Firma codziennie trenuje model obrazu CNN w trybie File na pojedynczej instancji EC2 On-Demand z jedną epoką. Codziennie dodają około 10 000 nowych obrazów i chcą przyspieszyć trenowanie oraz zmniejszyć koszty bez modyfikowania kodu. Która zmiana najlepiej spełni ten cel?

Poprawna odpowiedź to użycie instancji Spot i włączenie checkpointingu modelu. Instancje Spot są znacznie tańsze niż instancje On-Demand, co bezpośrednio obniża koszty. Włączenie checkpointingu (zapisywania stanu modelu) jest kluczowe przy instancjach Spot, ponieważ mogą one zostać przerwane. Checkpointing pozwala na wznowienie treningu od ostatniego zapisanego punktu, minimalizując straty czasu i zasobów, co przyspiesza cały proces, nawet jeśli instancja zostanie przerwana. Przełączenie na tryb Pipe lub FastFile (opcje 1 i 2) wymagałoby modyfikacji kodu, co jest sprzeczne z wymaganiem braku zmian w kodzie. Sama zmiana na instancje Spot bez checkpointingu (opcja 3) zmniejszyłaby koszty, ale nie przyspieszyłaby treningu w przypadku przerwania instancji, a wręcz mogłaby go opóźnić, ponieważ trening musiałby zaczynać się od nowa.