Amazon SageMaker 透過整合專門為機器學習 (ML) 建置的一組廣泛的功能,協助資料科學家和開發人員快速準備、建置、訓練和部署高品質的機器學習 (ML) 模型。SageMaker 支援領先的 ML 架構、工具組和程式設計語言。

使用 SageMaker,您只需按實際用量付費。您有兩種付款選擇 – 隨需定價,沒有最低費用或前期承諾;SageMaker Savings Plans 提供靈活的按用量定價模式,可換取一致用量的承諾。

Amazon SageMaker 免費方案

Amazon SageMaker 可供免費試用。Amazon SageMaker 作為 AWS 免費方案的一部分,您可以免費開始使用。免費方案從您建立第一個 SageMaker 資源的第一個月開始計算。下表提供 Amazon SageMaker 免費方案的詳細資訊。

Amazon SageMaker 功能 前 2 個月的每月免費方案用量
Studio 筆記本和筆記本執行個體 Studio 筆記本中 250 小時的 ml.t3.medium 執行個體,或筆記本執行個體中 250 小時的 ml.t2 中型執行個體或 ml.t3.medium 執行個體
RStudio on SageMaker RSession 應用程式上 250 小時的 ml.t3.medium 執行個體和 RStudioServerPro 應用程式的免費 ml.t3.medium 執行個體
Data Wrangler 25 小時的 ml.m5.4xlarge 執行個體
Feature Store 1,000 萬寫入單位、1,000 萬讀取單位、25 GB 儲存
培訓 50 小時的 m4.xlarge 或 m5.xlarge 執行個體
即時推論 125 小時的 m4.xlarge 或 m5.xlarge 執行個體
無伺服器推論 150,000 秒的推論持續時間
Canvas 工作階段時間 750 小時/月,最高建立 10 個模型請求/月,每個最高 100 萬個儲存格/模型建立請求

隨需定價

  • Studio 筆記本
  • Amazon SageMaker Studio 筆記本
    Amazon SageMaker Studio 筆記本是一鍵式的 Jupyter 筆記本,能迅速啟動。該基礎運算資源具有充分的彈性,且筆記本可以輕鬆與其他筆記本共享,以實現順暢協作。相關費用將依您所選擇的執行個體類型,以及使用的持續時間計費。

  • RStudio on SageMaker
  • RStudio on SageMaker
    RStudio on SageMaker 提供隨需雲端運算資源,加速模型開發並改進生產力。 您要為您選擇用於執行 RStudio 工作階段應用程式和 RStudio Server Pro 應用程式的執行個體類型付費。

    RStudioServerPro 應用程式

  • 筆記本執行個體
  • 筆記本執行個體
    筆記本執行個體是執行 Jupyter 筆記本應用程式的運算執行個體。相關費用將依您所選擇的執行個體類型,以及使用的持續時間計費。

  • 處理
  • Amazon SageMaker 處理
    Amazon SageMaker 處理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。相關費用將依您所選擇的執行個體類型,以及使用的持續時間計費。

  • Data Wrangler
  • Amazon SageMaker Data Wrangler
    Amazon SageMaker Data Wrangler 可將機器學習彙總和準備資料所需的時間從數週減少至數分鐘。您將需要針對用於清理、探索和視覺化資料的時間付費。SageMaker Data Wrangler 將按執行個體類型以秒計費。*

    Amazon SageMaker Data Wrangler 任務

    在從 SageMaker Data Wrangler 匯出資料流時,系統將建立 Amazon SageMaker Data Wrangler 任務。透過 SageMaker Data Wrangler 任務,您可以自動化您的資料準備工作流程。SageMaker Data Wrangler 任務可協助您在新資料集上重新套用資料準備工作流程,以幫您節省時間 (以秒計費)。

  • Feature Store
  • Amazon SageMaker Feature Store
    Amazon SageMaker Feature Store 是一個中央儲存庫,用於擷取、儲存和提供用於機器學習的功能。系統將針對您在 SageMaker Feature Store 上進行的寫入、讀取和資料儲存作業收取費用。寫入作業將依每 KB 的寫入請求單位收費,讀取作業按每 4KB 的讀取請求單位收費,資料儲存則按每月每 GB 收費。

  • 培訓
  • Amazon SageMaker 培訓
    Amazon SageMaker 提供您培訓、調校和偵錯模型的一切所需,讓您輕鬆培訓機器學習 (ML) 模型。您需要為選擇的執行個體類型用量付費。當您在培訓期間使用 Amazon SageMaker 偵錯工具偵錯問題並監控資源時,您可以使用內建規則來偵錯您的培訓任務,或撰寫您自己的自訂規則。使用內建規則對培訓任務偵錯是免費的。針對自訂規則,相關費用將依您所選擇的執行個體類型,以及使用的持續時間計費。

  • 即時推論
  • Amazon SageMaker 託管:即時推論
    Amazon SageMaker 為需要即時預測的使用案例提供即時推論。您需要為選擇的執行個體類型用量付費。當您使用 Amazon SageMaker Model Monitor 維護高度精準的模型以供即時推論使用時,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。額外費用將依使用的持續時間而定。當您使用自己的自訂規則時,系統將單獨向您收費。

  • 非同步推論
  • Amazon SageMaker 非同步推論:
    Amazon SageMaker 非同步推論是一種近乎即時的推論選項,可將傳入的請求排入佇列,並以非同步方式處理。當您需要在資料到達時處理大型酬載,或執行具有較長推論處理時間且沒有低於一秒延遲需求的模型時,請使用此選項。將依您選擇的執行個體類型向您收費。

  • Batch Transform
  • Amazon SageMaker Batch Transform
    使用 Amazon SageMaker Batch Transform 時,您無須將資料集分解為多個區塊或管理即時端點。SageMaker Batch Transform 可讓您針對大型或小型批次資料集進行預測。相關費用將依您所選擇的執行個體類型,以及使用的持續時間計費。

  • 無伺服器推論
  • Amazon SageMaker 無伺服器推論
    Amazon SageMaker Serverless Inference 可讓您部署機器學習模型進行推論,而無需設定或管理任何基本基礎設施。使用 Serverless Inference,您只需支付用於處理推論請求的運算容量,依毫秒和處理的資料量計費。 運算費用取決於您選擇的記憶體組態。

  • JumpStart
  • Amazon SageMaker JumpStart
    Amazon SageMaker JumpStart 透過一鍵存取常用的模型集合 (也稱為「模型動物園」),協助您快速輕鬆地開始使用機器學習。Jumpstart 還提供端對端解決方案來解決常見的 ML 使用案例,這些使用案例可根據您的需求進行定製。使用 JumpStart 模型或解決方案無需額外付費。需要依據使用的基礎訓練和推論執行個體時數向您計費,就像您手動建立它們一樣。

執行個體詳細資訊

Amazon SageMaker P4d 執行個體產品詳細資訊

執行個體大小 vCPU 執行個體記憶體 (GiB) GPU GPU 記憶體 (GB) 網路頻寬 (Gbps) GPUDirect RDMA GPU 端對端 執行個體儲存體 (GB) EBS 頻寬 (Gbps)
ml.p4d.24xlarge 96 1152 8 320 HBM2 400 ENA 和 EFA 600 GB/s NVSwitch 8x1000 NVMe SSD 19

Amazon SageMaker P3 執行個體產品詳細資訊

執行個體大小 vCPU 執行個體記憶體 (GiB) GPUs-V100 GPU 記憶體 (GB) 網路頻寬 (Gbps) GPU 端對端 EBS 頻寬 (Gbps)
ml.p3.2xlarge 8 61 1 16 最多 10 1.5
ml.p3.8xlarge 32 244 4 64 10 NVLink 7
ml.p3.16xlarge 64 488 8 128 25 NVLink 14
ml.p3dn.24xlarge 96 768 8 256 100 NVLink 19

Amazon SageMaker G4 執行個體產品詳細資訊

執行個體大小 vCPU 執行個體記憶體 (GiB) GPUs-T4 網路頻寬 (Gbps) 執行個體儲存體 (GB) EBS 頻寬 (Gbps)
ml.g4dn.xlarge 4 16 1 最多 25 1 x 125 NVMe SSD 最多 3.5
ml.g4dn.2xlarge 8 32 1 最多 25 1 x 125 NVMe SSD 最多 3.5
ml.g4dn.4xlarge 16 64 1 最多 25 1 x 125 NVMe SSD 4.75
ml.g4dn.8xlarge 32 128 1 50 1 x 900 NVMe SSD 9.5
ml.g4dn.16xlarge 64 256 1 50 1 x 900 NVMe SSD 9.5
ml.g4dn.12xlarge 48 192 4 50 1 x 900 NVMe SSD 9.5

Amazon SageMaker G5 執行個體產品詳細資訊

執行個體大小 vCPU 執行個體記憶體 (GiB) GPUs-A10G GPU 記憶體 (GiB) 網路頻寬 (Gbps) EBS 頻寬 (Gbps) 執行個體儲存體 (GB)
ml.g5n.xlarge 4 16 1 24 最多 10 最多 3.5 1x250
ml.g5.2xlarge 8 32 1 24 最多 10 最多 3.5 1x450
ml.g5.4xlarge 16 64 1 24 最多 25 8 1x600
ml.g5.8xlarge 32 128 1 24 25 16 1x900
ml.g5.16xlarge 64 256 1 24 25 16 1x1900
ml.g5.12xlarge 48 192 4 96 40 16 1x3800
ml.g5.24xlarge 96 384 4 96 50 19 1x3800
ml.g5.48xlarge 192 768 8 192 100 19 2x3800

Amazon SageMaker Studio

您現在可以存取 Amazon SageMaker Studio,這是首款無需付費的完全整合式開發環境 (IDE)。SageMaker Studio 讓您可以完全存取和洞察在建置、訓練和部署模型時需要執行的每個步驟。使用 SageMaker Studio,您只需支付在 Studio 內使用的基礎運算和儲存費用。

您可以使用 SageMaker Studio、適用於 Python 的 AWS SDK (Boto3) 或 AWS CLI 的多種服務,包括:

  • SageMaker Pipelines 可自動化並管理已機器學習 (ML) 工作流程
  • SageMaker Autopilot 可自動建立具有完全可視性的機器學習 (ML) 模型
  • SageMaker Experiments 可以組織並追蹤您的培訓任務和版本
  • SageMaker Debugger 可以在培訓期間對異常情況進行偵錯
  • SageMaker Model Monitor 可維護高品質模型
  • SageMaker Clarify 可以更詳盡地說明您的機器學習 (ML) 模型,以及偵測偏差
  • SageMaker JumpStart 可以輕鬆為許多使用案例部署機器學習 (ML) 解決方案。 對於 Amazon SageMaker 代表您進行的基礎 API 呼叫,您可能會因解決方案中使用的其他 AWS 服務而產生費用。
  • SageMaker Inference Recommender 可以取得正確端點組態的建議

您只需根據在 SageMaker 或其他 AWS 服務中的基礎運算和儲存資源用量付費即可。

Amazon SageMaker Studio Lab

您可以免費使用 Amazon SageMaker Studio Lab 建置和訓練 ML 模型。 SageMaker Studio Lab 為開發人員、學者和資料科學家提供無組態開發環境,免費了解和實驗 ML。

Amazon SageMaker Canvas

Amazon SageMaker Canvas 透過使用視覺化點選式介面為商業分析師提供產生準確機器學習 (ML) 預測的能力 (無需程式碼或機器學習 (ML) 經驗),延伸機器學習 (ML) 的存取。

Amazon SageMaker Data Labeling

Amazon SageMaker Data Labeling 提供兩種資料標記產品和服務,Amazon SageMaker Ground Truth Plus 和 Amazon SageMaker Ground Truth。您可以進一步了解 Amazon SageMaker Data Labeling,它是一項全受管資料標記服務,可讓您輕鬆建置用於 ML 的高度精準培訓資料集。

Amazon SageMaker 邊緣

進一步了解 Amazon SageMaker Edge 定價,以最佳化、執行並監控邊緣裝置機群上的機器學習 (ML) 模型。 

Amazon SageMaker Savings Plans

Amazon SageMaker Savings Plans 可協助您降低高達 64% 的成本。該計畫會自動套用至符合資格的 SageMaker ML 執行個體用量,包括 SageMaker Studio Notebook、SageMaker Notebook Instance、SageMaker Processing、SageMaker Data Wrangler、SageMaker Training、SageMaker Real-Time Inference,以及 SageMaker Batch Transform,而不論執行個體系列、大小或區域為何。例如,您可以隨時將用量從美國東部 (俄亥俄) 執行的 CPU 執行個體 ml.c5.xlarge 變更為美國西部 (奧勒岡) 執行的 ml.Inf1 執行個體,以推導工作負載,並自動繼續支付 Savings Plans 的價格。 

進一步了解 »

使用 Amazon SageMaker 的總體擁有成本 (TCO)

相較於其他以雲端為基礎的自我管理解決方案,Amazon SageMaker 在三年內的總體擁有成本 (TCO) 至少降低了 54%。進一步了解 Amazon SageMaker 的完整 TCO 分析

定價範例

進一步了解 Amazon SageMaker

檢視 SageMaker 概觀頁面
準備好開始使用了嗎?
註冊
還有其他問題嗎?
聯絡我們