Un team che utilizza Amazon SageMaker rileva che l'algoritmo di classificazione delle immagini integrato predefinito (ResNet) offre una bassa accuratezza e desidera utilizzare invece un'architettura Inception. Quali approcci consentiranno loro di eseguire il training con Inception? (Scegliere due.)

Per utilizzare un'architettura Inception in SageMaker, si possono adottare due strategie principali. La prima è fornire un container Docker personalizzato. Questo container può includere un'implementazione di TensorFlow Estimator con la rete Inception desiderata, consentendo un controllo completo sull'ambiente di training e sulle dipendenze. La seconda strategia è scrivere codice di training personalizzato direttamente in SageMaker. Questo codice può utilizzare TensorFlow Estimator per caricare e addestrare una rete Inception. Entrambe le opzioni offrono la flessibilità necessaria per implementare architetture di rete personalizzate. Modificare l'algoritmo integrato predefinito non è possibile, poiché gli algoritmi integrati sono pre-configurati e non modificabili direttamente dall'utente. Aprire un caso di supporto per chiedere una modifica dell'algoritmo integrato non è una soluzione praticabile, in quanto AWS non personalizza gli algoritmi integrati su richiesta individuale. Installare codice Inception su un'istanza EC2 e usarla come notebook Jupyter non è l'approccio corretto per il training distribuito o scalabile in SageMaker; SageMaker offre astrazioni di alto livello per gestire le risorse di training.