Bir ML uzmanı, CPU tabanlı EC2 On-Demand örnekleri üzerinde bir DeepAR tahmin modeli eğitiyor ve eğitim saatler sürüyor. Toplam eğitim süresini azaltacak iki eylem hangileridir? (İki tane seçin.)

DeepAR modelleri gibi derin öğrenme modelleri, matris çarpımları gibi yoğun paralel hesaplamalar içerir. GPU'lar, bu tür işlemleri CPU'lardan çok daha hızlı gerçekleştirebildiği için eğitim süresini önemli ölçüde azaltır. Bu nedenle, CPU tabanlı örnekleri GPU tabanlı örneklerle değiştirmek, eğitim süresini kısaltır. Eğitimi birden çok örnek kullanarak paralel hale getirmek (dağıtılmış eğitim), iş yükünü birden fazla makineye dağıtarak toplam eğitim süresini azaltmanın etkili bir yoludur. Her bir örnek, modelin farklı bir bölümünü veya veri kümesinin farklı bir kısmını işleyebilir. Spot Instances kullanmak maliyeti düşürür ancak eğitim süresini doğrudan azaltmaz; aksine, kesintiye uğrama riski nedeniyle toplam süreyi artırabilir. Otomatik model otomatik ölçeklendirme, modelin dağıtım sonrası performansını yönetmek içindir, eğitim süresini kısaltmaz. Önceden eğitilmiş bir modelden başlamak, eğitim süresini azaltabilir ancak DeepAR modelleri genellikle sıfırdan eğitilir ve bu seçenek her zaman uygun değildir.