Amazon SageMaker 定价

Amazon SageMaker Processing 仅向您收取作业执行期间所使用的实例的费用。当您在 Amazon S3 中提供要处理的输入数据时，Amazon SageMaker 会在中国（北京）区域的处理作业开始时将数据从 Amazon S3 下载到本地文件存储。数据分析师会运行一个 Processing 作业来预处理和验证两个 ml.m5.4xlarge 实例上的数据，作业持续时间为 10 分钟。她将在 S3 中上传 100GB 的数据集作为处理作业的输入，大小大致相同的输出数据将存储回 S3 中。

Amazon SageMaker Processing 作业的小计 = ¥2.978；
200GB 通用型 SSD 存储的小计 = ¥0.0242；
此示例的总价为 ¥3.0022。

作为一名数据科学家，您在中国（北京）区域使用了 Amazon SageMaker Data Wrangler 3 天（每天 6 小时），以清理、探索和可视化数据。要执行数据准备管道，您需要启动计划每周运行的 SageMaker Data Wrangler 作业。

下表汇总了您当月的总使用量以及使用 Amazon SageMaker Data Wrangler 的相关费用。

从表格中可以看出，您使用了 Amazon SageMaker Data Wrangler 3 天（共 18 个小时），以准备数据。此外，您还创建了 SageMaker Data Wrangler 作业来准备每周更新的数据。每个作业持续 40 分钟，作业每周运行一次，持续一个月。

使用 Data Wrangler 的月度总费用 = ¥182.394 + ¥27.055 = ¥209.449

您有一个 Web 应用程序，它会向中国（北京）区域的 Amazon SageMaker 特征存放区发出读取和写入权限（读取和写入各 25 KB）。在一个月的前 10 天，您的应用程序收到的流量很少，因此 SageMaker 特征存放区每天有 10000 次写入和 10000 次读取。但到了第 11 天，您的应用程序在社交媒体上获得了关注，当天应用程序的流量激增至 200000 次读取和 200000 次写入。之后一直到月底，您的应用程序进入了更常规的流量模式，平均每天有 80000 次读取和 80000 次写入。

下表汇总了您当月的总使用量以及使用 Amazon SageMaker 特征存放区的相关费用。

所有小数读取单位都四舍五入到下一个整数

数据存储
存储的数据总量 = 31.5GB
每月数据存储费用 = 31.5GB * ¥3.960= ¥124.74

Amazon SageMaker 特征存放区月度总费用 = ¥507.5 + ¥24.8204 + ¥124.74 = ¥657.06

一位数据科学家花了一周的时间在中国（北京）区域为新想法研究模型。在启用 Amazon SageMaker Debugger 的情况下，她使用她编写的 2 个内置规则和 1 条自定义规则在 ml.m4.4xlarge 上训练了 4 次模型，每次训练持续 30 分钟。对于自定义规则，她指定了 ml.m5.xlarge 实例。她在 Amazon S3 中使用 3GB 的训练数据进行训练，然后将 1GB 的模型输出推送到 Amazon S3 中。SageMaker 为每个训练实例创建通用型 SSD (gp2) 卷，SageMaker 还为每个指定的规则创建通用型 SSD (gp2) 卷。在此示例中，总共将创建 4 个通用型 SSD (gp2) 卷。SageMaker Debugger 向客户的 Amazon S3 存储桶发送 1GB 的调试数据。

在此示例中，训练和调试的总费用为 ¥30.248。Amazon SageMaker Debugger 内置规则使用的计算实例和通用存储卷不会产生额外费用。