Цены на Amazon SageMaker

С Amazon SageMaker есть два способа оплаты, и вы платите только за то, что используете. Оплата по факту использования взимается на посекундной основе, без минимальных платежей и долгосрочных обязательств, а тарифы SageMaker Savings Plan предлагают гибкую модель ценообразования на основе использования при условии, что клиент обязуется использовать постоянный объем ресурсов.

Сервис Amazon SageMaker можно попробовать бесплатно. В рамках уровня бесплатного пользования AWS работу с Amazon SageMaker можно начать бесплатно. Действие уровня бесплатного пользования начинается с первого месяца, как только вы создали первый ресурс SageMaker. Подробные сведения об уровне бесплатного пользования для Amazon SageMaker приведены в таблице ниже.

Тарифы Amazon SageMaker Savings Plan помогают снизить расходы вплоть до 64 %. Эти тарифы автоматически применяются к соответствующим инстансам SageMaker для машинного обучения (ML), включая SageMaker Studio Notebooks, SageMaker On-Demand Notebooks, SageMaker Processing, SageMaker Data Wrangler, SageMaker Training, SageMaker Real-Time Inference и SageMaker Batch Transform, независимо от семейства инстансов, размера и региона. Например, для обработки рабочих нагрузок, связанных с получением логических выводов, вместо инстанса ml.c5.xlarge, работающего в регионе Восток США (Огайо), можно в любое время перейти к использованию инстанса ml.Inf1 в регионе Запад США (Орегон) и автоматически продолжать пользоваться тарифами Savings Plan. Подробнее »

Вам предоставлен доступ к Amazon SageMaker Studio – первой бесплатной интегрированной среде разработки (IDE) для машинного обучения. SageMaker Studio обеспечивает полный доступ и видимость каждого шага, необходимого для создания, обучения и развертывания моделей. Сервис SageMaker Studio абсолютно бесплатный. Вы платите только за сервисы AWS, которые используете в среде Studio.

В среде SageMaker Studio для использования без дополнительной платы доступны множество сервисов, в их числе:

• SageMaker Pipelines для автоматизации и управления автоматизированными рабочими процессами машинного обучения;
• SageMaker Autopilot для автоматического создания моделей машинного обучения с сохранением полной прозрачности;
  
• SageMaker Experiments для организации и отслеживания заданий обучения и версий;
• SageMaker Debugger для отладки отклонений во время обучения;
• SageMaker Model Monitor для обслуживания моделей высокого качества;
• SageMaker Clarify для более понятного объяснения ваших моделей машинного обучения; и
• SageMaker JumpStart для простого развертывания решений машинного обучения для множества примеров использования.

Вы платите только за базовые вычислительные ресурсы и ресурсы хранения, используемые в рамках SageMaker или других сервисов AWS, в зависимости от использования.

Amazon SageMaker Jumpstart и проект Amazon SageMaker – это продукты, представленные в каталоге AWS Service Catalog. Оплата в рамках AWS Service Catalog может начисляться за базовые API вызовы, которые Amazon SageMaker выполняет в AWS Service Catalog от вашего имени. Более подробная информация на странице https://aws.amazon.com/servicecatalog/pricing/.

Вы можете анализировать и визуализировать данные для машинного обучения на языке R, используя гибкие вычислительные ресурсы RStudio в SageMaker, первом полностью управляемом облачном сервисе RStudio Workbench. Вы можете использовать текущие лицензии RStudio в SageMaker и управлять ими с помощью AWS License Manager без дополнительных затрат.

Узнайте больше о ценах на Amazon SageMaker Ground Truth. Это полностью управляемый сервис маркировки данных, который упрощает построение высокоточных наборов обучающих данных для машинного обучения.

Узнайте больше о ценах на Amazon SageMaker Edge Manager. Это сервис для оптимизации, выполнения и мониторинга моделей машинного обучения в группах периферийный устройств. 

Amazon SageMaker предлагает снизить совокупную стоимость владения (TCO) не менее чем на 54 % в течение трех лет, по сравнению с другими облачными самоуправляемыми сервисами. Узнайте больше о полном анализе совокупной стоимости владения (TCO) для Amazon SageMaker.

Специалист по работе с данными выполняет описанную ниже последовательность действий, используя блокноты Amazon SageMaker Studio.

1. Открывает блокнот 1 в ядре TensorFlow на инстансе ml.c5.xlarge, затем работает с этим блокнотом 1 час.
2. Открывает блокнот 2 на инстансе ml.c5.xlarge. Он автоматически откроется в том же инстансе ml.c5.xlarge, что и блокнот 1. 
3. Работает одновременно с блокнотами 1 и 2 в течение 1 часа.
   
4. Специалисту по работе с данными будет выставлен общий счет за 2 (два) часа использования ml.c5.xlarge. За час, в течение которого специалист работал одновременно на блокнотах 1 и 2, будет учтено применение каждого ядра в течение 0,5 часа и выставлен счет за 1 час.
   

Специалист по работе с данными выполняет описанную ниже последовательность действий, используя RStudio в SageMaker

1. Открывает RSession 1 на инстансе ml.c5.xlarge, затем работает с этим блокнотом 1 час.
2. Открывает RSession 2 на инстансе ml.c5.xlarge. Он автоматически откроется в том же инстансе ml.c5.xlarge, на котором работает RSession 1.
3. Работает одновременно в RSesssion 1 и RSession 2 в течение 1 часа.
4. Специалисту по работе с данными будет выставлен общий счет за 2 (два) часа использования ml.c5.xlarge. За час, в течение которого специалист работал одновременно в RSession 1 и 2, будет учтено применение каждого RSession в течение 0,5 часа и выставлен счет за 1 час.

Тем временем RServer работает круглосуточно, независимо от наличия выполняющихся сеансов RSessions. Если администратор выбирает «Маленький» инстанс (ml.t3.medium), то он предоставляется бесплатно. Если администратор выбирает «Средний» инстанс (ml.c5.4xlarge) или «Большой» инстанс (ml.c5.9xlarge), то плата взимается за каждый час использования, пока работает RStudio для домена SageMaker.

Amazon SageMaker Processing начисляет плату только за инстансы, используемые во время выполнения заданий. Когда вы предоставляете входные данные для обработки в Amazon S3, Amazon SageMaker скачивает эти данные из Amazon S3 в локальное хранилище данных перед началом задания обработки.

Специалист по обработке данных запускает задание обработки, чтобы предварительно обработать и проверить данные на двух инстансах ml.m5.4xlarge, что потребует 10 минут работы. Она загружает набор входных данных 100 ГБ в S3 для задания обработки, а выходные данные примерно такого же размера также будут сохраняться в S3.

Промежуточный итог: задание обработки Amazon SageMaker = 0,308 USD;
Промежуточный итог: универсальное хранилище SSD объемом 200 ГБ = 0,0032 USD.
Итоговая стоимость для этого примера составит 0,3112 USD

Специалист по работе с данными тратит по шесть часов в течение трех дней на очистку, поиск и визуализацию данных с помощью Amazon SageMaker Data Wrangler. Чтобы выполнить конвейер подготовки данных, необходимо инициировать задание SageMaker Data Wrangler, запуск которого по расписанию должен осуществляться каждую неделю.

В приведенной ниже таблице расписано общее использование за месяц и связанные затраты на использование Amazon SageMaker Data Wrangler.

Согласно таблице выходит, что вы используете Amazon SageMaker Data Wrangler для подготовки данных всего 18 часов за три дня. Кроме этого вы создаете задание SageMaker Data Wrangler для подготовки обновленных данных на еженедельной основе. Продолжительность каждого задания составляет 40 минут, и задание выполняется еженедельно в течение одного месяца.

Общая стоимость использования Data Wrangler за месяц = 16,596 USD + 2,461 USD = 19,097 USD

У вас есть веб-приложение, которое отправляет в магазин функций Amazon SageMaker операции чтения и записи объемом 25 КБ каждая. В течение первых 10 дней месяца вы получаете ограниченный трафик для приложения, который позволяет отправлять каждый день в магазин функций SageMaker 10 000 операций записи и 10 000 операций чтения. На 11‑й день месяца популярность приложения в социальной сети подскакивает, и в этот день трафик резко увеличивается до 200 000 операций чтения и 200 000 операций записи. Затем модель трафика приложения стабилизируется, и до конца месяца в среднем выполняется 80 000 операций чтения и 80 000 операций записи каждый день до конца месяца.

В приведенной ниже таблице расписано общее использование за месяц и связанные затраты на использование магазина функций Amazon SageMaker.

++ Все дробные единицы чтения будут округлены до ближайшего целого значения

Хранилище данных
Общий объем хранимых данных = 31,5 ГБ
Ежемесячная плата за хранение данных = 31,5 ГБ x 0,45 USD = 14,175 USD

Общая ежемесячная плата за использование магазина функций Amazon SageMaker = 56,875 USD + 3,185 USD + 14,175 = 74,235 USD

Специалист по работе с данными в течение недели работал над моделью для воплощения новой идеи. Она обучила модель 4 раза на инстансе ml.m4.4xlarge, и каждое обучение выполнялось в течение 30 минут со включенным Amazon SageMaker Debugger, где настроены 2 встроенных и 1 настраиваемое правило, которое она написала сама. Для настраиваемого правила она указала инстанс ml.m5.xlarge. Для обучения она использует 3 ГБ обучающих данных, которые размещены в Amazon S3, а модель объемом 1 ГБ помещается в Amazon S3. SageMaker создает Универсальные тома SSD (gp2) для каждого инстанса обучения. Также SageMaker создает Универсальные тома SSD (gp2) для каждого используемого правила. В нашем примере это означает, что будут созданы 4 универсальных тома SSD (gp2). SageMaker Debugger выводит 1 ГБ отладочных данных в клиентскую корзину Amazon S3.

Общие затраты на обучение и отладку в нашем примере составят 2,38 USD. Вычислительные инстансы и тома хранения общего назначения, которые используются встроенными правилами Amazon SageMaker Debugger, не приводят к дополнительным расходам.

Модель из примера 5 развертывается в рабочую среду с двумя (2) инстансами ml.c5.xlarge для обеспечения надежного развертывания в нескольких зонах доступности. Также используется Amazon SageMaker Model Monitor с одним (1) инстансом ml.m5.4xlarge, а задания мониторинга назначаются один раз в день. На завершение каждого задания мониторинга требуется около 5 минут. Ежедневно модель принимает 100 МБ данных. Логические выводы занимают 1/10 объема входящих данных.

Промежуточная сумма за обучение и хостинг = 305,827 USD; промежуточная сумма за хостинг 3100 МБ обработанных входящих данных и 310 МБ обработанных исходящих данных в месяц = 0,06 USD. Стоимость для этого примера составляет 305,887 USD в месяц.

Обратите внимание, что для встроенных правил с инстансами ml.m5.xlarge вы бесплатно получаете до 30 часов мониторинга по всем адресам на каждый месяц.

Плата за асинхронные логические выводы Amazon SageMaker начисляется за инстансы, используемые в вашем адресе. Если не идет активный процесс обработки запросов, можно настроить автоматическое масштабирование, чтобы снизить количество инстансов до нуля и сократить расходы. Для входящих полезных нагрузок Amazon S3, плата за чтение входных данных из Amazon S3 и запись выходных данных в S3 в пределах одного региона не начисляется.

Модель из примера 5 используется для запуска адреса асинхронных логических выводов SageMaker. В настройках адреса указан запуск на 1 инстансе ml.c5.xlarge и уменьшение количества инстансов до нуля, если не идет активной обработки запросов. За инстансом ml.c5.xlarge в адресе закреплено универсальное хранилище 4GB General Purpose (SSD). В этом примере адрес поддерживает 1 инстанс в течение 2 часов в день, а период охлаждения составляет 30 минут, после чего в течение остального дня количество используемых инстансов сокращается до нуля. Следовательно, с ваз взимается плата за 2,5 часа использования в день. 

Адрес обрабатывает 1024 запроса в день. Размер каждого тела запроса/отклика вызовы составляет 10 КБ, а полезная нагрузка каждого запроса логического вывода в Amazon S3 – 100 МБ. Выходные данные логического вывода занимают 1/10 размера входных данных, которые хранятся в том же регионе Amazon S3. В этом примере плата за обработку данных взимается за тело запроса и отклика, но не за данные, переданным в/из Amazon S3. 

Итого за асинхронные логические выводы SageMaker = 15,81 USD + 0,56 USD + 2 * 0,0048 = 16,38 USD. Стоимость асинхронных логических выводов для этого примера составляет 16,38 USD в месяц.

При использовании Amazon SageMaker Batch Transform плата начисляется только за инстансы, используемые во время выполнения заданий. Если данные уже находятся в Amazon S3, то плата за чтение входных данных из S3 и запись выходных данных в S3 в пределах одного региона не начисляется. 

Модель из примера 5 используется для выполнения SageMaker Batch Transform. Специалист по работе с данными запускает четыре отдельных задания SageMaker Batch Transform на трех инстансах ml.m4.4xlarge в течение 15 минут для каждого задания. При каждом запуске специалист загружает из S3 набор данных для оценки, который занимает 1 ГБ, при этом логические выводы, которые сохраняются в S3, занимают 1/10 объема входных данных.

Промежуточная стоимость выполнения задания SageMaker Batch Transform = 2,88 USD; промежуточная стоимость передачи 4,4 ГБ данных в Amazon S3 = 0 USD. Итоговая стоимость для этого примера составит 2,90 USD.