某公司希望減少訓練任務的能源消耗和運算資源使用，以提高永續性。哪些行動可以降低與訓練相關的能源使用和運算成本？（請選擇兩項）

使用 Amazon SageMaker Debugger 在偵測到不收斂條件時終止訓練任務，可以避免模型在無法收斂時繼續消耗運算資源和能源，從而降低成本和能源使用。使用 AWS Trainium 實例進行訓練是正確的，因為 Trainium 實例專為高效能深度學習訓練而設計，能以更低的成本和更高的能源效率完成訓練任務。 使用 Amazon SageMaker Ground Truth 進行資料標註與訓練任務的能源消耗和運算成本無直接關聯。使用 AWS Lambda 函數部署模型是關於模型部署而非訓練，因此不影響訓練成本。使用啟用分散式訓練的 PyTorch 或 TensorFlow 雖然可以加速訓練，但通常會增加運算資源的使用，不一定能降低總體能源消耗和成本。