Вы разрабатываете проект TensorFlow, который использует Amazon SageMaker для обучения, но в течение длительного периода будет находиться в автономном режиме без Wi-Fi. Какой подход позволит вам продолжить работу локально с минимальными изменениями?

Правильный ответ - загрузить контейнер TensorFlow Docker, используемый Amazon SageMaker, и использовать Amazon SageMaker Python SDK. Этот подход позволяет точно воспроизвести среду SageMaker локально, обеспечивая совместимость и минимизируя изменения кода. SageMaker Python SDK поддерживает локальное тестирование, что упрощает переход между облачной и локальной средами. Установка только Python 3 и boto3 недостаточна, так как не воспроизводит среду выполнения SageMaker. Загрузка TensorFlow с tensorflow.org и эмуляция среды SageMaker вручную сложнее и более подвержена ошибкам, чем использование готового контейнера. Загрузка блокнота SageMaker и установка Jupyter не гарантирует идентичность среды выполнения и не обеспечивает локальное тестирование с помощью SageMaker Python SDK.