一位 ML 專家有一個自訂容器映像檔，用於在 Amazon SageMaker 中訓練影像分類器，並希望將該自訂映像檔的超參數最佳化 (HPO) 結果與 SageMaker 內建影像分類演算法的結果進行比較。所有實驗和 HPO 任務都必須從 SageMaker Studio 筆記本中的腳本啟動。哪種方法能讓專家以最少的時間完成這項工作？

正確答案是：使用 SageMaker Experiments 執行和追蹤多個訓練任務來調整自訂容器模型。使用 SageMaker 自動模型調優來調整內建影像分類演算法。選擇具有最佳目標指標的模型。 SageMaker Experiments 允許您追蹤和比較自訂容器映像檔的多個訓練任務，包括手動超參數調整的結果。這對於自訂容器非常有用，因為它們可能不直接支援 SageMaker 自動模型調優 (AMT)。對於 SageMaker 內建演算法，AMT 是最有效率的超參數優化方法，它包含 early stopping 功能。此組合能以最少時間完成任務，並提供兩種模型的比較基礎。 選項一不正確，因為在 local mode 啟動多個訓練任務進行 HPO 效率低下且難以管理大規模實驗。選項二不正確，因為 SageMaker Autopilot 不支援自訂容器映像檔的超參數優化。選項四不正確，因為 SageMaker 自動模型調優不支援對自訂容器映像檔進行超參數優化。