Machine Learning-szolgáltatások – díjszabás

Mindenki számára elérhető mesterséges intelligencia egy teljes körű, skálázható, megbízható platformmal

Az Azure Machine Learning-kísérletezés és a modellkezelési szolgáltatás olyan helyszíni, felhőalapú és peremhálózati megoldást kínál adatelemző szakembereknek és fejlesztőknek, amellyel a mesterséges intelligenciát bárhol és bármilyen célra felhasználhatják. A Machine Learning Studio által kínált lehetőségekről részletesen tájékozódhat a Machine Learning Studio díjszabását ismertető webhelyen.

Díjszabás részletei

Az alábbi ár tartalmazza az előzetes kiadásra érvényes kedvezményt.

A kísérletezés díjszabása

Standard
Ár* Az első 2 munkaállomás – Ingyenes
Három vagy több munkaállomás – $- / munkaállomás / hó
*Az ingyenes vagy próbaverziós előfizetésekkel nem használható az ingyenes szint.

A modellkezelés díjszabása

Fejlesztés és tesztelés Standard S3 Standard S1 Standard S2 *
Tarifacsomag havi díja $- $- $- $-
Áttekintés
Kezelt modellek 20 10 000 100 1 000
Kezelt üzemelő példányok 2 1 000 10 100
Elérhető magok száma** 4 800 16 120
*Ha az S3 szintben elérhetőnél nagyobb mennyiségű kezelt modellre, kezelt üzemelő példányra és/vagy több magra van szüksége, akkor az S3 szintből több egységet is vásárolhat. További részleteket az alább található GYIK szakaszban talál. **Az üzemelő példányokhoz mindenkor felhasználható magok számát jelzi. A díj nem tartalmazza az üzemórákat. További részleteket az alább található GYIK szakaszban talál.

Támogatás és szolgáltatásszintek

  • A nyilvánosan elérhető Azure-szolgáltatásokhoz – így a Machine Learning Standard szintjéhez is – az Azure-támogatási szolgáltatások keretében kínálunk műszaki támogatást, már akár havi $29 összegű díj ellenében is. A számlázás és az előfizetések kezelésének támogatása díjmentesen igénybe vehető.
  • A Machine Learning szolgáltatás ingyenes szintjéhez csak a közösségi fórumokon keresztül érhető el támogatás. A felhasználói közösség támogatására oktatóvideókat és dokumentációkat is készítettünk.
  • Szolgáltatásiszint-szerződés: A Request Response Service (RRS) API-tranzakciói esetében 99,95%-os rendelkezésre állást garantálunk. A Batch Execution Service (BES) és a felügyeleti API-k API-tranzakciói esetében 99,9%-os rendelkezésre állást garantálunk. A Machine Learning ingyenes szintjéhez nem biztosítunk szolgáltatásiszint-szerződést. A szolgáltatási szintekről szolgáltatásszint-szerződésünk oldalain tájékozódhat bővebben.

Gyakori kérdések

Azure Machine Learning Workbench

  • Nem. az Azure Machine Learning Workbench ingyenes alkalmazás, amely korlátlan számú gépre letölthető, és korlátlan számú felhasználó használhatja. Az Azure Machine Learning Workbench csak kísérletezési fiókkal használható.

Azure Machine Learning-kísérletezési szolgáltatás

  • A munkaállomás a kísérletezési fiókhoz hozzáadott Azure-felhasználót jelenti. Minden felhasználó egy munkaállomásnak felel meg. Az előfizetés első két munkaállomása ingyenes. Az ingyenes munkaállomások és a Dev/Test díjszabása azonban nem érvényes az ingyenes próbaverziójú előfizetésekre vagy más Azure-ajánlat alapján igénybe vett előfizetésekre.

  • Nem. A kísérletezés szolgáltatásban korlátlan számú kísérlet elvégezhető, a fizetendő díjat pedig kizárólag a felhasználók száma határozza meg. A kísérletezéshez felhasznált számítási erőforrásokért külön díjat számolunk fel.

  • Az Azure Machine Learning-kísérletezés szolgáltatás a kísérleteket az alábbi módon futtathatja: helyi gépen (közvetlen vagy Docker-alapú), Azure számítási erőforrásokon (virtuális gépeken) vagy HDInsighton. A nyomon követett futtatási kimenetek tárolásához a szolgáltatásnak hozzáféréssel kell rendelkeznie az Azure Blob Storage-fiókhoz is. Emellett a Visual Studio Team Service-fiókot is fel tudja használni a projekt Git-tárház használatával való verziókövetéséhez. Vegye figyelembe, hogy a felhasznált számítási és tárolási erőforrásokért azok saját díjszabása alapján külön díjat számolunk fel.

Azure Machine Learning Modellkezelés

  • Az Azure Machine Learning-modellek jelenleg ingyenesen használhatóak az Azure IoT Edge szolgáltatással.

  • Nem. A webszolgáltatások korlátozás nélkül meghívhatók, és ez nem befolyásolja a modellkezelés számlázását. Az üzemelő példányok méretezését teljes egészében Ön határozhatja meg az alkalmazások szükségleteihez igazodva.

  • A modell a betanítási folyamat kimenete, ami a gépi tanulási algoritmus betanítási adatokon való alkalmazását jelenti. A modellkezelési szolgáltatásban webszolgáltatásként helyezhet üzembe modelleket, a modellek különféle verzióit kezelheti, és figyelheti a modellek teljesítményét és a kapcsolódó metrikákat. A kezelt modell olyan modell, amely már regisztrálva van egy Azure Machine Learning Modellkezelés-fiókban. Vizsgáljunk meg egy olyan példát, amelyben értékesítés-előrejelzést szeretne elvégezni. A kísérletezési fázisban különféle adatkészletek és algoritmusok használatával számos modellt fog létrehozni. Ha például négy, különféle pontosságú modellt hozott létre, regisztrálni csak a legnagyobb pontosságú modellt célszerű.

    Minden olyan alkalommal, amikor új modellt regisztrál, vagy amikor egy meglévő modell új verzióját regisztrálja, a szolgáltatáscsomag kvótáját fogja felhasználni. A kezelt modellek száma soha nem haladhatja meg a szolgáltatási szintben maximálisan engedélyezett kezelt modellek számát.

  • A modellkezelési szolgáltatásban a modellek Azure-beli tárolókba csomagolt webszolgáltatásként helyezhetők üzembe, és REST API-k használatával lehet meghívni őket. Minden webszolgáltatás egy-egy üzemelő példánynak számít, az aktív üzemelő példányok teljes száma pedig a szolgáltatáscsomag kvótáját használja. Az üzemelő példányok száma soha nem haladhatja meg a szolgáltatási szintben maximálisan engedélyezett üzemelő példányok számát. A fent említett értékesítés-előrejelzési példát használva: ha üzembe helyezi a legjobban teljesítő modellt, akkor a csomagban eggyel növekszik az üzemelő példányok száma. Ha ezt követően a modellt újbóli betanítás után ismét üzembe helyezi, akkor már két üzemelő példánya lesz. Ha úgy értékeli, hogy az új modell jobban teljesít, ezért törli az eredeti modellt, akkor az üzemelő példányok száma eggyel csökken.

  • Az Azure Machine Learning Modellkezelésben az üzemelő példányok Docker-tárolókként futtathatók az Azure Container Service vagy az Azure Virtual Machines környezetben, illetve helyi gépeken. A későbbiekben újabb lehetőségek is elérhetőek lesznek. A felhasznált számítási erőforrásokért azok saját díjszabása alapján külön díjat számolunk fel.

  • Az Azure Machine Learning Modellkezelés szolgáltatás fejlett képességekkel rendelkezik a nagy méretű fürtökön üzemelő példányok optimalizálásához. Modelleket az Ön által kiépített összes számítási erőforrásban üzembe helyezett magok teljes számának kapacitásáig tud üzembe helyezni és kezelni. Ha például egy Azure Container Service-fürtöt helyezett üzembe két D13 virtuális géppel rendelkező fő csomóponttal (csomópontonként 8 mag), valamint 10 D13 virtuális géppel rendelkező feldolgozó csomóponttal (csomópontonként 8 mag), akkor a magok teljes száma (2 x 8) + (10 x 8) = 2.

  • Azure-előfizetésenként csak egy DEV/TEST egység foglalható le, de kombinálható több S1-, S2- és S3-egység is. Ha például 25 kezelt üzemelő példányt szeretne, megvásárolhat 3 egységet a Modellkezelés S1 szintjéből.

  • Az egységek száma az Azure felügyeleti portálján vagy a parancssori felület használatával csökkenthető vagy növelhető.

  • A kísérletezési szolgáltatással hozhatók létre a legjobban használható modellek, de üzembe helyezhetők olyan modellek is, amelyeket nem a kísérletezési szolgáltatással hoztak létre. Számos modellt is támogatunk (többek között Spark ML, TensorFlow, CNTK, scikit-learn vagy Keras), amelyeket létrehozhat az Azure Batch AI Training, a Microsoft ML Server vagy bármely harmadik féltől származó eszközzel is.

  • A díjakat napi elszámolással számítjuk fel. A számlázás tekintetében a nap kezdete az UTC szerinti éjfél. A számlázás havi rendszerességgel történik. Vegyünk egy olyan példát, amelyben egy 10 fős csapat számára fizet elő a Kísérletezés szolgáltatásra. Ezen kívül 3 egységet vásárolt az S1 szintű Modellkezelés szolgáltatásból.

    • A kísérletezési fiók díjai – (((munkaállomások * napok) - keretbe foglalt) * napi díj)
    • 2 ingyenes munkaállomás * 31 nap = 62 munkaállomásnap havonta és előfizetésenként ingyenes
    • Modellkezelési fiók díjai – (egységek * napok * a szint napidíja)

    Egy 30 napos számlázási hónapra:

    • Kísérletezési fiók díjai: (((10 * 30) – 62) * napidíj)
    • Modellkezelési fiók díjai: (3 * 30 * a szint napidíja)

    Vegye figyelembe, hogy az Azure Machine Learning mellett igénybe vett további Azure-szolgáltatásokért külön díjat számolunk fel. Ilyen szolgáltatás lehet többek között a HDInsight, az Azure Container Service, az Azure Container Registry, az Azure Blob Storage, az Application Insights, az Azure Key Vault, a Visual Studio Team Services, a Virtual Network, az Azure Event Hub vagy az Azure Stream Analytics.

A díjszabással kapcsolatban további információt a dokumentációs GYIK-ban talál.

Erőforrások

Azure-szolgáltatások várható havi díjának becslése

Gyakori kérdések az Azure díjszabásáról

Machine Learning-szolgáltatások – további információ

Műszaki oktatóanyagok, videók és más háttéranyagok

Becslésbe felvéve. Nyomja meg a 'v'-t a kalkulátorban való megtekintéshez Megtekintés a kalkulátorban

$200 értékű kredittel tanulhat és fejleszthet, és ingyenesen dolgozhat tovább

Ingyenes fiók