ด้วย Amazon SageMaker คุณจะมีสองตัวเลือกในการชำระเงินและชำระเฉพาะส่วนที่คุณใช้เท่านั้น ราคาตามความต้องการจะเรียกเก็บตามวินาทีโดยไม่มีค่าธรรมเนียมขั้นต่ำและไม่มีภาระผูกพันล่วงหน้า และ SageMaker Savings Plans จะให้โมเดลราคาที่ยืดหยุ่นตามการใช้งานโดยแลกเปลี่ยนกับภาระผูกพันในระยะเวลาการใช้งานอย่างต่อเนื่อง

เริ่มต้นใช้งาน Amazon SageMaker ฟรี

ลองใช้ Amazon SageMaker Studio ได้ฟรี เนื่องจากเป็นส่วนหนึ่งของ AWS Free Tier คุณสามารถเริ่มใช้งาน Amazon SageMaker ได้ฟรี Free Tier ของคุณจะเริ่มเดือนแรกเมื่อคุณสร้างทรัพยากร SageMaker แรกของคุณ รายละเอียดของ free tier สำหรับ Amazon SageMaker ดังตารางด้านล่าง

ความสามารถของ Amazon SageMaker ใช้งาน Free Tier สำหรับระยะเวลา 2 เดือน
อินสแตนซ์โน้ตบุ๊คของ Amazon SageMaker Studio และอินสแตนซ์โน้ตบุ๊คตามความต้องการ 250 ชั่วโมงของอินสแตนซ์ ml.t3.medium บน Studio notebooks หรือ 250 ชั่วโมงของอินสแตนซ์ ml.t2 medium หรืออินสแตนซ์ ml.t3.medium บนอินสแตนซ์ on-demand notebook
Amazon SageMaker Data Wrangler 25 ชั่วโมงของอินสแตนซ์ ml.m5.4xlarge instance
Amazon SageMaker Feature Store หน่วยการเขียน 10M หน่วยการอ่าน 10M ที่เก็บข้อมูล 25 GB
การฝึกอบรม 50 ชั่วโมงของอินสแตนซ์ m4.xlarge or m5.xlarge
การอนุมาน 125 ชั่วโมงของอินสแตนซ์ m4.xlarge หรือ m5.xlarge

Amazon SageMaker Savings Plans

Amazon SageMaker Savings Plans ช่วยลดค่าใช้จ่ายของคุณได้สูงสุด 64% โดยแผนจะมีผลกับการใช้งานอินสแตนซ์แมชชีนเลิร์นนิ่ง SageMaker (ML) ที่มีสิทธิ์โดยอัตโนมัติ รวมถึงโน้ตบุ๊ค SageMaker Studio, โน้ตบุ๊ค SageMaker On-Demand, SageMaker Processing, SageMaker Data Wrangler, SageMaker Training, SageMaker Real-Time Inference และ SageMaker Batch Transform ไม่ว่าจะเป็นกลุ่มประเภทอินสแตนซ์ ขนาด หรือรีเจี้ยนใด ตัวอย่างเช่น คุณสามารถเปลี่ยนแปลงการใช้งานจากอินสแตนซ์ CPU ml.c5.xlarge ที่ทำงานในสหรัฐอเมริกาฝั่งตะวันออก (โอไฮโอ) เป็นอินสแตนซ์ ml.Inf1 ในสหรัฐอเมริกาฝั่งตะวันตก (ออริกอน) สำหรับปริมาณงานการอนุมานได้ทุกเมื่อและยังคงชำระเงินตามราคาของ Savings Plans โดยอัตโนมัติ เรียนรู้เพิ่มเติม »

Amazon SageMaker Studio พร้อมใช้งานแล้ว โดยไม่มีการคิดค่าบริการเพิ่มเติม

ขณะนี้คุณสามารถเข้าถึง Amazon SageMaker Studio ซึ่งเป็นสภาพแวดล้อมสำหรับการพัฒนาแบบบูรณาการ (IDE) ตัวแรกที่ใช้ได้ฟรี SageMaker Studio ช่วยให้คุณเข้าถึงและมองเห็นในแต่ละขั้นตอนที่ต้องสร้าง ฝึกอบรม และติดตั้งโมเดลเพื่อใช้จริง ใช้ SageMaker Studio ได้ฟรี โดยจ่ายเฉพาะบริการของ AWS ที่คุณใช้ภายใน Studio เท่านั้น

คุณสามารถใช้บริการภายใน SageMaker Studio ได้โดยไม่มีค่าใช้จ่ายเพิ่มเติม ซึ่งได้แก่

  • SageMaker Pipelines ใช้สำหรับการกำหนดระบบการทำงานอัตโนมัติและจัดการเวิรฺ์คโฟลวของแมชชีนเลิร์นนิ่ง
  • SageMaker Autopilot ใช้สำหรับสร้างโมเดลแมชชีนเลิร์นนิ่งอัตโนมัติโดยสามารถมองเห็นได้ทั้งหมด
  • SageMaker Experiments ใช้สำหรับจัดการและติดตามงานในการฝึกฝนและเวอร์ชันต่างๆ
  • SageMaker Debugger ใช้สำหรับแก้บัก (debug ) ความผิดปกติระหว่างการฝึก
  • SageMaker Model Monitor เพื่อรักษาคุณภาพของโมเดลแมชชีนเลิร์นนิ่ง
  • SageMaker Clarify ใช้เพื่ออธิบายโมเดลแมชชีนเลิร์นนิ่งของคุณได้ดีขึ้น
  • SageMaker JumpStart ใช้เพื่อติดตั้งใช้งานโซลูชันแมชชีนเลิร์นนิ่งสำหรับกรณีการใช้งานได้อย่างง่ายดาย

คุณจะจ่ายเฉพาะทรัพยากรในการประมวลผลและที่จัดเก็บข้อมูลภายใน SageMaker หรือบริการของ AWS ตามการใช้งานจริงของคุณ

Amazon SageMaker Jumpstart และโปรเจ็กต์ Amazon SageMaker เป็นผลิตภัณฑ์ที่จัดเตรียมไว้ใน AWS Service Catalog คุณอาจถูกเรียกเก็บค่าบริการจาก AWS Service Catalog สำหรับการเรียกใช้ API พื้นฐานโดย Amazon SageMaker ไปที่ AWS Service Catalog ในนามของคุณ ดูรายละเอียดเพิ่มเติมที่ https://aws.amazon.com/servicecatalog/pricing/

Amazon SageMaker Ground Truth

เรียนรู้เพิ่มเติมเกี่ยวกับราคาสำหรับ Amazon SageMaker Ground Truth บริการป้ายกำกับข้อมูลที่สามารถจัดการอย่างสมบูรณ์ซึ่งช่วยให้สร้างชุดข้อมูลสำหรับฝึกแมชชีนเลิร์นนิ่งที่มีความแม่นยำสูงได้ง่ายขึ้น

ตัวจัดการ Amazon SageMaker Edge

เรียนรู้เพิ่มเติมเกี่ยวกับราคาสำหรับ Amazon SageMaker Edge Manager เพื่อเพิ่มประสิทธิภาพ รัน และตรวจสอบโมเดลแมชชีนเลิร์นนิ่งบนอุปกรณ์ edge 

ลดต้นทุนรวมในการเป็นเจ้าของ (total cost of ownership – TCO) ด้วย Amazon SageMaker

Amazon SageMaker ช่วยลดต้นทุนรวมในการเป็นเจ้าของ (total cost of ownership – TCO) ได้อย่างน้อย 54% ตลอดระยะเวลา 3 ปีเมื่อเทียบกับโซลูชันจัดการเองบนระบบคลาวด์แบบอื่นๆ เรียนรู้เพิ่มเติมเกี่ยวกับ TCO analysis สำหรับ Amazon SageMaker

เครื่องคำนวณราคา Amazon SageMaker

คุณสามารถประมาณค่าใช้จ่ายในการใช้งาน Amazon SageMaker ได้โดยใช้ เครื่องคำนวณราคา Amazon SageMaker ด้วยเครื่องคำนวณราคา คุณสามารถคำนวนค่าใช้จ่ายโดยประมาณสำหรับกรณีใช้งาน นำออกมาเพื่อใช้สำหรับการวิเคราะห์ออฟไลน์ และปรับค่าใช้จ่ายตามความต้องการใช้งานของคุณ

  • Studio Notebooks
  • อินสแตนซ์ On-Demand Notebook
  • การประมวลผล
  • Data Wrangler
  • Feature Store
  • การฝึกอบรม
  • การอนุมานแบบเรียลไทม์
  • การอนุมานแบบอะซิงโครนัส
  • Batch Transform
  • Studio Notebooks
  • Amazon SageMaker Studio Notebooks
    Amazon SageMaker Studio Notebooks คือ Jupyter notebooks แบบคลิกเดียวที่สามารถเริ่มต้นการทำงานได้อย่างรวดเร็ว ทรัพยากรการประมวลผลที่สำคัญมีความยืดหยุ่นเต็มที่ และสามารถแชร์ Notebooks กับผู้อื่นได้อย่างง่ายๆ ทำให้สามารถทำงานร่วมกันได้อย่างราบรื่น คุณจะถูกเรียกเก็บค่าใช้จ่ายเฉพาะสำหรับประเภทของอินสแตนซ์ที่คุณใช้และระยะเวลาในการใช้งาน

  • อินสแตนซ์ On-Demand Notebook
  • อินสแตนซ์ On-Demand Notebook
    อินสแตนซ์ On-Demand Notebook เป็นอินสแตนซ์ประมวลผลของแมชชีนเลิร์นนิ่ง (ML) ที่รันแอพพลิเคชัน Jupyter Notebook คุณจะถูกเรียกเก็บค่าใช้จ่ายเฉพาะสำหรับประเภทของอินสแตนซ์ที่คุณใช้และระยะเวลาในการใช้งาน

  • การประมวลผล
  • การประมวลผล Amazon SageMaker
    การประมวลผล Amazon SageMaker ช่วยให้คุณรันปริมาณงานสำหรับ ช่วงก่อนการประมวลผล หลังการประมวลผล และการประเมินโมเดลบนโครงสร้างพื้นฐานที่มีการจัดการเต็มรูปแบบได้อย่างง่ายดาย คุณจะถูกเรียกเก็บค่าใช้จ่ายเฉพาะสำหรับประเภทของอินสแตนซ์ที่คุณใช้และระยะเวลาในการใช้งาน

  • Data Wrangler
  • Amazon SageMaker Data Wrangler
    Amazon SageMaker Data Wrangler ช่วยลดเวลาในการรวบรวมและจัดเตรียมข้อมูลสำหรับการทำแมชชีนเลิร์นนิ่ง จากเป็นสัปดาห์เหลือเพียงไม่กี่นาที คุณจ่ายเฉพาะสำหรับเวลาที่ใช้ในการเรียบเรียง สำรวจ และแสดงภาพข้อมูล ราคาของ SageMaker Data Wrangler ขึ้นอยู่กับชนิดของอินสแตนซ์โดยลำดับที่สอง*

  • Feature Store
  • Amazon SageMaker Feature Store
    Amazon SageMaker Feature Store คือพื้นที่เก็บข้อมูลส่วนกลางสำหรับการนำเข้า จัดเก็บ และให้บริการฟีเจอร์ สำหรับแมชชีนเลิร์นนิ่ง คุณจะถูกเรียกเก็บเงินสำหรับการเขียน อ่าน และจัดเก็บข้อมูล บน SageMaker Feature Store การเขียนจะถูกคิดค่าใช้จ่ายตามหน่วยคำขอเขียนต่อ KB การอ่านจะถูกคิดค่าใช้จ่ายตามหน่วยคำขออ่านต่อ 4KB และการจัดเก็บข้อมูลจะถูกคิดค่าใช้จ่ายเป็น GB ต่อเดือน

  • การฝึกอบรม
  • Amazon SageMaker Training
    Amazon SageMaker Training ช่วยให้การฝึกอบรมโมเดลแมชชีนเลิร์นนิ่ง (ML) เป็นเรื่องง่ายโดยให้ทุกสิ่งที่คุณต้องการสำหรับการฝึกอบรม ปรับแต่ง และแก้ไขข้อบกพร่อง (debug) ของโมเดล คุณจะถูกเรียกเก็บเงินตามประเภทอินสแตนซ์ที่คุณเลือกใช้งาน เมื่อคุณใช้ Amazon SageMaker Debugger สำหรับแก้ไขข้อบกพร่องและติดตามทรัพยากรในระหว่างการฝึก ML คุณสามารถใช้กฎที่ติดตั้งมาด้วย ในการแก้ไขข้อบกพร่องของงานในการฝึกหรือเขียนกฎที่ตั้งค่าเองของคุณก็ได้ การใช้งานฝึกแก้ไขข้อบกพร่องนั้นไม่มีค่าใช้จ่าย คุณจะถูกเรียกเก็บค่าใช้จ่ายเฉพาะสำหรับประเภทอินแสตนซ์ที่คุณใช้และระยะเวลาในการใช้งาน

  • การอนุมานแบบเรียลไทม์
  • Amazon SageMaker Hosting: การอนุมานแบบเรียลไทม์
    Amazon SageMaker ให้บริการการอนุมานแบบเรียลไทม์สำหรับกรณีที่คุณต้องการการพยากรณ์แบบเรียลไทม์ คุณจะถูกเรียกเก็บเงินตามประเภทอินสแตนซ์ที่คุณเลือกใช้งาน เมื่อคุณใช้ Amazon SageMaker Model Monitor เพื่อรักษาความแม่นยำสูงของโมเดลที่ให้การอนุมานแบบเรียลไทม์ คุณสามารถใช้กฎในตัวเพื่อเฝ้าติดตามโมเดลหรือเขียนกฎแบบกำหนดเองได้ สำหรับกฎแบบกำหนดเอง คุณจะได้รับการตรวจสอบฟรีสูงสุด 30 ชั่วโมง ค่าใช้จ่ายเพิ่มเติมจะถูกเรียกเก็บโดยคิดจากระยะเวลาการใช้งาน คุณจะถูกเรียกเก็บค่าใช้จ่ายเพิ่มเติมต่างหากเมื่อคุณใช้กฎแบบที่คุณกำหนดเอง

  • การอนุมานแบบอะซิงโครนัส
  • การอนุมานแบบอะซิงโครนัสของ Amazon SageMaker:
    การอนุมานแบบอะซิงโครนัสของ Amazon SageMaker คือตัวเลือกในการอนุมานที่ใกล้เคียงแบบเรียลไทม์ซึ่งจัดคิวคำขอที่เข้ามาและประมวลผลคำขอเหล่านั้นแบบอะซิงโครนัส ใช้ตัวเลือกนี้เมื่อคุณต้องการประมวลผลเพย์โหลดขนาดใหญ่เมื่อข้อมูลมาถึงหรือใช้งานโมเดลที่ใช้เวลาในการประมวลผลการอนุมานยาวนานและไม่มีความต้องการเวลาแฝงในระดับต่ำกว่าวินาที คุณจะถูกเรียกเก็บเงินตามประเภทอินสแตนซ์ที่เลือก

  • Batch Transform
  • Amazon SageMaker Batch Transform
    การใช้ Amazon SageMaker Batch Transform ช่วยให้ไม่จำเป็นต้องแบ่งชุดข้อมูลออกเป็นหลายๆ ส่วนหรือจัดการตำแหน่งข้อมูลปลายทางแบบเรียลไทม์ SageMaker Batch Transform ช่วยให้คุณรันการคาดการณ์บนชุดข้อมูลแบบกลุ่มทั้งขนาดใหญ่และเล็กได้ คุณจะถูกเรียกเก็บค่าใช้จ่ายเฉพาะสำหรับประเภทของอินสแตนซ์ที่คุณใช้และระยะเวลาในการใช้งาน

ตัวอย่างราคา #1: Studio Notebooks

นักวิทยาศาสตร์ข้อมูลจะต้องทำตามลำดับการดำเนินการดังต่อไปนี้ขณะที่ใช้ Amazon SageMaker Studio Notebooks

  1. เปิดโน้ตบุ๊ค 1 ในเคอร์เนล TensorFlow บนอินสแตนซ์ ml.c5.xlarge จากนั้นทำงานบนโน้ตบุ๊คนี้เป็นเวลา 1 ชั่วโมง
  2. เปิดอินสแตนซ์ ml.c5.xlarge ของโน้ตบุ๊ค 2 ระบบจะเปิดในอินสแตนซ์ ml.c5.xlarge เดียวกันกับที่เรียกใช้ในโน้ตบุ๊ค 1 โดยอัตโนมัติ 
  3. ทำงานบนโน้ตบุ๊ค 1 และโน้ตบุ๊ค 2 พร้อมกันเป็นเวลา 1 ชั่วโมง
  4. นักวิทยาศาสตร์ข้อมูลจะถูกเรียกเก็บค่าบริการสำหรับการใช้งาน ml.c5.xlarge ทั้งหมดสอง (2) ชั่วโมง สำหรับชั่วโมงที่เหลื่อมล้ำกันในขณะที่ทำงานบนโน้ตบุ๊ค 1 และโน้ตบุ๊ค 2 พร้อมกันนั้น ระบบจะวัดแอปพลิเคชันเคอร์เนลแต่ละรายการเป็น 0.5 ชั่วโมง และจะเรียกเก็บค่าบริการสำหรับการใช้งาน 1 ชั่วโมง
แอปพลิเคชันเคอร์เนล อินสแตนซ์โน้ตบุ๊ค ชั่วโมง ค่าใช้จ่ายต่อชั่วโมง รวมทั้งหมด
TensorFlow ml.c5.xlarge 1 0.204 USD 0.204 USD
TensorFlow ml.c5.xlarge 0.5 0.204 USD 0.102 USD
วิทยาศาสตร์ข้อมูล ml.c5.xlarge 0.5 0.204 USD 0.102 USD
        0.408 USD

ตัวอย่างราคาที่ 2: การประมวลผล

Amazon SageMaker Processing จะคิดค่าใช้จ่ายเฉพาะอินสแตนซ์ที่ใช้ขณะประมวลผลงานของคุณเท่านั้น เมื่อคุณจัดเตรียมข้อมูลอินพุตสำหรับการประมวลผลใน Amazon S3 แล้ว Amazon SageMaker จะดาวน์โหลดข้อมูลจาก Amazon S3 ไปยังพื้นที่จัดเก็บไฟล์ภายในระบบเมื่อเริ่มต้นงานประมวลผล

นักวิเคราะห์ข้อมูลเรียกใช้งาน Processing เพื่อประมวลผลล่วงหน้าและตรวจสอบความถูกต้องของข้อมูลบนอินสแตนซ์ ml.m5.4xlarge สองรายการเป็นระยะเวลางาน 10 นาที เธออัปโหลดชุดข้อมูลขนาด 100 GB ใน S3 เพื่อเป็นอินพุตสำหรับงานประมวลผล และจะจัดเก็บข้อมูลเอาต์พุตที่มีขนาดเท่ากันไว้ใน S3

ชั่วโมง อินสแตนซ์การประมวลผล ค่าใช้จ่ายต่อชั่วโมง รวมทั้งหมด
1 * 2 * 0.167 = 0.334 ml.m5.4xlarge 0.922 USD 0.308 USD
พื้นที่จัดเก็บข้อมูล (SSD) สำหรับการใช้ทั่วไป (GB) ค่าใช้จ่ายต่อชั่วโมง รวมทั้งหมด
100 GB * 2 = 200 0.14 USD 0.0032 USD

ผลรวมย่อยสำหรับงานประมวลผลของ Amazon SageMaker = 0.308 USD
ผลรวมย่อยสำหรับพื้นที่จัดเก็บข้อมูล SSD สำหรับการใช้ทั่วไปขนาด 200 GB = 0.0032 USD
ราคารวมสำหรับตัวอย่างนี้เท่ากับ 0.3112 USD

ตัวอย่างราคาที่ 3: Data Wrangler

ในฐานะนักวิทยาศาสตร์ข้อมูล คุณใช้เวลา 3 วันในการใช้งาน Amazon SageMaker Data Wrangler เพื่อเรียบเรียง สำรวจ และแสดงภาพข้อมูลของคุณเป็นเวลา 6 ชั่วโมงต่อวัน ในการดำเนินการตามไปป์ไลน์สำหรับเตรียมข้อมูลของคุณ คุณต้องเริ่ม SageMaker Data Wrangler job ที่มีกำหนดให้ทำงานทุกสัปดาห์

ตารางด้านล่างจะสรุปปริมาณการใช้งานโดยรวมของคุณตลอดทั้งเดือนและค่าใช้จ่ายที่เกี่ยวข้องกับการใช้งาน Amazon SageMaker Data Wrangler

แอปพลิเคชัน อินสแตนซ์ SageMaker Studio วัน ระยะเวลา ระยะเวลารวม ค่าใช้จ่ายต่อชั่วโมง ผลรวมย่อยของค่าใช้จ่าย
SageMaker Data Wrangler ml.m5.4xlarge 3 6 ชั่วโมง 18 ชั่วโมง 0.922 USD 16.596 USD
SageMaker Data Wrangler Job ml.m5.4xlarge - 40 นาที 2.67 ชั่วโมง 0.922 USD 2.461 USD

จากตาราง คุณใช้งาน Amazon SageMaker Data Wrangler ทั้งหมด 18 ชั่วโมง ตลอด 3 วันเพื่อจัดเตรียมข้อมูลของคุณ นอกจากนี้ คุณยังสร้าง SageMaker Data Wrangler job เพื่อเตรียมข้อมูลที่อัพเดตเป็นรายสัปดาห์ แต่ละงานจะใช้เวลา 40 นาที และงานจะรันทุกสัปดาห์เป็นเวลา 1 เดือน

ค่าใช้จ่ายรายเดือนโดยรวมของคุณในการใช้งาน Data Wrangler จะเท่ากับ = 16.596 USD + 2.461 USD = 19.097 USD

ตัวอย่างราคาที่ 4: Feature Store

คุณมีเว็บแอพพลิเคชันที่มีปัญหาในการอ่านและเขียนรายการละ 25 KB ใน Amazon SageMaker Feature Store สำหรับช่วง 10 วันแรกของเดือน คุณจะพบปัญหาการรับส่งข้อมูลเล็กน้อย ซึ่งเท่ากับ 10,000 การเขียนและ 10,000 การอ่านต่อวันใน SageMaker Feature Store ในวันที่ 11 ของเดือน แอพพลิเคชันของคุณเป็นที่สนใจบนสื่อสังคมออนไลน์และการรับส่งข้อมูลของแอปพลิเคชันพุ่งสูงขึ้นเป็นการอ่าน 200,000 รายการและการเขียน 200,000 รายการในวันนั้น จากนั้นแอพพลิเคชันของคุณจึงกลับเข้าสู่รูปแบบการรับส่งข้อมูลปกติ โดยเฉลี่ยในแต่ละวันมีการเขียน 80,000 รายการและการอ่าน 80,000 รายการตลอดทั้งเดือน

ตารางด้านล่างสรุปปริมาณการใช้งานโดยรวมของคุณตลอดทั้งเดือนและค่าใช้จ่ายที่เกี่ยวข้องกับการใช้งาน Amazon SageMaker Feature Store

วันของเดือน การเขียนทั้งหมด จำนวนหน่วยการเขียนรวมทั้งหมด การอ่านทั้งหมด จำนวนหน่วยการอ่านรวมทั้งหมด
วันที่ 1 ถึง วันที่ 10 การเขียน 100,000 รายการ 
(การเขียน 10,000 รายการ * 10 วัน)
2500000 
(100,000 * 25 KB )
100000 
(10,000 * 10 วัน)
700,000++ 
(100,000 * 25/4 KB )
         
วันที่ 11 การเขียน 200,000 รายการ 5000000 
(200,000* 25 KB)
การอ่าน 200,000 รายการ 1,400,000++ 
(200,000* 25/4KB)
         
วันที่ 12 ถึง วันที่ 30 การเขียน 1,520,000 รายการ 
(80,000 * 19 วัน)
38000000 
(1,520,000 * 25 KB)
การเขียน 1,520,000 รายการ
(80,000 * 19 วัน)
มากกว่า 10,640,000
(1,520,000 * 25/4 KB)
         
หน่วยที่คิดค่าใช้จ่ายทั้งหมด   การเขียน 45,500,000 รายการ   การเขียน 12,740,000 รายการ
ค่าใช้จ่ายรายเดือนสำหรับการเขียนและการอ่าน   56.875 USD 
(45.5 ล้านหน่วยการเขียน * 1.25 USD ต่อการเขียนล้านรายการ)
  3.185 USD 
(12.74 ล้านหน่วยการอ่าน * 0.25 USD ต่อการอ่านล้านรายการ)

++ จำนวนหน่วยการอ่านที่ไม่เต็มหน่วยจะถูกปัดเศษขึ้นเป็นจำนวนหน่วยถัดไป

พื้นที่จัดเก็บข้อมูล
จัดเก็บข้อมูลรวม = 31.5 GB
ค่าใช้จ่ายรายเดือนสำหรับการจัดเก็บข้อมูล = 31.5 GB * 0.45 USD = 14.175 USD

ค่าใช้จ่ายรายเดือนสำหรับ Amazon SageMaker Feature Store = 56.875 USD + 3.185 USD + 14.175 USD = 74.235 USD

ตัวอย่างราคาที่ 5: การฝึกอบรม

นักวิทยาศาสตร์ข้อมูลคนหนึ่งได้ใช้เวลาหนึ่งสัปดาห์ในการพัฒนาโมเดลสำหรับไอเดียใหม่ เธอฝึกอบรมแบบจำลอง4 ครั้งใน ml.m4.4xlarge ใหญ่เป็นเวลา 30 นาทีต่อการฝึกซ้อมกับ Amazon SageMaker Debugger เปิดใช้งานโดยใช้กฎในตัว 2 ตัวและกฎที่กำหนดเอง 1 ข้อที่เธอเขียน สำหรับกฎแบบกำหนดเอง เธอระบุอินสแตนซ์ ml.m5.xlarge เธอฝึกอบรมโดยใช้ข้อมูลการฝึกอบรม 3 GB ใน Amazon S3 และส่งเอาต์พุตแบบจำลอง 1 GB ไปยัง Amazon S3 SageMaker สร้างไดรฟ์ข้อมูล SSD (gp2) สำหรับงานทั่วไปสำหรับแต่ละอินสแตนซ์การฝึกอบรม SageMaker ยังสร้างไดรฟ์ข้อมูล SSD (gp2) สำหรับงานทั่วไปสำหรับแต่ละกฎที่ระบุด้วย ในตัวอย่างนี้จะมีการสร้างไดรฟ์ข้อมูล SSD (gp2) สำหรับงานทั่วไปจำนวน 4 รายการ SageMaker Debugger จะปล่อยข้อมูลการแก้จุดบกพร่อง 1 GB ไปยังบัคเก็ต Amazon S3 ของลูกค้า

ชั่วโมง อินสแตนซ์การฝึกอบรม อินสแตนซ์แก้จุดบกพร่อง ค่าใช้จ่ายต่อชั่วโมง ผลรวมย่อย
4 * 0.5 = 2.00 ml.m4.4xlarge ไม่ระบุ 0.96 USD 1.92 USD
4 * 0.5 * 2 = 4 ไม่ระบุ ไม่มีค่าบริการเพิ่มเติมสำหรับอินสแตนซ์ของกฎในตัว 0 USD 0 USD
4 * 0.5 = 2 ml.m5.xlarge ไม่ระบุ 0.23 USD 0.46 USD
        -------
        2.38 USD
  พื้นที่จัดเก็บข้อมูล (SSD) สำหรับการใช้ทั่วไปสำหรับการฝึกอบรม (GB) พื้นที่จัดเก็บข้อมูล (SSD) สำหรับการใช้ทั่วไปสำหรับกฎในตัวของ Debugger (GB) พื้นที่จัดเก็บข้อมูล (SSD) สำหรับการใช้ทั่วไปสำหรับกฎแบบกำหนดเองของ Debugger (GB) ค่าใช้จ่ายต่อ GB ต่อเดือน ผลรวมย่อย
ความจุที่ใช้ 3 2 1    
ราคา 0 USD ไม่มีค่าบริการเพิ่มเติมสำหรับไดรฟ์ข้อมูลพื้นที่จัดเก็บของกฎในตัว 0 USD 0.10 USD 0 USD

ค่าบริการรวมทั้งหมดสำหรับการฝึกอบรมและการแก้จุดบกพร่องในตัวอย่างนี้คือ 2.38 USD อินสแตนซ์ของการประมวลผลและปริมาณพื้นที่จัดเก็บสำหรับวัตถุประสงค์ทั่วไปที่ถูกใช้งานโดยกฎที่มีอยู่แล้วของ Amazon SageMaker Debugger จะไม่ถูกคิดค่าบริการเพิ่มเติม

ตัวอย่างราคา #6: การอนุมานแบบเรียลไทม์

โมเดลในตัวอย่าง #5 ถูกติดตั้งเพื่อใช้ผลิตกับอินสแตนซ์ ml.c5.xlarge สอง (2) รายการเพื่อโฮสต์แบบ Multi-AZ ได้อย่างน่าเชื่อถือ โดยจะเปิดใช้งาน Amazon SageMaker Model Monitor กับอินสแตนซ์ ml.m5.4xlarge หนึ่ง (1) รายการ และกำหนดเวลางานตรวจสอบวันละครั้ง งานเฝ้าติดตามแต่ละงานใช้เวลา 5 นาทีเพื่อดำเนินการจนเสร็จสิ้น แบบจำลองจะได้รับข้อมูล 100MB ต่อวันและการอนุมานจะมีขนาด 1 ใน 10 ของข้อมูลอินพุต

ชั่วโมงต่อเดือน อินสแตนซ์การโฮสต์ อินสแตนซ์เฝ้าติดตามแบบจำลอง ค่าใช้จ่ายต่อชั่วโมง รวมทั้งหมด
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
ข้อมูลเข้าต่อเดือน – การโฮสต์ ข้อมูลออกต่อเดือน – การโฮสต์ ค่าใช้จ่ายต่อ GB เข้าหรือออก รวมทั้งหมด
100MB * 31 = 3100 MB   0.02 USD 0.05 USD
  10 MB * 31 = 310 MB 0.02 USD 0.01 USD

ผลรวมย่อยสำหรับการฝึกอบรม การโฮสต์ และการเฝ้าติดตาม = 305.827 USD ผลรวมย่อยสำหรับข้อมูล 3,100 MB ที่ประมวลผลเข้าและข้อมูล 310 MB ที่ประมวลผลออกสำหรับการโฮสต์ต่อเดือน = 0.06 USD ราคารวมสำหรับตัวอย่างนี้คือ 305.887 USD

โปรดทราบ สำหรับกฎในตัวที่มีอินสแตนซ์ ml.m5.xlarge คุณจะได้รับการติดตามรวมสูงสุด 30 ชั่วโมงในแต่ละเดือน สำหรับตำแหน่งข้อมูลปลายทางทั้งหมดโดยไม่มีค่าใช้จ่าย

ตัวอย่างราคา #7: การอนุมานแบบอะซิงโครนัส

การอนุมานแบบอะซิงโครนัสของ Amazon SageMaker จะเรียกเก็บค่าบริการตามอินสแตนซ์ที่ใช้โดยตำแหน่งข้อมูลของคุณ เมื่อไม่มีการประมวลผลคำขอ คุณสามารถกำหนดค่าการปรับขนาดอัตโนมัติให้ปรับการนับอินสแตนซ์เป็นศูนย์เพื่อประหยัดค่าใช้จ่าย สำหรับอินพุตเพย์โหลดใน Amazon S3 จะไม่มีค่าใช้จ่ายสำหรับการอ่านข้อมูลอินพุตจาก Amazon S3 และการเขียนข้อมูลเอาต์พุตไปยัง S3 ในรีเจี้ยนเดียวกัน

โมเดลในตัวอย่างที่ #5 ใช้เพื่อใช้งานตำแหน่งข้อมูลการอนุมานแบบอะซิงโครนัสของ SageMaker ตำแหน่งข้อมูลจะถูกกำหนดค่าเพื่อใช้งานอินสแตนซ์ ml.c5.xlarge 1 รายการและปรับลดการนับอินสแตนซ์ลงเป็นศูนย์เมื่อไม่มีการประมวลผลคำขอ อินสแตนซ์ ml.c5.xlarge ในตำแหน่งข้อมูลมีพื้นที่จัดเก็บข้อมูล (SSD) สำหรับการใช้ทั่วไปขนาด 4 GB ติดตั้งอยู่ ในตัวอย่างนี้ ตำแหน่งข้อมูลจะคงการนับอินสแตนซ์ไว้ที่ 1 เป็นเวลา 2 ชั่วโมงต่อวันและมีเวลาพัก 30 นาที หลังจากปรับลดการนับอินสแตนซ์ลงเป็นศูนย์สำหรับเวลาที่เหลือของวัน ดังนั้น คุณจะถูกเรียกเก็บเงินสำหรับการใช้งานเป็นเวลา 2.5 ชั่วโมงต่อวัน 

ตำแหน่งข้อมูลประมวลผลคำขอ 1024 รายการต่อวัน ขนาดของคำขอ/คำตอบอยู่ที่ 10KB และเพย์โหลดคำขอการอนุมานใน Amazon S3 เท่ากับ 100MB เอาต์พุตของการอนุมานมีขนาด 1/10 ของข้อมูลอินพุตที่จัดเก็บไว้ใน Amazon S3 ในรีเจี้ยนเดียวกัน ในตัวอย่างนี้ ค่าบริการประมวลผลข้อมูลจะมีผลกับคำขอและคำตอบแต่ไม่มีผลกับข้อมูลที่ถ่ายโอนเข้า/ออก Amazon S3 

ชั่วโมงต่อเดือน อินสแตนซ์การโฮสต์ ค่าใช้จ่ายต่อชั่วโมง รวมทั้งหมด
2.5 * 31 * 1 = 77.5 ml.c5.xlarge 0.20 USD 15.81 USD
พื้นที่จัดเก็บข้อมูล (SSD) สำหรับการใช้ทั่วไป (GB) ค่าใช้จ่ายต่อ GB ต่อเดือน รวมทั้งหมด
4 0.14 USD 0.56 USD
ข้อมูลเข้าต่อเดือน ข้อมูลออกต่อเดือน ค่าใช้จ่ายต่อ GB เข้าหรือออก รวมทั้งหมด
10KB * 1024 * 31 = 310MB 10KB * 1024 * 31 = 310MB 0.02 USD 0.0048
  10KB * 1024 * 31 = 310MB 0.02 USD 0.0048

ผลรวมย่อยสำหรับการอนุมานแบบอะซิงโครนัสของ SageMaker = 15.81 USD + 0.56 USD + 2*.0048 = 16.38 USD ค่าบริการการอนุมานแบบอะซิงโครนัสรวมสำหรับตัวอย่างนี้คือ 16.38 USD

ตัวอย่างราคา #8: Batch Transform

Amazon SageMaker Batch Transform จะคิดค่าใช้จ่ายเฉพาะอินสแตนซ์ที่ใช้ขณะประมวลผลงานของคุณ หากข้อมูลของคุณอยู่ใน Amazon S3 อยู่แล้ว จะไม่มีค่าใช้จ่ายสำหรับการอ่านข้อมูลขาเข้าจาก S3 และการเขียนข้อมูลขาออกไปยัง S3 ในรีเจี้ยนเดียวกัน 

แบบจำลองในตัวอย่าง #5 จะใช้ในการรัน SageMaker Batch Transform นักวิทยาศาสตร์ข้อมูลจะรัน SageMaker Batch Transform jobs 4 รายการแยกจากกันบน ml.m4.4xlarge จำนวน 3 รายการเป็นเวลา 15 นาทีต่อการรันแต่ละงาน เธอจะอัพโหลดชุดข้อมูลการประเมินขนาด 1 GB ใน S3 สำหรับการรันแต่ละครั้ง และการอนุมานมีขนาด 1 ใน 10 ของข้อมูลขาเข้าซึ่งจะถูกจัดเก็บกลับเข้าไปใน S3

ชั่วโมง อินสแตนซ์การฝึก ค่าใช้จ่ายต่อชั่วโมง รวมทั้งหมด
3 * 0.25 * 4 = 3 ชั่วโมง ml.m4.4xlarge 0.96 USD 2.88 USD
GB ข้อมูลเข้า - การแปลงแบตช์ GB ข้อมูลออก - การแปลงแบตช์ ค่าใช้จ่ายต่อ GB เข้าหรือออก รวมทั้งหมด
0 0 0.02 USD 0 USD

ผลรวมย่อยสำหรับ SageMaker Batch Transform job = 2.88 USD ผลรวมย่อยสำหรับ 4.4 GB ที่เข้าไปใน Amazon S3 = 0 USD ราคารวมสำหรับตัวอย่างนี้คือ 2.90 USD

เรียนรู้เพิ่มเติมเกี่ยวกับ Amazon SageMaker

เข้าเยี่ยมชมหน้า Amazon SageMaker
พร้อมเริ่มต้นใช้งานหรือยัง?
ลงชื่อสมัครใช้งาน
มีคำถามเพิ่มเติมหรือไม่
ติดต่อเรา