QuantGenは、SageMakerで大規模なGPUトレーニングを高速化することを計画しています。彼らは、SageMaker Training Compilerが提供するGPUカーネルフュージョンとオペレーターレベルの最適化を有効にしたいと考えています。それを有効にする方法と、その最適化がサポートされているフレームワークを正しく説明しているのは、次のうちどれですか？

SageMaker Training Compilerを有効にするには、TrainingJobまたはEstimatorでcompilerconfig={'enabled': True}を設定するか、新しいSDKではenabletrainingcompiler=Trueを使用します。この機能はP3、P4、G4dnなどのGPUインスタンスで動作し、PyTorchやTensorFlowのようなディープラーニングフレームワークにGPUカーネルフュージョンとグラフ/オペレーター最適化を提供します。scikit-learnやXGBoostなどの従来の機械学習フレームワークはサポートしていません。 誤った選択肢は、Training Compilerがハイパーパラメータで有効になり、すべてのフレームワークやCPUインスタンスをサポートすると誤って主張しています。また、AutoMLと混同したり、特別な設定なしに自動的に適用されると誤解したりしています。