FinPredict 執行許多連續的訓練任務，這些任務使用相同的實例類型，並且希望減少啟動延遲。他們考慮啟用 SageMaker Warm Pools，以便在任務之間重複使用已佈建的基礎設施。哪個陳述正確描述了 Warm Pools 提供的功能以及需要規劃的重要限制？

Warm pools 的主要優勢是保持 EC2 實例在連續任務之間保持啟動狀態，從而顯著減少啟動延遲。您可以配置 keep-alive 持續時間來控制實例保持啟動的時間。然而，warm pools 不會自動保留任務的 /opt/ml 目錄或容器檔案系統。這表示如果您需要在任務之間重複使用檢查點、模型或其他資料，您仍然需要將它們持久化到 S3 或持久性儲存卷，例如 Amazon EFS 或 Amazon FSx。 第二個選項不正確，因為 warm pools 不會自動持久化整個容器檔案系統。第三個選項不正確，因為 warm pools 僅適用於相同的實例類型，並且不能跨不同的實例類型或可用區域互換使用。第四個選項不正確，因為 warm pools 適用於隨需和 Spot 訓練任務，並且您可以配置 keep-alive 持續時間。