您正在開發一個 TensorFlow 專案，該專案使用 Amazon SageMaker 進行訓練，但將在沒有 Wi-Fi 的情況下離線一段時間。哪種方法可以讓您在本地繼續工作，且只需最少的更改？

正確答案是將 Amazon SageMaker 使用的 TensorFlow Docker 容器從 GitHub 下載到您的本機機器，並使用 Amazon SageMaker Python SDK 在本機測試程式碼。這種方法能確保您的本機環境與 SageMaker 訓練環境高度一致，因為您使用的是相同的 Docker 容器和 SageMaker Python SDK。這能最大程度地減少在離線開發後重新部署到 SageMaker 時可能出現的相容性問題，並允許您在本地執行與 SageMaker 訓練作業相似的測試。 安裝 Python 3 和 boto3 函式庫不足以模擬完整的 SageMaker 環境，因為它不包含 TensorFlow 及其 SageMaker 特定組態。從 tensorflow.org 下載 TensorFlow 需要您手動配置環境以模擬 SageMaker，這會增加複雜性和出錯的可能性。下載 SageMaker 筆記本並在本地 Jupyter 中開發，雖然可以在本地編輯程式碼，但它沒有提供與 SageMaker 訓練環境相同的執行時容器，因此無法保證程式碼行為的一致性。