一個 TensorFlow 模型使用現有的 train.py 腳本和儲存為 TFRecord 檔案的靜態訓練資料。團隊希望以最少的開發工作將這些資料提供給 SageMaker。在不更改訓練程式碼的情況下，向 SageMaker 提供訓練資料最簡單的方法是什麼？

正確答案是「使用 SageMaker 腳本模式，train.py 保持不變，將 TFRecord 檔案上傳到 S3 儲存桶，然後將 SageMaker 訓練任務指向該 S3 位置（無需重新格式化）」。SageMaker 腳本模式允許您直接使用現有的訓練腳本，而無需修改。TensorFlow 原生支持 TFRecord 格式，因此 SageMaker 訓練任務可以直接從 S3 讀取這些檔案，無需額外轉換。 選項一不正確，因為將 TFRecord 轉換為 protobuf 格式是不必要的步驟，增加了複雜性。選項二不正確，因為修改 train.py 違背了「最少的開發工作」原則，且在執行時轉換會增加訓練時間。選項三不正確，因為它沒有明確說明資料來源是 S3，並且強調「本地路徑」可能導致誤解，暗示資料需要先下載到訓練實例，而最佳實踐是直接從 S3 讀取。