使用 Amazon SageMaker,您只需按實際用量付費。建置、培訓及部署 ML 模型是按秒計費,沒有最低費用或前期承諾。

免費試用 Amazon SageMaker

Amazon SageMaker 做為 AWS 免費方案的一部分,您可以免費開始使用。如果您之前從未使用過 Amazon SageMaker,前兩個月可使用免費方案,每月享有 250 小時的 t2.medium 或 t3.medium 筆記本用量,包含隨需筆記本執行個體或 SageMaker Studio 筆記本的 t3.medium 執行個體,用於建置模型,加上 50 小時的 m4.xlarge 或 m5.xlarge 用於訓練您的模型,以及合併共計 125 小時的 m4.xlarge 或 m5.xlarge 用於透過 Amazon SageMaker 部署即時推論和批次轉換的機器學習模型。免費方案不含儲存磁碟區用量。免費方案從您建立第一個 SageMaker 資源的第一個月開始計算。

Amazon SageMaker Studio 免費使用

您現在可以存取 Amazon SageMaker Studio,這是首個適用於機器學習的全整合式開發環境 (IDE)。SageMaker Studio 讓您可以完全存取和洞察在建立、訓練和部署模型時需要執行的每個步驟。您可以免費使用 SageMaker Studio,只需為在 Studio 中使用的 AWS 服務付費。

使用 Amazon SageMaker 降低總體擁有成本 (TCO)

相較於其他雲端自我管理解決方案,Amazon SageMaker 在三年內的總體擁有成本 (TCO) 至少降低了 54%。可以在此處找到 Amazon SageMaker 的完整 TCO 分析。

  • Studio Notebooks
  • 隨需筆記本執行個體
  • 處理
  • 訓練
  • 即時推論
  • 批次轉換
  • Studio Notebooks
  • SageMaker Studio Notebooks
    Studio Notebooks 是一鍵式的 Jupyter 筆記本,能迅速啟動。基礎運算資源具有完全的彈性。這些筆記本可輕鬆地與其他筆記本共享,從而實現無縫協作。 

  • 隨需筆記本執行個體
  • 隨需筆記本執行個體
    隨需筆記本執行個體是執行 Jupyter Notebook 應用程式的機器學習 (ML) 運算執行個體。您需要為選擇的執行個體類型用量付費。每個筆記本都單獨列在帳單上。

  • 處理
  • SageMaker 處理
    SageMaker Processing 讓您可以在全受管基礎架構上輕鬆執行前期處理、後期處理和模型評估工作負載。

  • 訓練
  • SageMaker 訓練
    SageMaker 提供您訓練、調校和偵錯模型的一切所需,讓您輕鬆訓練機器學習 (ML)。在您使用 SageMaker Debugger 時,內建規則免費。如為自訂規則,則需要選擇執行個體,並且依據您使用執行個體的持續時間計費。

  • 即時推論
  • SageMaker 託管︰即時推論
    部署模型作為即時推論的 Amazon SageMaker 端點並啟用 Amazon SageMaker Model Monitor 時,您可以使用內建規則監控模型或撰寫自己的自訂規則。若是內建規則,您可以免費使用高達 30 小時的監控。額外用量視乎用量而定。

  • 批次轉換
  • SageMaker 託管︰批次轉換
    使用 Batch Transform,無須將資料集分解為多個區塊或管理即時端點。批次轉換可讓您針對大型或小型批次資料組進行預測。

定價範例 #1︰Studio Notebooks

一位資料科學家在使用 SageMaker Studio Notebooks 時進行以下循序動作。

  1. 在 ml.c5.xlarge 執行個體上的 TensorFlow 核心中開啟筆記本 1,然後在這個筆記本上工作 1 小時。
  2. 在 ml.c5.xlarge 執行個體上開啟筆記本 2。這會在執行筆記本 1 的同一個 ml.c5.xlarge 執行個體中自動開啟。 
  3. 同時使用筆記本 1 和筆記本 2,花了 1 小時。 
  4. 這位資料科學家共需支付兩 (2) 小時的 ml.c5.xlarge 用量費用。至於她在同時使用筆記本 1 和筆記本 2 的一小時重疊時間,每個核心應用程式計為 0.5 小時,因此需支付 1 小時的費用。
核心應用程式 筆記本執行個體 小時 每小時費用小計 總計
TensorFlow ml.c5.xlarge 1 0.24 USD  
TensorFlow ml.c5.xlarge 0.5 0.12 USD  
資料科學 ml.c5.xlarge 0.5 0.12 USD  
        0.48 USD

定價範例 #2︰處理

Amazon SageMaker 處理僅向您收取執行任務期間所使用的執行個體費用。在 Amazon S3 中提供輸入資料以供處理時,Amazon SageMaker 會在處理任務開始時從 Amazon S3 下載資料到本機檔案儲存。

資料分析師會執行處理任務,在兩個 ml.m5.4xlarge 執行個體上預先處理並驗證資料,任務持續時間為 10 分鐘。她在 S3 上傳 100 GB 的資料集,作為處理任務的輸入,然後約為相同大小的輸出資料會再存回 S3。

小時   處理執行個體  每小時費用 合計
1 * 2 * 0.167 = 0.334 ml.m5.4xlarge 1.075 USD 0.359 USD
一般用途 (SSD) 儲存 (GB)
 每小時費用 合計
100 GB * 2 = 200
0.14 USD 0.0032 USD

Amazon SageMaker 處理任務小計 = 0.359 USD;
200 GB 一般用途 SSD 儲存小計 = 0.0032 USD。
這個範例的總計價格為 0.3622 USD

定價範例 #3︰訓練

一位資料科學家花了一個星期製作新模型。她在 ml.m4.4xlarge 上為模型進行 4 次 30 分鐘的訓練,依照使用 Amazon SageMaker Debugger 時的訓練,使用 2 個內建規則和她自己撰寫的 1 個自訂規則。她指定自動規則使用 ml.m5.xlarge 執行個體。她在 Amazon S3 中使用 3 GB 訓練資料進行訓練,並將 1 GB 模型輸出推送到 Amazon S3。SageMaker 為每個訓練執行個體建立一般用途 SSD (gp2) 磁碟區。SageMaker 也為指定的每個規則建立一般用途 SSD (gp2) 磁碟區。在此範例中,總共將建立 4 個一般用途 SSD (gp2) 磁碟區。SageMaker 偵錯工具發送 1 GB 偵錯資料到客戶的 Amazon S3 儲存貯體。

小時 訓練執行個體 偵錯執行個體 每小時費用
小計
4 * 0.5 = 2.00
ml.m4.4xlarge
1.12 USD 2.24 USD
4 * 0.5 * 2 = 4

內建規則執行個體無須額外費用 0 USD
0 USD
4 * 0.5 = 2
ml.m5.xlarge 0.27 USD 0.54 USD
        -------
        2.78 USD
  適用於訓練的一般用途 (SSD) 儲存 (GB)
適用於偵錯工具內建規則的一般用途 (SSD) 儲存 (GB) 適用於偵錯工具自訂規則的一般用途 (SSD) 儲存 (GB) 每月每 GB 成本 小計
使用容量 3 2 1    
費用 0.00083 USD 內建規則儲存磁碟區無須額外費用
0.00028 USD 0.10000 USD 0.0011 USD

此範例中的訓練和偵錯總費用為 2.7811 USD。 SageMaker 偵錯工具內建規則所使用的運算執行個體和一般用途儲存磁碟區不會產生額外費用。

定價範例 #4︰推論

範例 #3 中的模型之後部署到兩 (2) 個 ml.c5.xlarge 的生產環境,來進行可靠的異地同步備份託管。Amazon SageMaker Model Monitor 在一 (1) 個 ml.m5.4xlarge 執行個體上啟用,並排程每天進行一次監控任務。每個監控任務可能需要 5 分鐘才能完成。模型每天收到 100 MB 的資料,推論大小是輸入資料的 1/10。

每月時數 託管執行個體 Model Monitor 執行個體
每小時費用 合計
24 * 31 * 2 = 1488 ml.c5.xlarge   0.238 USD 354.144 USD
31*0.08 = 2.5   ml.m5.4xlarge 1.075 USD 2.688 USD
每月輸入資料量 – 託管 每月輸出資料量 – 託管 每 GB 資料輸入或輸出的費用 合計
100MB * 31 = 3100MB
  0.02 USD 0.050 USD
  10MB * 31 = 310MB 0.02 USD 0.006 USD

訓練、託管和監控小計 = 356.832 USD;每月託管 3100 MB 處理的資料輸入和 310 MB 處理的資料輸出小計 = 0.056 USD。此範例的費用總計為每月 356.887 USD。

請注意,針對使用 ml.m5.xlarge 執行個體的內建規則,每月可免費跨所有端點彙總的監控時間最長為 30 小時。

定價範例 #5︰批次轉換

Amazon SageMaker Batch Transform 僅向您收取執行任務期間所使用的執行個體費用。如果您的資料已經在 Amazon S3 中,那麼從 S3 讀取輸入資料或撰寫輸出資料到 S3 都無須付費。

範例 #1 中的模型是用來執行批次轉換。資料科學家在 3 ml.m4.4xlarge 上執行四個獨立的批次轉換任務,每個任務耗時 15 分鐘。每次執行時,她在 S3 上傳 1 GB 的評估資料集,而且推論的大小是輸入資料的十分之一,然後再存回 S3。

小時   訓練執行個體  每小時費用 合計
3 * 0.25 * 4 = 3 小時 ml.m4.xlarge 1.12 USD 3.36 USD
GB 資料輸入 – 批次轉換
GB 資料輸出 – 批次轉換 每 GB 資料輸入或輸出的費用 合計
0 0 0.02 USD 0

批次轉換任務小計= 3.36 USD;傳入 Amazon S3 的 4.4 GB 小計 = 0。 此範例的費用總計為 3.36 USD。

進一步了解 Amazon SageMaker 功能

瀏覽功能頁面
準備好開始使用了嗎?
註冊
還有其他問題嗎?
聯絡我們