Uno specialista ML addestra un modello di previsione DeepAR su istanze On-Demand EC2 basate su CPU e l'addestramento richiede molte ore. Quali due azioni ridurranno il tempo totale di addestramento? (Scegliere due.)

Sostituire le istanze EC2 basate su CPU con istanze EC2 basate su GPU ridurrà significativamente il tempo di addestramento perché le GPU sono molto più efficienti nell'elaborazione parallela richiesta dagli algoritmi di deep learning come DeepAR. Addestrare utilizzando più istanze in parallelo (utilizzare più di un'istanza di addestramento) distribuisce il carico di lavoro, permettendo al modello di imparare più velocemente, un approccio comune per accelerare l'addestramento di modelli complessi. Passare a Spot Instances non riduce il tempo di addestramento, ma i costi. L'auto scaling è per l'inferenza, non per l'addestramento iniziale. Partire da un modello pre-addestrato è una buona pratica per l'accuratezza, ma non è garantito che riduca il tempo di addestramento iniziale del modello DeepAR da zero, specialmente se il dominio è molto diverso.