一家社群媒體公司將使用 SageMaker 內建的影像分類器來訓練影像分類模型，以偵測冒犯性內容。他們將使用 pipe mode 來加速訓練。資料集已分割成 Training、Validation 和 Test 資料夾，其中包含類別子資料夾、統一調整大小的影像，以及兩個名為 training.lst 和 validation.lst 的 manifest 檔案。他們為訓練和驗證上傳建立了單獨的 S3 儲存桶。在上傳到 S3 之前，他們應該執行哪些額外的資料準備步驟？

SageMaker 內建的影像分類器在 pipe mode 下，需要 RecordIO 格式的輸入。im2rec 工具是 Apache MXNet 提供的實用程式，能將影像檔案和 manifest 檔案轉換為 RecordIO 格式，這對於加速訓練至關重要。將影像讀取到 Pandas DataFrame 並寫入 Parquet 檔案不適用於影像分類模型訓練，且 SageMaker 內建影像分類器不支援此格式。直接壓縮訓練和驗證目錄（無論使用 Snappy 或 gzip）並上傳，無法滿足模型對 RecordIO 格式的要求，且壓縮本身不等於格式轉換。