Un team ha uno script di training TensorFlow che attualmente esegue in locale e desidera eseguire il training su SageMaker nel modo più conveniente possibile. Quale configurazione dell'estimator TensorFlow ridurrà maggiormente i costi di training pur utilizzando lo script esistente?

L'opzione corretta combina due strategie efficaci per la riduzione dei costi. L'abilitazione di SageMaker Training Compiler (passando compilerconfig=TrainingCompilerConfig()) ottimizza le prestazioni del modello TensorFlow, riducendo il tempo di training e, di conseguenza, i costi computazionali. L'abilitazione del training spot gestito (usespotinstances=True) consente di utilizzare istanze spot di EC2, che offrono sconti significativi rispetto alle istanze on-demand, pur mantenendo l'affidabilità grazie alla gestione automatica delle interruzioni da parte di SageMaker. Le altre opzioni sono meno complete: la sola abilitazione del Training Compiler è utile ma non sfrutta i vantaggi delle istanze spot; la modifica dello script per il parallelismo distribuito può essere complessa e non è sempre la soluzione più conveniente per ridurre i costi se non strettamente necessaria per la scala; impostare MaxWaitTimeInSeconds uguale a MaxRuntimeInSeconds è una configurazione per il training spot, ma non aggiunge ulteriori ottimizzazioni di costo oltre a quelle già fornite da usespotinstances=True.