使用 Amazon SageMaker,您有两种支付方式,您只需按实际使用量付费。按需定价按秒计费,没有最低费用,也没有预付承诺。SageMaker Savings Plans 提供了一种基于用量的灵活定价模式,以换取对持续使用量的承诺。

免费开始使用 Amazon SageMaker

Amazon SageMaker 可免费试用。作为 AWS 免费套餐的一部分,您可以免费开始使用 Amazon SageMaker。您的免费套餐从您创建第一个 SageMaker 资源的第一个月开始。如需了解关于 Amazon SageMaker 免费套餐的详细信息,请见下表。

Amazon SageMaker 的功能 免费套餐前 2 个月的每个月使用情况
Amazon SageMaker Studio 笔记本、按需笔记本实例 Studio 笔记本上的 250 个小时 ml.t3.medium 实例,或者按需笔记本实例上的 250 个小时 ml.t2 medium 实例或 ml.t3.medium 实例
Amazon SageMaker Data Wrangler 25 个小时 ml.m5.4xlarge 实例
Amazon SageMaker Feature Store 1 千万个写入单位、1 千万个读取单位、25 GB 存储
培训 50 个小时 m4.xlarge 或 m5.xlarge 实例
推理 125 个小时 m4.xlarge 或 m5.xlarge 实例

Amazon SageMaker Savings Plans

Amazon SageMaker Savings Plans 最高可帮助您节省 64% 的费用。这些计划会自动应用于符合条件的 SageMaker 机器学习 (ML) 实例用量,包括 SageMaker Studio 笔记本、SageMaker 按需笔记本、SageMaker 处理、SageMaker Data Wrangler、SageMaker 训练、SageMaker 实时推理和 SageMaker 批量转换,无论实例系列、大小或区域如何。例如,您可以随时将在美国东部(俄亥俄)运行的 CPU 实例 ml.c5.xlarge 用量更改为在美国西部(俄勒冈)运行的 ml.Inf1 实例用量以用于推理工作负载,并自动继续支付 Savings Plans 价格。 了解更多 »

使用 Amazon SageMaker Studio 不收取额外费用

您现在可访问 Amazon SageMaker Studio,它是首个免费的完全集成开发环境 (IDE)。借助 SageMaker Studio,您可以全面了解构建、训练和部署模型的每个步骤。SageMaker Studio 免费使用,您只需为您在 Studio 中使用的 AWS 服务付费。

您可以免费使用 SageMaker Studio 中的众多服务,包括:

您只需要根据自己的使用情况为 SageMaker 内的底层计算和存储资源或其他 AWS 服务付费。

Amazon SageMaker Jumpstart 和 Amazon SageMaker 项目是AWS 服务目录预置产品。对于 Amazon SageMaker 代表您对 AWS Service Catalog 进行的底层 API 调用,您可能会从 AWS Service Catalog 产生费用。请参阅 https://aws.amazon.com/servicecatalog/pricing/ 了解详细信息。

Amazon SageMaker Ground Truth

了解关于 Amazon SageMaker Ground Truth 定价的更多信息,它是一种完全托管的数据标记服务,可让您轻松构建高度准确的训练数据集以用于机器学习。

Amazon SageMaker Edge Manager

了解关于 Amazon SageMaker Edge Manager 定价的更多信息,它可以在边缘设备队列上优化、运行与监控 ML 模型。 

借助 Amazon SageMaker 降低总拥有成本 (TCO)

与其他云端自行管理的解决方案相比,Amazon SageMaker 在 3 年期间的总拥有成本 (TCO) 至少降低 54%。通过 Amazon SageMaker 的 TCO 分析了解更多信息。

Amazon SageMaker 定价计算器

借助于 SageMaker 定价计算器,您现在可以估算使用 Amazon SageMaker 的费用。您可以使用定价计算器来获取关于自身用例的成本估算,导出估算进行线下分析,并且根据您的要求调整自己的费用。

  • Studio 笔记本
  • 按需笔记本实例
  • Processing
  • Data Wrangler
  • Feature Store
  • 培训
  • 实时推理
  • 批量转换
  • Studio 笔记本
  • Amazon SageMaker Studio 笔记本
    Amazon SageMaker Studio 笔记本是可以快速启动的一键式 Jupyter 笔记本。底层计算资源具有完全弹性,而笔记本支持轻松与他人共享,从而实现无缝协作。根据使用时长,您要为所选择的实例类型付费。

  • 按需笔记本实例
  • 按需笔记本实例
    按需笔记本实例是运行 Jupyter 笔记本应用程序的计算实例。根据使用时长,您要为所选择的实例类型付费。

  • Processing
  • Amazon SageMaker Processing
    Amazon SageMaker Processing 使您可以在完全托管的基础设施上轻松运行预处理、后处理和模型评估工作负载。根据使用时长,您要为所选择的实例类型付费。

  • Data Wrangler
  • Amazon SageMaker Data Wrangler
    Amazon SageMaker Data Wrangler 可将汇总和准备机器学习数据所需的时间从数周缩短至几分钟。您需要为清理、探索和可视化数据所用的时间付费。Amazon SageMaker 按使用每种实例类型的秒数定价。*

  • Feature Store
  • Amazon SageMaker Feature Store
    Amazon SageMaker Feature Store 是一种中央存储库,可为机器学习提取、存储和处理特征。您要为在 SageMaker Feature Store 上的写入、读取和数据存储付费。写入费用基于写入请求单位(每 KB 一个单位),读取费用基于读取请求单位(每 4KB 一个单位),而数据存储费用则基于每月每 GB。

  • 培训
  • Amazon SageMaker 训练
    Amazon SageMaker 可提供训练、调优和调试模型所需的一切,从而简化了机器学习 (ML) 模型训练过程。您将按所选实例类型的使用情况付费。当在训练期间使用 Amazon SageMaker Debugger 调试问题和监控资源时,您可以使用内置规则调试您的训练作业,或编写自己的自定义规则。使用内置规则来调试您的训练作业不会产生费用。对于自定义规则,您要根据使用时长为所选择的实例类型付费。

  • 实时推理
  • Amazon SageMaker 托管:实时推理
    Amazon SageMaker 为需要实时预测的用例提供实时推理。您将按所选实例类型的使用情况付费。当您借助 Amazon SageMaker Model Monitor 维持高准确性模型以提供实时推理时,您可以使用内置规则来监控模型,也可以编写自己的自定义规则。对于内置规则,您可以免费获得长达 30 小时的监控时间。是否产生额外费用将取决于使用的时长。如果使用自定义规则,您将被单独收取相关费用。

  • 批量转换
  • Amazon SageMaker 批量转换
    借助 Amazon SageMaker 批量转换,您无需将数据集拆分为多个数据块,也无需管理实时终端节点。SageMaker 批量转换让您可以针对大批量或小批量数据集运行预测。根据使用时长,您要为所选择的实例类型付费。

定价示例 1:Studio 笔记本

数据科学家在使用 Amazon SageMaker Studio 笔记本时按以下顺序执行操作。

  1. 在 ml.c5.xlarge 实例上的 TensorFlow 内核中打开笔记本 1,然后在此笔记本上工作 1 小时。
  2. 在 ml.c5.xlarge 实例上打开笔记本 2。该笔记本将在运行笔记本 1 的 ml.c5.xlarge 实例中自动打开。 
  3. 同时在笔记本 1 和笔记本 2 上工作 1 小时。
  4. 数据科学家将为总计两 (2) 小时的 ml.c5.xlarge 使用时长付费。对于她同时在笔记本 1 和笔记本 2 上工作的重叠时间,将按 0.5 小时对每个内核应用程序计费,她将支付 1 小时的费用。
内核应用程序 笔记本实例 小时数 每小时费用 合计
TensorFlow ml.c5.xlarge 1 0.204 USD 0.204 USD
TensorFlow ml.c5.xlarge 0.5 0.204 USD 0.102 USD
数据科学 ml.c5.xlarge 0.5 0.204 USD 0.102 USD
        0.408 USD

定价示例 2:Processing

Amazon SageMaker Processing 仅针对您在执行作业期间使用的实例收费。如果您用 Amazon S3 提供输入数据进行处理,则 Amazon SageMaker 会在处理作业开始时将数据从 Amazon S3 下载到本地文件存储。

该数据分析师在两个 ml.m5.4xlarge 实例上运行处理作业以便处理和验证数据,作业间隔时间为 10 分钟。她将 100GB 的数据集上传到 S3 中,作为处理作业的输入,而输出数据的大小与此大致相同,被传输回 S3 中。

小时数 Processing 实例 每小时费用 合计
1 * 2 * 0.167 = 0.334 ml.m5.4xlarge 0.922 USD 0.308 USD
通用型 (SSD) 存储 (GB) 每小时费用 合计
100 GB * 2 = 200 0.14 USD 0.0032 USD

Amazon SageMaker Processing 作业的费用小计 = 0.308 USD;
200GB 通用型 SSD 存储的费用小计 = 0.0032 USD。
此示例的费用合计为 0.3112 USD。

定价示例 3:Data Wrangler

作为一名数据科学家,您要在三天内每天花 6 个小时使用 Amazon SageMaker Data Wrangler 来清理、探索和对您的数据进行可视化。然后,为了执行您的数据准备管道,您要启动计划每周运行的 SageMaker Data Wrangler 作业。

下表总结了您在当月的总使用量,以及与使用 Amazon SageMaker Data Wrangler 相关的费用。

应用程序 SageMaker Studio 实例 天数 持续时间 总时长 每小时费用 费用小计
SageMaker Data Wrangler ml.m5.4xlarge 3 6 小时 18 小时 0.922 USD 16.596 USD
SageMaker Data Wrangler 作业 ml.m5.4xlarge - 40 分钟 2.67 小时 0.922 USD 2.461 USD

从表中可以看出,为了准备数据,您在 3 天内使用 Amazon SageMaker Data Wrangler 的总时长为 18 个小时。此外,您还创建了一个 SageMaker Data Wrangler 作业,以便每周准备更新的数据。每个作业持续 40 分钟,作业在一个月内每周运行。

使用 Data Wrangler 的月度总费用 = 16.596 USD + 2.461 USD = 19.097 USD

定价示例 4:特征存放区

您有一个 Web 应用程序,它每次向 Amazon SageMaker Feature Store 发放 25 KB 读取和写入。在一个月的前 10 天,流向您的应用程序的流量较少,每天产生对 SageMaker Feature Store 的 10000 次写入和 10000 次读取。在该月的第 11 天,您的应用程序受到社交媒体的关注,应用程序流量峰值在当天达到 200000 次写入和 200000 次读取。您的应用程序将进入更常规的流量模式,在接下来到月底的时间内,平均每天达到 80000 次写入和 80000 次读取。

下表总结了您在当月的总使用量,以及与使用 Amazon SageMaker Feature Store 相关的费用。

当月第几天 总写入数 总写入单位 总读取数 总读取单位
第 1 至 10 天 100000 次写入 
(10000 次写入 * 10 天)
2500000 
(100000 * 25KB)
100000 
(10000 * 10 天)
700000++ 
(100000 * 25/4KB)
         
第 11 天 200000 次写入 5000000 
(200000* 25KB)
200000 次读取 1400000++ 
(200000* 25/4KB)
         
第 12 至 30 天 1520000 次写入 
(80000 * 19 天)
38000000 
(1520000 * 25KB)
1520000 次写入
(80000 * 19 天)
10640000++
(1520000 * 25/4KB)
         
总应计费单位   45500000 个写入单位   12740000 个读取单位
月度写入和读取费用   56.875 USD 
(4.55 千万个写入单位 * 每百万次写入 1.25 USD)
  3.185 USD 
(1.274 千万个读取单位 * 每百万次读取 0.25 USD)

++ 所有小数读取单位都向上取整数

数据存储
总存储数据 = 31.5 GB
月度数据存储费用 = 31.5 GB * 0.45 USD = 14.175 USD

月度 Amazon SageMaker 特征存放区总费用 = 56.875 USD + 3.185 USD + 14.175 USD = 74.235 USD

定价示例 5:训练

一位数据科学家花了一周时间来为实验新想法建立模型。她在 ml.m4.4xlarge 上对模型进行了 4 次训练,每次训练 30 分钟,并且启用了 Amazon SageMaker Debugger,使用了 2 项内置规则和 1 项自己编写的自定义规则。对于自定义规则,她指定了 ml.m5.xlarge 实例。训练中使用了 3GB 位于 Amazon S3 中的训练数据,并将 1GB 模型输出推送到 Amazon S3 中。SageMaker 针对每个训练实例创建了通用型 SSD (gp2) 卷。SageMaker 还针对指定的每项规则创建了通用型 SSD (gp2) 卷。在本示例中一共创建了 4 个通用型 SSD (gp2) 卷。SageMaker 调试程序将 1GB 的调试数据传送到客户的 Amazon S3 存储桶中。

小时数 训练实例 调试实例 每小时费用 小计
4 * 0.5 = 2.00 ml.m4.4xlarge 不适用 0.96 USD 1.92 USD
4 * 0.5 * 2 = 4 不适用 内置规则实例无额外费用 0 USD 0 USD
4 * 0.5 = 2 ml.m5.xlarge 不适用 0.23 USD 0.46 USD
        -------
        2.38 USD
  用于训练的通用型 (SSD) 存储 (GB) 用于 Debugger 内置规则的通用型 (SSD) 存储 (GB) 用于 Debugger 自定义规则的通用型 (SSD) 存储 (GB) 每月每 GB 费用 小计
使用的容量 3 2 1    
费用 0 USD 内置规则存储卷无额外费用 0 USD 0.10 USD 0 USD

在本示例中,训练和调试的总费用为 2.38 USD。Amazon SageMaker Debugger 内置规则使用的计算实例和通用型存储卷不产生额外费用。

定价示例 6:实时推理

示例 3 中的模型被部署到生产环境中的两 (2) 个 ml.c5.xlarge 实例上,用于实现可靠的多可用区托管。使用一 (1) 个 ml.m5.4xlarge 实例运行 Amazon SageMaker 模型监控器,每天运行一次监控作业。每次监控作业用时 5 分钟。该模型每日接收 100MB 数据,而推理则为输入数据大小的 1/10。

每月小时数 托管实例 模型监控实例 每小时费用 合计
24 * 31 * 2 = 1488 ml.c5.xlarge   0.204 USD 303.522 USD
31*0.08 = 2.5   ml.m5.4xlarge 0.922 USD 2.305 USD
每月输入数据 – 托管 每月输出数据 – 托管 每 GB 输入或输出费用 合计
100MB * 31 = 3100MB   0.02 USD 0.05 USD
  10MB * 31 = 310MB 0.02 USD 0.01 USD

训练、托管和监控费用小计 = 305.827 USD;每月托管 3100MB 已处理的输入数据和 310MB 已处理的输出数据费用小计 = 0.06 USD。此示例的费用合计为 305.887 USD/月。

请注意,对于处理内置规则的 ml.m5.xlarge 实例,您每月可以免费获得长达 30 小时并且覆盖所有终端节点的免费监控时间。

定价示例 7:批量转换

Amazon SageMaker 批量转换仅针对您在执行作业期间使用的实例收费。如果您的数据已存于 Amazon S3 中,则从 S3 读取输入数据和将输出数据写入 S3 不会产生任何费用。

示例 1 中的模型用于运行 SageMaker 批量转换。该数据科学家在 3 个 ml.m4.4xlarge 上运行四个独立的 SageMaker 批量转换作业,每个作业运行 15 分钟。她每次运行时估计在 S3 中上传 1GB 的数据集,而推理为输入数据(存储回 S3 的数据)的 1/10。

小时数 训练实例 每小时费用 合计
3 * 0.25 * 4 = 3 小时 ml.m4.4xlarge 0.96 USD 2.88 USD
输入数据 (GB) – 批量转换 输出数据 (GB) – 批量转换 每 GB 输入或输出费用 合计
0 0 0.02 USD 0 USD

SageMaker 批量转换作业费用小计 = 2.88 USD;将 4.4GB 数据移入 Amazon S3 的费用小计 = 0 USD。此示例的费用合计为 2.90 USD。

详细了解 Amazon SageMaker

访问 SageMaker 概览页面
准备好开始使用了吗?
注册
还有更多问题?
联系我们