SageMaker - 定價

Amazon SageMaker 定價基於按需付費模型，這意味著您只需為使用的資源付費。定價取決於機器學習工作流程的不同元件。

瞭解 Amazon SageMaker 定價

SageMaker 的主要定價元件如下所示：

Notebook 例項

當您使用 SageMaker 整合的 Jupyter Notebook 開發機器學習模型時，您將根據例項型別和使用時間付費。

每種例項型別的每小時費率不同，具體取決於它提供的 CPU、記憶體和 GPU 資源。您可以根據需要選擇各種例項型別。

訓練作業

對於訓練機器學習模型，SageMaker 會根據計算資源和訓練過程的持續時間收費。例如，如果您使用基於 GPU 的例項進行更快的訓練，則成本會更高。

另一方面，如果您使用基於 CPU 的例項，則成本會更低。成本也會根據您使用的區域和正在訓練的模型型別（ML、DL 或生成式 AI）而有所不同。

SagaMaker 會對訓練例項以及在訓練作業期間消耗的任何其他服務收費。這些服務包括資料傳輸和 S3 儲存。

託管/推理端點

SageMaker 還會對託管收費。一旦您的模型經過訓練並部署到 SageMaker 端點，託管就會開始。託管費用取決於用於部署的例項型別和活動端點的數量。

與訓練作業類似，效能更高的例項（例如 GPU）成本會更高。每小時計算每個端點的計費。

S3 儲存和資料傳輸

SageMaker 依賴 Amazon S3 來儲存資料集。您將為 S3 中的資料儲存以及 S3 和 SageMaker 之間的所有資料傳輸付費。這些成本取決於正在使用的資料大小以及進出雲的資料量。

SageMaker 成本最佳化技巧

以下是一些您可以使用的方法來管理和降低使用 SageMaker 時的成本：

使用 Spot 例項進行訓練作業

降低 SageMaker 訓練成本的最有效方法之一是使用Spot 例項。Spot 例項允許您以更低的價格使用未使用的 Amazon EC2 容量。

選擇正確的例項型別

選擇正確的例項型別可以幫助您降低成本。因此，僅選擇那些與您的開發、訓練和託管需求的工作負載相匹配的例項型別。

例如，如果您正在進行小型實驗，則基於 CPU 的例項就足夠了。您無需為此使用昂貴的 GPU 例項。

使用 Amazon SageMaker 託管 Spot 訓練

在 Amazon SageMaker 中設定訓練作業時，您可以啟用託管 Spot 訓練。此功能會自動使用 Spot 例項，從而將訓練作業的成本降低高達 70%。

監控和調整使用情況

您還可以使用Amazon CloudWatch 和AWS 預算來監控您的 SageMaker 使用情況和成本。您也可以在其中設定警報。您還可以經常檢視您的使用情況以終止未使用的端點。

利用免費套餐和 AWS 積分

如果您是 SageMaker 的初學者，AWS 提供一個免費套餐，其中包括 250 小時的免費t2.medium Notebook 例項和 50 小時的m4.xlarge 例項用於訓練作業。