Цены на Amazon SageMaker

При работе с Amazon SageMaker оплате подлежат только используемые ресурсы. Плата за создание, обучение и развертывание моделей машинного обучения взимается по секундам без минимальных платежей или долгосрочных обязательств.

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.

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.

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.

Теперь у вас есть возможность произвести оценку расходов на использование Amazon SageMaker с помощью калькулятора цен SageMaker. С помощью калькулятора цен можно оценить расходы для примера использования, экспортировать результаты для анализа в автономном режиме и корректировать расходы в соответствии с требованиями.

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.
   

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 = 0,359 USD;
Промежуточный итог: универсальное хранилище SSD объемом 200 ГБ = 0,0032 USD.
Итоговая стоимость для этого примера составит 0,3622 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 = 17,28 USD + 2,56 USD = 19,84 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 * 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 2,7811 USD. Вычислительные инстансы и тома хранения общего назначения, которые используются встроенными правилами Amazon SageMaker Debugger, не приводят к дополнительным расходам.

Модель из примера 3 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 = 356,832 USD; промежуточная сумма за хостинг 3100 МБ обработанных входящих данных и 310 МБ обработанных исходящих данных в месяц = 0,056 USD. Стоимость для этого примера составляет 356,887 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.

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

Модель из примера 1 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 = 3,36 USD; промежуточная стоимость передачи 4,4 ГБ данных в Amazon S3 = 0 USD. Итоговая стоимость для этого примера составит 3,36 USD.