SageMaker - 定价

Amazon SageMaker 定价基于按需付费模型，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程的不同组件。

了解 Amazon SageMaker 定价

SageMaker 的主要定价组件如下所示：

Notebook 实例

当您使用 SageMaker 集成的 Jupyter Notebook 开发机器学习模型时，您将根据实例类型和使用时间付费。

每种实例类型的每小时费率不同，具体取决于它提供的 CPU、内存和 GPU 资源。您可以根据需要选择各种实例类型。

训练作业

对于训练机器学习模型，SageMaker 会根据计算资源和训练过程的持续时间收费。例如，如果您使用基于 GPU 的实例进行更快的训练，则成本会更高。

另一方面，如果您使用基于 CPU 的实例，则成本会更低。成本也会根据您使用的区域和正在训练的模型类型（ML、DL 或生成式 AI）而有所不同。

SagaMaker 会对训练实例以及在训练作业期间消耗的任何其他服务收费。这些服务包括数据传输和 S3 存储。

托管/推理端点

SageMaker 还会对托管收费。一旦您的模型经过训练并部署到 SageMaker 端点，托管就会开始。托管费用取决于用于部署的实例类型和活动端点的数量。

与训练作业类似，性能更高的实例（例如 GPU）成本会更高。每小时计算每个端点的计费。

S3 存储和数据传输

SageMaker 依赖 Amazon S3 来存储数据集。您将为 S3 中的数据存储以及 S3 和 SageMaker 之间的所有数据传输付费。这些成本取决于正在使用的数据大小以及进出云的数据量。

SageMaker 成本优化技巧

以下是一些您可以使用的方法来管理和降低使用 SageMaker 时的成本：

使用 Spot 实例进行训练作业

降低 SageMaker 训练成本的最有效方法之一是使用Spot 实例。Spot 实例允许您以更低的价格使用未使用的 Amazon EC2 容量。

选择正确的实例类型

选择正确的实例类型可以帮助您降低成本。因此，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。

使用 Amazon SageMaker 托管 Spot 训练

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，从而将训练作业的成本降低高达 70%。

监控和调整使用情况

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。您也可以在其中设置警报。您还可以经常查看您的使用情况以终止未使用的端点。

利用免费套餐和 AWS 积分

如果您是 SageMaker 的初学者，AWS 提供一个免费套餐，其中包括 250 小时的免费t2.medium Notebook 实例和 50 小时的m4.xlarge 实例用于训练作业。