Un'azienda vuole ridurre il consumo energetico e le risorse di calcolo utilizzate dai suoi training job per migliorare la sostenibilità. Quali azioni ridurranno il consumo energetico e il costo computazionale associati al training? (Scegliere due.)

L'utilizzo di Amazon SageMaker Debugger per terminare i training job quando non convergono riduce il consumo di risorse evitando calcoli inutili su modelli che non migliorano. Le istanze AWS Trainium sono progettate specificamente per accelerare il training del machine learning, offrendo prestazioni superiori con un'efficienza energetica ottimizzata rispetto alle istanze generiche, riducendo così i tempi di training e i costi computazionali. SageMaker Ground Truth è per l'etichettatura dei dati, non per ridurre i costi di training. La distribuzione con AWS Lambda è per l'inferenza, non per il training. Il distributed training con PyTorch o TensorFlow può accelerare il training ma non necessariamente riduce il consumo energetico totale o i costi computazionali per singolo job, anzi, potrebbe aumentarli a causa dell'uso di più risorse.