Amazon SageMaker giúp các nhà phát triển và nhà khoa học dữ liệu nhanh chóng chuẩn bị, xây dựng, đào tạo và triển khai các mô hình máy học (ML) chất lượng cao bằng cách tập hợp hàng loạt khả năng khác nhau dành riêng cho công nghệ ML. SageMaker hỗ trợ các khung máy học, bộ công cụ và ngôn ngữ lập trình hàng đầu.

Với SageMaker, bạn chỉ phải trả tiền cho những gì bạn sử dụng. Bạn có hai lựa chọn thanh toán: Cách tính giá theo nhu cầu không quy định phí tối thiểu và không cần cam kết trả trước, còn gói SageMaker Savings Plans mang đến cho bạn mô hình tính giá linh hoạt dựa trên mức sử dụng, đổi lại bạn cần cam kết sử dụng đến một mức nhất định.

Bậc miễn phí trong Amazon SageMaker

Amazon SageMaker miễn phí dùng thử. Khi tham gia Bậc miễn phí của AWS, bạn có thể bắt đầu sử dụng Amazon SageMaker miễn phí. Bậc miễn phí của bạn bắt đầu từ tháng đầu tiên khi bạn tạo tài nguyên SageMaker đầu tiên. Chi tiết về bậc miễn phí cho Amazon SageMaker có trong bảng bên dưới.

Khả năng của Amazon SageMaker Sử dụng Bậc miễn phí mỗi tháng trong 2 tháng đầu tiên
Các phiên bản sổ ghi chép Studio và sổ ghi chép theo nhu cầu 250 giờ phiên bản ml.t3.medium trên sổ ghi chép Studio HOẶC 250 giờ phiên bản ml.t2 medium hoặc phiên bản ml.t3.medium trên các phiên bản sổ ghi chép theo nhu cầu
RStudio trên SageMaker 250 giờ phiên bản ml.t3.medium trên ứng dụng RSession VÀ phiên bản ml.t3.medium miễn phí cho ứng dụng RStudioServerPro
Trình sắp xếp dữ liệu 25 giờ phiên bản ml.m5.4xlarge
Kho tính năng 10 triệu đơn vị ghi, 10 triệu đơn vị đọc, 25 GB dung lượng lưu trữ
Đào tạo 50 giờ phiên bản m4.xlarge hoặc m5.xlarge
Suy luận theo thời gian thực 125 giờ phiên bản m4.xlarge hoặc m5.xlarge
Serverless Inference 150.000 giây thời gian suy luận
Canvas 750 giờ/tháng cho thời gian của phiên và tối đa 10 yêu cầu tạo mô hình/tháng, mỗi yêu cầu tối đa 1 triệu ô

Tính giá theo nhu cầu

  • Sổ ghi chép Studio
  • RStudio trên SageMaker
  • Phiên bản sổ ghi chép theo nhu cầu
  • Xử lý
  • Trình sắp xếp dữ liệu
  • Kho tính năng
  • Đào tạo
  • Suy luận theo thời gian thực
  • Suy luận không đồng bộ
  • Chuyển đổi hàng loạt
  • Serverless Inference
  • JumpStart
  • Sổ ghi chép Studio
  • Sổ ghi chép Amazon SageMaker Studio
    Sổ ghi chép Amazon SageMaker Studio là các cuốn sổ ghi chép Jupyter chỉ cần một lần nhấp chuột và có thể tăng tốc nhanh chóng. Các tài nguyên điện toán cơ bản đều linh hoạt và bạn có thể dễ dàng chia sẻ các sổ ghi chép với người khác để việc hợp tác diễn ra liền mạch. Bạn phải trả phí cho loại phiên bản bạn chọn, dựa trên thời lượng sử dụng.

  • RStudio trên SageMaker
  • RStudio trên SageMaker
    RStudio trên SageMaker cung cấp các tài nguyên điện toán đám mây theo nhu cầu để đẩy nhanh quá trình phát triển mô hình và nâng cao năng suất. Bạn sẽ bị tính phí cho các loại phiên bản bạn chọn để chạy ứng dụng RStudio Session và ứng dụng RStudio Server Pro.

    Ứng dụng RStudioServerPro

  • Phiên bản sổ ghi chép theo nhu cầu
  • Phiên bản sổ ghi chép theo nhu cầu
    Phiên bản sổ ghi chép theo nhu cầu là phiên bản điện toán chạy ứng dụng sổ ghi chép Jupyter. Bạn phải trả phí cho loại phiên bản bạn chọn, dựa trên thời lượng sử dụng.

  • Xử lý
  • Xử lý Amazon SageMaker
    Tính năng Xử lý Amazon SageMaker cho phép bạn dễ dàng chạy khối lượng công việc tiền xử lý, xử lý hậu kỳ và đánh giá mô hình của mình trên cơ sở hạ tầng được quản lý đầy đủ. Bạn phải trả phí cho loại phiên bản bạn chọn, dựa trên thời lượng sử dụng.

  • Trình sắp xếp dữ liệu
  • Trình sắp xếp dữ liệu Amazon SageMaker
    Trình sắp xếp dữ liệu Amazon SageMaker giảm thời gian tổng hợp và chuẩn bị dữ liệu cho mô hình máy học từ vài tuần xuống còn vài phút. Bạn trả tiền cho thời gian được sử dụng để dọn dẹp, khám phá và trực quan hóa dữ liệu. Trình sắp xếp dữ liệu SageMaker được tính phí cho mỗi loại phiên bản theo giây.*

    Tác vụ của Trình sắp xếp dữ liệu Amazon SageMaker

    Tác vụ của Trình sắp xếp dữ liệu Amazon SageMaker được tạo khi luồng dữ liệu được xuất từ Trình sắp xếp dữ liệu SageMaker. Với các tác vụ của Trình sắp xếp dữ liệu SageMaker, bạn có thể tự động hóa quy trình công việc chuẩn bị dữ liệu của mình. Các tác vụ của Trình sắp xếp dữ liệu SageMaker giúp bạn áp dụng lại quy trình công việc chuẩn bị dữ liệu của mình trên các bộ dữ liệu mới để giúp bạn tiết kiệm thời gian và tính phí theo giây.

  • Kho tính năng
  • Kho tính năng Amazon SageMaker
    Kho tính năng Amazon SageMaker là một kho lưu trữ trung tâm để nhập, lưu trữ và phục vụ các tính năng cho máy học. Bạn bị tính phí cho việc ghi, đọc và lưu trữ dữ liệu trên Kho tính năng SageMaker. Các lần ghi được tính phí dưới dạng đơn vị yêu cầu ghi trên mỗi KB, các lần đọc được tính phí dưới dạng đơn vị yêu cầu đọc trên mỗi 4KB và lưu trữ dữ liệu được tính phí theo GB mỗi tháng.

  • Đào tạo
  • Đào tạo Amazon SageMaker
    Amazon SageMaker khiến việc đào tạo mô hình máy học (ML) trở nên dễ dàng bằng cách cung cấp tất cả mọi thứ bạn cần để đào tạo, điều chỉnh và gỡ lỗi mô hình. Bạn phải trả phí sử dụng loại phiên bản mà bạn chọn. Khi bạn sử dụng Trình gỡ lỗi Amazon SageMaker để gỡ lỗi các vấn đề và giám sát tài nguyên trong quá trình đào tạo, bạn có thể sử dụng các quy tắc tích hợp sẵn để gỡ lỗi các tác vụ đào tạo hoặc viết các quy tắc tùy chỉnh của riêng bạn. Bạn không phải trả phí khi sử dụng các quy tắc tích hợp sẵn để gỡ lỗi các tác vụ đào tạo của bạn. Với các quy tắc tùy chỉnh, bạn phải trả phí cho loại phiên bản bạn chọn, dựa trên thời lượng sử dụng.

  • Suy luận theo thời gian thực
  • Lưu trữ Amazon SageMaker: Suy luận theo thời gian thực
    Amazon SageMaker cung cấp suy luận theo thời gian thực cho các trường hợp sử dụng cần dự đoán thời gian thực của bạn. Bạn phải trả phí sử dụng loại phiên bản mà bạn chọn. Khi bạn sử dụng Trình giám sát mô hình Amazon SageMaker để duy trì các mô hình có độ chính xác cao cung cấp suy luận theo thời gian thực, bạn có thể sử dụng các quy tắc tích hợp sẵn để giám sát các mô hình hoặc viết các quy tắc tùy chỉnh của riêng bạn. Đối với các quy tắc tích hợp sẵn, bạn có tới 30 giờ giám sát miễn phí. Các khoản phí bổ sung sẽ dựa trên thời lượng sử dụng. Bạn bị tính phí riêng khi sử dụng các quy tắc tùy chỉnh của riêng mình.

  • Suy luận không đồng bộ
  • Tính năng Suy luận không đồng bộ của Amazon SageMaker:
    Suy luận không đồng bộ của Amazon SageMaker là một lựa chọn suy luận gần với thời gian thực xếp thứ tự các yêu cầu đến và xử lý chúng một cách không đồng bộ. Hãy sử dụng lựa chọn này khi bạn cần xử lý trọng tải lớn, trong đó dữ liệu đến hoặc việc chạy các mô hình có thời gian xử lý suy luận lâu và không yêu cầu độ trễ tính bằng mili giây. Bạn bị tính phí cho loại phiên bản mà bạn chọn.

  • Chuyển đổi hàng loạt
  • Chuyển đổi Hàng loạt cho Amazon SageMaker
    Với Chuyển đổi Hàng loạt cho Amazon SageMaker, bạn không cần phải chia nhỏ tập dữ liệu thành nhiều phần hoặc quản lý các điểm cuối thời gian thực. Chuyển đổi Hàng loạt SageMaker cho phép bạn chạy dự đoán trên bộ dữ liệu hàng loạt lớn hoặc nhỏ. Bạn phải trả phí cho loại phiên bản bạn chọn, dựa trên thời lượng sử dụng.

  • Serverless Inference
  • Amazon SageMaker Serverless Inference
    Amazon SageMaker Serverless Inference hỗ trợ bạn triển khai các mô hình máy học cho việc suy luận mà không cần cấu hình hay quản lý cơ sở hạ tầng cơ bản. Với Serverless Inference, bạn chỉ thanh toán chi phí năng lực điện toán được sử dụng để xử lý các yêu cầu suy luận, tính theo mili giây, cũng như lượng dữ liệu được xử lý. Chi phí điện toán phụ thuộc vào cấu hình bộ nhớ bạn chọn.

  • JumpStart
  • Amazon SageMaker JumpStart
    Amazon SageMaker JumpStart giúp bạn nhanh chóng và dễ dàng bắt đầu với máy học bằng quyền truy cập chỉ với một cú nhấp chuột vào các bộ sưu tập mô hình phổ biến (còn được gọi là “mô hình do cộng đồng đóng góp”). Jumpstart cũng cung cấp các giải pháp toàn diện giải quyết những trường hợp sử dụng ML phổ biến có thể được tùy chỉnh theo nhu cầu của bạn. Bạn sẽ không phải trả phụ phí để sử dụng các mô hình hoặc giải pháp của JumpStart. Bạn sẽ bị tính phí cho số giờ phiên bản Đào tạo và suy luận cơ bản được sử dụng tương tự như khi bạn tạo chúng theo cách thủ công.

Amazon SageMaker Studio

Bây giờ, bạn có thể truy cập Amazon SageMaker Studio, môi trường phát triển tích hợp (IDE) đầy đủ đầu tiên mà không mất thêm phí. SageMaker Studio cho phép bạn toàn quyền truy cập và quan sát từng bước cần thiết để xây dựng, đào tạo và triển khai các mô hình. Với SageMaker Studio, bạn chỉ cần trả chi phí điện toán và lưu trữ cơ bản mà bạn dùng trong Studio.

Bạn có thể sử dụng nhiều dịch vụ từ SageMaker Studio, AWS SDK for Python (Boto3) hoặc AWS CLI, trong đó bao gồm:

  • SageMaker Pipelines để tự động hóa và quản lý quy trình công việc ML
  • SageMaker Autopilot để tự động tạo các mô hình ML với khả năng hiển thị đầy đủ
  • Thử nghiệm SageMaker để tổ chức và theo dõi các phiên bản và tác vụ đào tạo của bạn
  • SageMaker Debugger để khắc phục các hiện tượng bất thường trong quá trình đào tạo
  • SageMaker Model Monitor để duy trì mô hình chất lượng cao
  • SageMaker Clarify để giải thích rõ hơn về các mô hình ML của bạn và phát hiện sai lệch
  • SageMaker JumpStart để dễ dàng triển khai các giải pháp ML cho nhiều trường hợp sử dụng. Phí có thể phát sinh từ các Dịch vụ AWS khác được sử dụng trong giải pháp cho các lệnh gọi API cơ bản mà Amazon SageMaker thực hiện thay mặt bạn.
  • SageMaker Inference Recommender để được đề xuất cấu hình điểm cuối phù hợp

Bạn chỉ cần trả phí cho các tài nguyên điện toán và lưu trữ cơ bản trong phạm vi SageMaker hoặc các dịch vụ AWS khác, dựa trên mức sử dụng của bạn.

Amazon SageMaker Studio Lab (thử nghiệm)

Bạn có thể xây dựng và đào tạo các mô hình ML bằng cách sử dụng Amazon SageMaker Studio Lab (thử nghiệm) miễn phí. SageMaker Studio Lab cung cấp cho các nhà phát triển, học giả và các nhà khoa học dữ liệu một môi trường phát triển không cấu hình để tìm hiểu và thử nghiệm công nghệ ML mà không mất thêm phí.

Amazon SageMaker Canvas

Amazon SageMaker Canvas mở rộng khả năng tiếp cận ML bằng cách cho phép các nhà phân tích kinh doanh tạo ra các dự đoán ML chính xác bằng thao tác trỏ và nhấp trên giao diện trực quan – không cần kinh nghiệm về ML hay lập trình.

Gắn nhãn dữ liệu với Amazon SageMaker

Tính năng Gắn nhãn dữ liệu với Amazon SageMaker cung cấp hai dịch vụ gắn nhãn dữ liệu, Amazon SageMaker Ground Truth Plus và Amazon SageMaker Ground Truth. Bạn có thể tìm hiểu thêm về Gắn nhãn dữ liệu với Amazon SageMaker, một dịch vụ gắn nhãn dữ liệu được quản lý đầy đủ giúp dễ dàng xây dựng các bộ dữ liệu đào tạo có độ chính xác cao cho ML.

Amazon SageMaker Edge

Tìm hiểu thêm về giá của Amazon SageMaker Edge để tối ưu hóa, chạy và theo dõi các mô hình ML trên các nhóm thiết bị biên. 

Amazon SageMaker Savings Plans

Amazon SageMaker Savings Plans giúp bạn giảm đến 64% chi phí. Gói này tự động áp dụng cho mức sử dụng phiên bản SageMaker ML đủ điều kiện, bao gồm SageMaker Studio Notebooks, SageMaker On-Demand Notebooks, SageMaker Processing, SageMaker Data Wrangler, SageMaker Training, SageMaker Real-Time Inference và SageMaker Batch Transform bất kể dòng phiên bản, quy mô hoặc Khu vực. Ví dụ: bạn có thể thay đổi từ phiên bản CPU ml.c5.xlarge chạy tại Miền Đông Hoa Kỳ (Ohio) sang phiên bản a ml.Inf1 tại Miền Tây Hoa Kỳ (Oregon) cho các khối lượng công việc suy luận và vẫn sẽ tiếp tục tự động thanh toán theo giá của gói Savings Plans. 

Tìm hiểu thêm »

Tổng chi phí sở hữu (TCO) với Amazon SageMaker

Amazon SageMaker giúp tổng chi phí sở hữu (TCO) thấp hơn ít nhất 54% trong thời gian ba năm so với những giải pháp tự quản lý dựa trên đám mây khác. Tìm hiểu thêm với hoạt động phân tích TCO đầy đủ cho Amazon SageMaker.

Ví dụ định giá

  • Ví dụ tính giá 1: sổ ghi chép Studio

    Một nhà khoa học dữ liệu thực hiện chuỗi hành động sau đây trong khi sử dụng sổ ghi chép Amazon SageMaker Studio.

    1. Mở sổ ghi chép 1 trong nhân TensorFlow trên phiên bản ml.c5.xlarge, sau đó làm việc trên sổ ghi chép này trong 1 giờ.
    2. Mở sổ ghi chép 2 trên một phiên bản ml.c5.xlarge. Sổ này sẽ tự động mở trong cùng một phiên bản ml.c5.xlarge đang chạy sổ ghi chép 1. 
    3. Làm việc trên sổ ghi chép 1 và sổ ghi chép 2 đồng thời trong 1 giờ.
    4. Nhà khoa học dữ liệu sẽ bị tính phí cho tổng số hai (2) giờ sử dụng ml.c5.xlarge. Đối với giờ trùng mà nhà khoa học làm việc trên sổ ghi chép 1 và sổ ghi chép 2 đồng thời, mỗi ứng dụng kernel sẽ được đo lường trong 0,5 giờ và nhà khoa học sẽ bị tính phí cho 1 giờ sử dụng.
    Ứng dụng nhân Phiên bản sổ ghi chép Số giờ Chi phí mỗi giờ Tổng
    TensorFlow ml.c5.xlarge 1 0,204 USD 0,204 USD
    TensorFlow ml.c5.xlarge 0,5 0,204 USD 0,102 USD
    Khoa học dữ liệu ml.c5.xlarge 0,5 0,204 USD 0,102 USD
            0,408 USD
  • Ví dụ định giá 2: RStudio trên SageMaker

    Một nhà khoa học dữ liệu thực hiện chuỗi hành động sau đây trong khi sử dụng RStudio trên SageMaker:

    1. Khởi chạy RSession 1 trên một phiên bản ml.c5.xlarge, sau đó làm việc trên sổ ghi chép này trong 1 giờ.
    2. Khởi chạy RSession 2 trên một phiên bản ml.c5.xlarge. RSession 2 sẽ tự động mở trong cùng một phiên bản ml.c5.xlarge đang chạy RSession 1.
    3. Đồng thời làm việc trên RSesssion 1 và RSession 2 trong 1 giờ.
    4. Nhà khoa học dữ liệu sẽ bị tính phí cho tổng số hai (2) giờ sử dụng ml.c5.xlarge. Đối với số giờ trùng mà nhà khoa học đồng thời làm việc trên RSession 1 và RSession 2, mỗi lần ứng dụng RSession sẽ được đo lường thành 0,5 giờ, như vậy, nhà khoa học đó sẽ bị tính phí cho 1 giờ sử dụng.

    Trong khi đó, RServer đang chạy 24/7 bất kể có RSession nào đang chạy hay không. Nếu quản trị viên chọn “Small” (Nhỏ) (ml.t3.medium), vậy thì không mất phí. Nếu quản trị viên chọn “Medium” (Trung bình) (ml.c5.4xlarge) hoặc “Large” (Lớn) (ml.c5.9xlarge), vậy thì phí được tính theo giờ dựa trên việc bật RStudio cho Miền SageMaker.

    Ứng dụng RSession Phiên bản RSession Số giờ Chi phí mỗi giờ Tổng
    Base R ml.c5.xlarge 1 0,204 USD 0,204 USD
    Base R ml.c5.xlarge 0,5 0,204 USD 0,102 USD
    Base R ml.c5.xlarge 0,5 0,204 USD 0,102 USD
            0,408 USD
  • Ví dụ định giá 3: Processing

    Amazon SageMaker Processing chỉ tính phí bạn đối với phiên bản được sử dụng trong khi các tác vụ của bạn đang chạy. Khi bạn cung cấp dữ liệu đầu vào để xử lý trong Amazon S3, Amazon SageMaker tải dữ liệu từ Amazon S3 về bộ lưu trữ tệp cục bộ khi bắt đầu tác vụ xử lý.

    Nhà phân tích dữ liệu chạy một tác vụ xử lý để xử lý trước và xác thực dữ liệu trên hai phiên bản ml.m5.4xlarge trong thời gian tác vụ là 10 phút. Cô ấy tải lên bộ dữ liệu 100 GB trong S3 làm đầu vào cho tác vụ xử lý và dữ liệu đầu ra (có kích thước tương đương) được lưu trữ trở lại trong S3.

    Số giờ  Phiên bản xử lý Chi phí mỗi giờ Tổng
    1 * 2 * 0,167 = 0,334 ml.m5.4xlarge 0,922 USD 0,308 USD
    Dung lượng lưu trữ đa dụng (SSD) (GB) Chi phí mỗi giờ Tổng
    100 GB * 2 = 200 0,14 USD 0,0032 USD

    Tổng phụ của tác vụ Amazon SageMaker Processing = 0,308 USD.
    Tổng phụ của 200 GB dung lượng lưu trữ SSD đa dụng = 0,0032 USD.
    Tổng chi phí trong ví dụ này là 0,3112 USD.

  • Ví dụ định giá 4: Data Wrangler

    Là một nhà khoa học dữ liệu, bạn dành ba ngày sử dụng Amazon SageMaker Data Wrangler để dọn dẹp, khám phá và hiển thị trực quan dữ liệu của mình trong 6 giờ mỗi ngày. Để thực hiện quy trình chuẩn bị dữ liệu, bạn bắt đầu một tác vụ của Trình sắp xếp dữ liệu SageMaker được lên lịch chạy hàng tuần.

    Bảng dưới đây tóm tắt tổng mức sử dụng của bạn trong tháng và các khoản phí liên quan để sử dụng Amazon SageMaker Data Wrangler.

    Ứng dụng Phiên bản SageMaker Studio Số ngày Thời lượng Tổng thời lượng Chi phí mỗi giờ  Tổng phụ chi phí
    SageMaker Data Wrangler ml.m5.4xlarge 3 6 giờ 18 giờ 0,922 USD 16,596 USD
    Tác vụ SageMaker Data Wrangler ml.m5.4xlarge - 40 phút 2,67 giờ 0,922 USD 2,461 USD

    Từ bảng, bạn sử dụng Amazon SageMaker Data Wrangler tổng cộng 18 giờ trong 3 ngày để chuẩn bị dữ liệu của mình. Ngoài ra, bạn tạo tác vụ của Trình sắp xếp dữ liệu SageMaker để chuẩn bị dữ liệu cập nhật hàng tuần. Mỗi tác vụ kéo dài 40 phút và tác vụ chạy hàng tuần trong một tháng.

    Tổng chi phí hàng tháng để sử dụng Data Wrangler = 16,596 USD + 2,461 USD = 19,097 USD

  • Ví dụ định giá 5: Feature Store

    Bạn có một ứng dụng web thực hiện đọc và ghi 25 KB mỗi ngày trên Amazon SageMaker Feature Store. Trong 10 ngày đầu tiên của tháng, bạn nhận được ít lưu lượng truy cập vào ứng dụng của mình, với 10.000 lần ghi và 10.000 lần đọc mỗi ngày trên SageMaker Feature Store. Tuy nhiên, vào ngày 11 của tháng, ứng dụng của bạn thu hút được sự chú ý trên phương tiện truyền thông xã hội và lưu lượng truy cập ứng dụng tăng vọt lên 200.000 lần đọc và 200.000 lần ghi trong ngày đó. Sau đó, ứng dụng ổn định ở mức lưu lượng thường xuyên hơn, với trung bình 80.000 lần đọc và 80.000 lần ghi mỗi ngày cho đến cuối tháng.

    Bảng dưới đây tóm tắt tổng mức sử dụng của bạn trong tháng và các khoản phí liên quan để sử dụng Kho tính năng Amazon SageMaker.

    Ngày trong tháng Tổng số lần ghi Tổng số đơn vị ghi Tổng số lần đọc Tổng số đơn vị đọc
    Ngày 1 đến 10 100.000 lần ghi 
    (10.000 lần ghì * 10 ngày)
    2.500.000 
    (100.000 * 25KB )
    100.000 
    (10.000 * 10 ngày)
    Trên 700.000 
    (100.000 * 25/4 KB )
             
    Ngày 11 200.000 lần ghi 5.000.000 
    (200.000 * 25KB )
    200.000 lần đọc 1.400.000++ 
    (200.000* 25/4KB)
             
    Ngày 12 đến 30 1.520.000 lần ghi 
    (80.000 * 19 ngày)
    38.000.000 
    (1.520.000 * 25KB )
    1.520.000 lần ghi
    (80.000 * 19 ngày)
    10,640,000++
    (1.520.000* 25/4KB)
             
    Tổng số đơn vị tính phí   45.500.000 đơn vị ghi   12.740.000 đơn vị đọc
    Phí ghi và đọc hàng tháng   56,875 USD 
    (45,5 triệu đơn vị ghi * 1,25 USD cho mỗi triệu lần ghi)
      3,185 USD 
    (12,74 triệu đơn vị đọc * 0,25 USD cho mỗi triệu lần đọc)

    ++ Tất cả các đơn vị đọc lẻ được làm tròn thành số nguyên tiếp theo

    Lưu trữ dữ liệu
    Tổng dữ liệu lưu trữ = 31,5 GB
    Phí lưu trữ dữ liệu hàng tháng = 31,5 GB * 0,45 USD = 14,175 USD

    Tổng phí hàng tháng cho Amazon SageMaker Feature Store = 56,875 USD + 3,185 USD + 14,175 USD = 74,235 USD

  • Ví dụ định giá 6: Training

    Một nhà khoa học dữ liệu đã dành một tuần nghiên cứu mô hình xây dựng ý tưởng mới. Cô ấy đào tạo mô hình 4 lần trên một ml.m4.4xlarge trong 30 phút cho mỗi lần đào tạo với Trình gỡ lỗi Amazon SageMaker được kích hoạt bằng cách sử dụng 2 quy tắc tích hợp và 1 quy tắc tùy chỉnh mà cô ấy đã viết. Đối với quy tắc tùy chỉnh, cô ấy đã chỉ định phiên bản ml.m5.xlarge. Cô ấy đào tạo bằng cách sử dụng 3 GB dữ liệu đào tạo trong Amazon S3 và đẩy tệp đầu ra mô hình 1 GB vào Amazon S3. SageMaker tạo các ổ đĩa SSD mục đích chung (gp2) cho mỗi phiên bản đào tạo. SageMaker cũng tạo các ổ đĩa SSD mục đích chung (gp2) cho mỗi quy tắc được chỉ định. Trong ví dụ này, tổng cộng 4 ổ đĩa SSD mục đích chung (gp2) sẽ được tạo. SageMaker Debugger phát sinh 1 GB dữ liệu gỡ lỗi vào vùng lưu trữ Amazon S3 của khách hàng.

     

    Số giờ Phiên bản đào tạo Phiên bản gỡ lỗi Chi phí mỗi giờ  Tổng phụ
    4 * 0,5 = 2,00 ml.m4.4xlarge không áp dụng 0,96 USD 1,92 USD
    4 * 0,5 * 2 = 4 không áp dụng Không có phụ phí cho các phiên bản quy tắc tích hợp 0 USD 0 USD
    4 * 0.5 = 2 ml.m5.xlarge không áp dụng 0,23 USD 0,46 USD
            -------
            2,38 USD
      Dung lượng lưu trữ đa dụng (SSD) cho quá trình đào tạo (GB)  Dung lượng lưu trữ đa dụng (SSD) cho những quy tắc được tích hợp trong Debugger (GB) Dung lượng lưu trữ đa dụng (SSD) cho những quy tắc tùy chỉnh trong trình gỡ lỗi (GB) Phí cho mỗi GB-tháng Tổng phụ
    Dung lượng đã sử dụng 3 2 1    
    Chi phí 0 USD Không có phụ phí cho các ổ đĩa lưu trữ quy tắc tích hợp 0 USD 0,10 USD 0 USD

    Tổng chi phí cho đào tạo và gỡ lỗi trong ví dụ này là 2,38 USD. Các phiên bản điện toán và các ổ đĩa lưu trữ cho mục đích chung được sử dụng bởi các quy tắc tích hợp sẵn của Trình gỡ lỗi Amazon SageMaker sẽ không phát sinh thêm phí.

  • Ví dụ định giá 7: Suy luận theo thời gian thực

    Khi đó, mô hình trong ví dụ 5 được triển khai để tạo thành hai (2) phiên bản ml.c5.xlarge nhằm lưu trữ ổn định nhiều AZ. Amazon SageMaker Model Monitor được kích hoạt với một (1) phiên bản ml.m5.4xlarge và các tác vụ giám sát được lên lịch một lần mỗi ngày. Mỗi tác vụ giám sát mất 5 phút để hoàn thành. Mô hình này nhận 100 MB dữ liệu mỗi ngày và kết quả bằng 1/10 kích thước dữ liệu đầu vào.

    Số giờ mỗi tháng Phiên bản lưu trữ Phiên bản Giám sát mô hình  Chi phí mỗi giờ Tổng
    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

     

    Dữ liệu vào mỗi tháng - lưu trữ Dữ liệu truyền đi mỗi tháng - lưu trữ Chi phí trên mỗi GB vào hoặc ra Tổng
    100 MB * 31 = 3.100 MB   0,016 USD 0.0496 USD
      10 MB * 31 = 310 MB 0,016 USD 0,00496 USD

    Tổng phụ của chi phí đào tạo, lưu trữ và giám sát = 305,827 USD. Tổng phụ của 3.100 MB dữ liệu được xử lý nhận về và 310MB dữ liệu được xử lý truyền đi cho quá trình lưu trữ mỗi tháng = 0,054 USD. Tổng chi phí trong ví dụ này là 305,881 USD mỗi tháng.

    Lưu ý: đối với các quy tắc tích hợp sẵn với phiên bản ml.m5.xlarge, bạn có tổng tối đa 30 giờ giám sát miễn phí trên tất cả các điểm cuối mỗi tháng.

  • Ví dụ định giá 8: Asynchronous Inference

    Amazon SageMaker Asynchronous Inference tính phí cho các phiên bản được điểm cuối của bạn sử dụng. Khi không thực sự cần xử lý yêu cầu, bạn có thể cấu hình cho tính năng tự động thay đổi quy mô để thay đổi số lượng phiên bản về không nhằm tiết kiệm chi phí. Đối với trọng tải đầu vào trong Amazon S3, bạn không phải trả phí cho việc đọc dữ liệu đầu vào từ Amazon S3 cũng như ghi dữ liệu đầu ra đến S3 trong cùng Khu vực.

    Mô hình trong ví dụ 5 được sử dụng để chạy điểm cuối Suy luận không đồng bộ của SageMaker. Điểm cuối được cấu hình để chạy trên 1 phiên bản ml.c5.xlarge và giảm số lượng phiên bản về không khi không thực sự cần xử lý các yêu cầu. Phiên bản ml.c5.xlarge tại điểm cuối có ổ đĩa đa dụng (SSD) dung lượng 4 GB đi kèm. Trong ví dụ này, điểm cuối duy trì 1 phiên bản trong 2 giờ mỗi ngày và có 30 phút thời gian nguội đi, sau đó, trong suốt thời gian còn lại của ngày hôm đó, điểm cuối giảm số lượng phiên bản về không. Do đó, bạn bị tính phí cho 2,5 giờ sử dụng mỗi ngày. 

    Điểm cuối xử lý 1.024 yêu cầu mỗi ngày. Kích thước của mỗi nội dung yêu cầu/phản hồi lệnh gọi là 10 KB và mỗi yêu cầu suy luận trong Amazon S3 có trọng tải là 100 MB. Đầu ra suy luận có kích thước bằng 1/10 dữ liệu đầu vào được dự trữ trong Amazon S3 ở cùng Khu vực. Trong ví dụ này, phí xử lý dữ liệu áp dụng cho nội dung yêu cầu và phản hồi, không áp dụng cho dữ liệu được truyền đến/từ Amazon S3. 

    Số giờ mỗi tháng Phiên bản lưu trữ Chi phí mỗi giờ Tổng
    2,5 * 31 * 1 = 77,5 ml.c5.xlarge 0,20 USD 15,81 USD
    Dung lượng lưu trữ đa dụng (SSD) (GB) Phí cho mỗi Gb-tháng Tổng
    4 0,14 USD 0,56 USD
    Dữ liệu vào mỗi tháng  Dữ liệu ra mỗi tháng Chi phí trên mỗi GB vào hoặc ra Tổng
    10 KB * 1.024 * 31 = 310 MB 10 KB * 1.024 * 31 = 310 MB 0,02 USD 0,0048
      10 KB * 1.024 * 31 = 310 MB 0,02 USD 0,0048

    Tổng phụ của SageMaker Asynchronous Inference = 15,81 USD + 0,56 USD + 2 * 0,0048 = 16,38 USD. Tổng chi phí cho Asynchronous Inference trong ví dụ này sẽ là 16,38 USD mỗi tháng. 

  • Ví dụ định giá 9: Batch Transform

    Amazon SageMaker Batch Transform chỉ tính phí các phiên bản được sử dụng trong khi các tác vụ của bạn đang chạy. Nếu dữ liệu của bạn đã có sẵn trên Amazon S3, bạn không phải trả phí cho việc đọc dữ liệu đầu vào từ S3 cũng như ghi dữ liệu đầu ra đến S3 trong cùng Khu vực.  

    Mô hình ở ví dụ 5 được dùng để chạy Amazon SageMaker Batch Transform. Nhà khoa học dữ liệu chạy bốn tác vụ Amazon SageMaker Batch Transform riêng biệt trên 3 ml.m4.4xlarge trong 15 phút vào mỗi lần chạy tác vụ. Cô tải bộ dữ liệu đánh giá có kích thước 1 GB lên S3 trong mỗi lần chạy và suy luận bằng 1/10 kích thước dữ liệu đầu vào, được lưu trữ trở lại trên S3.

    Số giờ  Các phiên bản đào tạo Chi phí mỗi giờ Tổng
    3 * 0,25 * 4 = 3 giờ ml.m4.4xlarge 0,96 USD 2,88 USD
    GB dữ liệu Vào - Batch Transform  GB dữ liệu Ra - Batch Transform Chi phí trên mỗi GB vào hoặc ra Tổng
    0 0 0,02 USD 0 USD

    Tổng phụ của tác vụ SageMaker Batch Transform = 2,88 USD. Tổng phụ của 4,4 GB lên Amazon S3 = 0 USD. Tổng chi phí trong ví dụ này là 2,90 USD.

  • Ví dụ tính giá 10: Serverless Inference

    Với Serverless Inference, bạn chỉ thanh toán chi phí năng lực điện toán được sử dụng để xử lý các yêu cầu suy luận, tính theo mili giây, cũng như lượng dữ liệu được xử lý. Chi phí điện toán phụ thuộc vào cấu hình bộ nhớ bạn chọn.

    Nếu bạn dành 2 GB bộ nhớ cho điểm cuối, đã thực thi điểm cuối đó 10 triệu lần trong một tháng và mỗi lần mất 100 mili giây, đồng thời xử lý tổng cộng 10 GB dữ liệu vào/ra thì chi phí của bạn sẽ như sau:

    Phí điện toán hàng tháng

    Số lượng yêu cầu Thời lượng của mỗi yêu cầu Tổng thời gian suy luận (giây) Chi phí mỗi giây Phí thời gian suy luận hàng tháng
    10 triệu 100 mili giây 1 triệu 0,00004 USD 40 USD

    Phí xử lý dữ liệu hàng tháng 

    Xử lý dữ liệu (GB) Chi phí trên mỗi GB vào hoặc ra Phí xử lý dữ liệu hàng tháng
    10 GB 0,016 USD 0,16 USD

    Tổng phụ của phí thời gian SageMaker Serverless Inference = 40 USD. Tổng phụ của phí xử lý 10 GB dữ liệu = 0,16 USD. Tổng chi phí trong ví dụ này là 40,16 USD.

  • Ví dụ định giá 11: Jumpstart

    Khách hàng sử dụng JumpStart để triển khai một mô hình BERT Base Uncased đã được đào tạo trước nhằm phân loại ý kiến đánh giá của khách hàng là tích cực hay tiêu cực.

    Khách hàng triển khai mô hình thành hai (2) phiên bản ml.c5.xlarge nhằm lưu trữ ổn định nhiều AZ. Mô hình này nhận 100 MB dữ liệu mỗi ngày và kết quả bằng 1/10 kích thước dữ liệu đầu vào.

    Số giờ mỗi tháng Phiên bản lưu trữ Chi phí mỗi giờ Tổng
    24 * 31 * 2 = 1488 ml.c5.xlarge 0,204 USD 303,55 USD
     
    Dữ liệu vào mỗi tháng - Lưu trữ Dữ liệu truyền đi mỗi tháng - Lưu trữ Chi phí trên mỗi GB vào hoặc ra

    Tổng

    100 MB * 31 = 3.100 MB   0,02 USD 0,06 USD
      10 MB * 31 = 310 MB 0,02 USD 0,01 USD
     

    Tổng phụ của chi phí đào tạo, lưu trữ và giám sát = 305,827 USD. Tổng phụ của 3.100 MB dữ liệu được xử lý nhận về và 310 MB dữ liệu được xử lý truyền đi cho quá trình Lưu trữ mỗi tháng = 0,06 USD. Tổng chi phí trong ví dụ này là 305,887 USD mỗi tháng.

Tìm hiểu thêm về Amazon SageMaker

Truy cập trang tổng quan SageMaker
Bạn đã sẵn sàng bắt đầu chưa?
Đăng ký
Bạn có câu hỏi khác ư?
Hãy liên hệ chúng tôi