Un'azienda addestra quotidianamente un modello di immagine CNN in modalità File su una singola istanza EC2 On-Demand con una sola epoca. Aggiungono circa 10.000 nuove immagini ogni giorno e desiderano accelerare l'addestramento e ridurre i costi senza modificare il codice. Quale modifica soddisferà al meglio questo obiettivo?

L'utilizzo di Spot Instances riduce significativamente i costi rispetto alle istanze On-Demand, poiché si sfrutta la capacità EC2 inutilizzata. L'abilitazione del checkpointing del modello è fondamentale quando si usano Spot Instances, perché queste possono essere interrotte con breve preavviso. Il checkpointing salva regolarmente lo stato del modello, permettendo di riprendere l'addestramento dall'ultimo punto di salvataggio in caso di interruzione, evitando di ricominciare da capo e garantendo il progresso dell'addestramento. Passare alla modalità Pipe o FastFile (se disponibile per il framework) può accelerare l'addestramento riducendo il tempo di caricamento dei dati, ma non affronta direttamente la riduzione dei costi e potrebbe richiedere modifiche al codice di addestramento per sfruttare appieno i benefici, contrariamente al requisito di non modificare il codice. Sostituire solo con Spot Instances senza checkpointing espone al rischio di perdere il progresso dell'addestramento in caso di interruzione, rendendo la soluzione inaffidabile e potenzialmente più costosa in termini di tempo di addestramento perso.