un processo di ottimizzazione degli iperparametri SageMaker di grandi dimensioni (i processi più piccoli precedenti richiedevano settimane). Quali due azioni ridurranno maggiormente il tempo di calcolo complessivo dell'ottimizzazione?

Per ridurre il tempo di calcolo complessivo, è fondamentale limitare il numero di esperimenti (training jobs) e terminare quelli non promettenti. L'utilizzo della strategia di ottimizzazione con arresto anticipato Hyperband è corretto perché questa strategia identifica e termina i training jobs con prestazioni scarse nelle fasi iniziali, concentrando le risorse sui candidati migliori e riducendo significativamente il tempo totale. Impostare un valore inferiore per MaxNumberOfTrainingJobs è corretto perché questo parametro limita il numero totale di training jobs eseguiti, riducendo direttamente il tempo di calcolo complessivo, anche se potrebbe compromettere l'esplorazione completa dello spazio degli iperparametri. Aumentare il numero di iperparametri da ottimizzare aumenterebbe il tempo di calcolo, poiché lo spazio di ricerca diventa più grande. Utilizzare una strategia di ottimizzazione esaustiva con ricerca a griglia è inefficiente per grandi spazi di ricerca e aumenterebbe drasticamente il tempo. Impostare un valore inferiore per MaxParallelTrainingJobs ridurrebbe la velocità di esecuzione parallela, aumentando il tempo totale, non diminuendolo.