SageMaker - 定价

Amazon SageMaker 定价基于即用即付模式，这意味着您只需为使用的资源付费。定价取决于机器学习工作流的不同组件。

了解 Amazon SageMaker 定价

SageMaker 的主要定价组件如下所示 −

当您使用 SageMaker 集成的 Jupyter 笔记本开发机器学习模型时，您需要根据实例类型和使用时间付费。

每种实例类型都有不同的小时费率，具体取决于它提供的 CPU、内存和 GPU 资源。您可以根据需要从多种实例类型中进行选择。

对于训练 ML 模型，SageMaker 根据计算资源和训练过程的持续时间收取费用。例如，如果您使用基于 GPU 的实例进行更快的训练，则费用会更高。

另一方面，如果您使用基于 CPU 的实例，则费用会更低。费用还根据您使用的区域和您正在训练的模型类型(ML、DL 或生成式 AI)而有所不同。

SagaMaker 会向您收取训练实例和训练作业期间使用的任何其他服务的费用。这些服务包括数据传输和 S3 存储。

SageMaker 还会向您收取托管费用。一旦您的模型经过训练并部署到 SageMaker 端点，托管就开始了。托管费用取决于用于部署的实例类型和活动端点的数量。

与训练作业一样，性能更高的实例(如 GPU)成本高昂。账单按每个端点的小时计算。

SageMaker 依赖 Amazon S3 来存储数据集。您将需要为 S3 中的数据存储以及 S3 和 SageMaker 之间的任何数据传输付费。这些成本取决于所使用的数据的大小以及传入和传出云的数据量。

以下是使用 SageMaker 时管理和降低成本的一些方法 −

降低 SageMaker 训练成本的最有效方法之一是使用竞价型实例。竞价型实例允许您以较低的价格使用未使用的 Amazon EC2 容量。

选择正确的实例类型有助于降低成本。因此，请仅选择那些与您的开发、训练和托管需求的工作负载相匹配的实例类型。

例如，如果您正在进行一项小型实验，则基于 CPU 的实例就足够了。您无需为此使用昂贵的 GPU 实例。

在 Amazon SageMaker 中设置训练作业时，您可以启用托管 Spot 训练。此功能会自动使用 Spot 实例将训练作业的成本降低高达 70%。

您还可以使用 Amazon CloudWatch 和 AWS 预算 来监控您的 SageMaker 使用情况和成本。您还可以在其中设置警报。您还可以经常检查使用情况以终止未使用的端点。

如果您是 SageMaker 的初学者，AWS 提供免费套餐，其中包括 250 小时免费 t2.medium 笔记本实例和 50 小时 m4.xlarge 实例使用，用于训练作业。