Machine Learning – díjszabás

Az Azure Machine Learning ingyenes szintjét választva részletesen megismerkedhet az Azure Machine Learning Studio használatának első lépéseivel. A regisztrációhoz mindössze egy Microsoft-fiókra van szükség. Az ingyenes szint Microsoft-fiókonként egy Machine Learning Studio-munkaterülethez biztosít díjmentes hozzáférést. A tarifacsomag 10 GB-os tárhelyet biztosít, a modellek pedig átmeneti API-kként működtethetők. Az ingyenes szintű munkaterhekre nem vonatkozik szolgáltatásiszint-szerződés, és csak fejlesztési célokra és személyes használatra szolgálnak. Az ingyenes szintű munkaterhek nem érhetik el az adatokat helyszíni SQL Server-adatbázishoz csatlakozva. A fenti táblázat az ingyenes és a Standard szint közötti különbségeket ismerteti, de egyéb különbségek is előfordulhatnak, és az ingyenes szint szolgáltatásai bármikor módosulhatnak.

Mindössze egy Microsoft-fiókra van szükség. Keresse fel az Azure Machine Learning kezdőlapját, és kattintson az Első lépések gombra. Jelentkezzen be Microsoft-fiókjával, és a rendszer létrehoz egy ingyenes szintű munkaterületet az Ön számára. Ezután azonnal megkezdheti az ismerkedést a szolgáltatással és a Machine Learning-kísérletek létrehozását.

Standard szintű Machine Learning-munkaterület létrehozásához Azure-előfizetéssel kell rendelkeznie. Regisztráljon az Azure 30 napos ingyenes próbaverziójára, és később frissítsen egy fizetős Azure-szolgáltatáscsomagra, vagy vásároljon egyből fizetős Azure-szolgáltatáscsomagot. Ha már hozzáfér előfizetéséhez, létrehozhat egy Machine Learning-munkaterületet a klasszikus Microsoft Azure-portálon. Tekintse meg a részletes útmutatót.

Egy meglévő standard szintű Machine Learning-munkaterületet úgy is elérhet, ha annak tulajdonosától meghívót kap.

Nem, saját blobtárolót nem adhat meg az ingyenes szinttel való használatra. Saját Azure-tárhelyet csak standard tarifacsomaghoz használhat.

Igen, az ingyenes szinten működésbe hozhat gépi tanulási modelleket átmeneti API szolgáltatásokban. Ha termelési környezetben szeretné használni az átmeneti API-szolgáltatást, és termelési végpontot szeretne beállítani az üzembe helyezett szolgáltatáshoz, a standard szolgáltatáscsomagot kell használnia.

A Microsoft Azure ingyenes próbaverziójával az Azure bármely szolgáltatásában egy hónapig felhasználható kreditekhez juthat, az Azure Machine Learning ingyenes szintjével pedig folyamatosan hozzáférhet az Azure Machine Learning szolgáltatáshoz nem éles üzemi környezetben futtatott számítási feladatok esetén.

A kísérletek ingyenesről Standard szintre történő másolásához kövesse az alábbi lépéseket.

1. Jelentkezzen be az Azure Machine Learning Studióba, és a felső navigációs sáv munkaterület-választójában jelenítse meg mind a Free (Ingyenes), mind a Standard munkaterületet.
2. Ha a Standard az aktív munkaterület, váltson a Free munkaterületre.
3. Kísérletlista-nézetben jelölje ki a másolni kívánt kísérletet, majd kattintson a Copy (Másolás) parancsgombra.
4. A megjelenő párbeszédpanelen jelölje ki a Standard munkaterületet, majd kattintson a Copy gombra.
5. Ez a művelet a kísérlettel együtt minden társított elemet (például adatkészletet és betanított modellt) a Standard munkaterületre másol.
6. A Standard munkaterületen újra futtatnia kell a kísérletet, és ismét közzé kell tennie a webszolgáltatást.

A Machine Learning szolgáltatás egy földrajzi térség két régióját társítja a magas rendelkezésre állás biztosításához. Az USA déli középső régióját például az USA északi középső régiójával társítjuk.

A termelési környezetben végrehajtott API-hívások ideje igen változó, de rendszerint a néhány századmásodperc és a néhány másodperc közötti tartományba esik. Az adatfeldolgozás és a gépi tanulási modell összetettségétől függően azonban ez az idő akár több perc is lehet. A termelési környezetben végrehajtott API-hívások becsült idejét az adott modell teljesítményének Machine Learning szolgáltatásban való tesztelésével lehet meghatározni.

A Machine Learning szolgáltatás több ügyfél által közösen használt infrastruktúrán üzemel. A háttérkomponensek által ténylegesen felhasznált számítási erőforrások mértéke változó. A rendszereket a teljesítmény és a tervezhetőség érdekében optimalizáltuk.

A munkaterületek díjai egyetlen számlán, de tételezve jelennek meg (minden elszámolási egység esetén).