一位 ML 工程師在 SageMaker Studio 筆記本中使用估算器訓練神經網路。Python 訓練腳本在具有多個 GPU 的單一實例上使用 Distributed Data Parallel (DDP)，但 GPU 的利用率不足。工程師需要找出訓練腳本中可以優化資源使用的地方。哪種方法可以找出該點？

SageMaker Profiler 旨在分析訓練任務的資源利用率，包括 GPU 使用率、CPU 使用率和記憶體使用量。透過在訓練腳本中加入 Profiler 註釋，工程師可以收集詳細的效能數據，並生成報告，精確指出訓練瓶頸，例如 GPU 利用率不足的原因。 其他選項不適用： CloudWatch 指標可以顯示 GPU 利用率，但無法深入分析訓練腳本內部的問題。 CloudTrail 用於記錄 AWS API 呼叫，與資源利用率分析無關。 SageMaker Model Monitor 用於監控模型部署後的效能和資料漂移，與訓練階段的資源優化無關。