ある地理空間情報企業は、船舶検知のために日々の衛星画像をAmazon S3に保存しています。トレーニングデータは増え続けており、単一のml.p2.xlargeインスタンスをFile入力モードで使用するSageMakerトレーニングジョブが、最近、ローカルストレージ不足のために失敗し始めました。唯一の変更点は、データが増えたことでした。このソリューションは、ストレージの問題を解決し、パフォーマンスを最適化し、トレーニングコストを最小限に抑える必要があります。MLスペシャリストはどのような変更を行うべきですか？

File入力モードは、トレーニングジョブの開始時にS3からすべてのデータをダウンロードするため、データ量が増加するとローカルストレージが不足する可能性があります。Pipe入力モードは、データをストリーミングするため、ローカルストレージの要件を大幅に削減し、トレーニング中に必要なデータのみをダウンロードするため、パフォーマンスも向上します。複数のml.p2.xlargeインスタンスを使用してもストレージの問題は解決せず、コストが増加します。ml.p3.2xlargeインスタンスへの変更は、より強力なGPUを提供しますが、ローカルストレージの問題を直接解決するわけではありません。Amazon EFSは共有ファイルシステムですが、S3からのデータ転送オーバーヘッドが発生し、Pipeモードのようなストリーミングの利点はありません。