Usługi Machine Learning — cennik

Udostępnij wszystkim użytkownikom możliwość korzystania ze sztucznej inteligencji dzięki kompleksowej, skalowalnej i zaufanej platformie

Usługi Eksperymentowanie w usłudze Azure Machine Learning i Zarządzanie modelami w usłudze Azure Machine Learning oferują analitykom danych i deweloperom chmurowe, lokalne i nowoczesne rozwiązanie udostępniające sztuczną inteligencję wszystkim użytkownikom w dowolnym miejscu. Więcej informacji na temat zestawu ofert dostępnych w ramach usługi Machine Learning Studio można znaleźć na stronie cenników usługi Machine Learning Studio.

Szczegóły cennika

Poniższe ceny zawierają rabat za wersję zapoznawczą.

Cennik usługi Eksperymentowanie

Standardowa
Cena* Pierwsze stanowiska: 2 — bezpłatnie
3 i więcej stanowisk — $- za stanowisko miesięcznie
*Subskrypcje platformy Azure pochodzące z ofert bezpłatnych lub wersji testowych nie uprawniają do korzystania z warstwy bezpłatnej.

Cennik usługi Zarządzanie modelami

Standardowa S3 Standardowa S2 Tworzenie i testowanie aplikacji Standardowa S1 *
Cena w warstwie za miesiąc $- $- $- $-
Funkcje
Modele zarządzane 10 000 1 000 20 100
Wdrożenia zarządzane 1 000 100 2 10
Dostępne rdzenie** 800 120 4 16
*Jeśli potrzebujesz więcej modeli zarządzanych, wdrożeń zarządzanych i/lub dostępnych rdzeni niż zawiera warstwa S3, możesz kupić kilka jednostek S3. Szczegółowe informacje możesz znaleźć poniżej w sekcji Często zadawane pytania. **Oznacza liczbę rdzeni, których w dowolnym momencie można użyć do wdrożeń. Nie zawiera opłat za godziny obliczeniowe. Szczegółowe informacje możesz znaleźć poniżej w sekcji Często zadawane pytania.

Pomoc techniczna i umowa SLA

  • Zapewniamy pomoc techniczną dla wszystkich ogólnie dostępnych usług platformy Azure, w tym dla warstwy Standardowa usługi Machine Learning, za pośrednictwem pomocy technicznej platformy Azure już od $29/miesiąc. Pomoc dotycząca rozliczeń i subskrypcji jest świadczona bezpłatnie.
  • Pomoc techniczna dla usługi Machine Learning w warstwie Bezpłatna jest dostępna tylko na forach społeczności. Społeczność użytkowników wspierają także dostępne filmy szkoleniowe i dokumentacja.
  • Umowa SLA — w przypadku usługi Request Response Service (RRS) gwarantujemy dostępność transakcji interfejsu API na poziomie 99,95%. W przypadku usługi Batch Execution Service (BES) i interfejsów API zarządzania gwarantujemy dostępność transakcji interfejsu API na poziomie 99.9%. Nie oferujemy umowy SLA dla usługi Machine Learning w warstwie Bezpłatna. Aby dowiedzieć się więcej o umowach SLA, odwiedź stronę umów SLA.

Często zadawane pytania

Środowisko robocze usługi Azure Machine Learning

  • Nie. Azure Machine Learning Workbench jest aplikacją bezpłatną. Możesz ją pobrać dla tylu komputerów i użytkowników, dla ilu potrzebujesz. Aby korzystać z aplikacji Azure Machine Learning Workbench, musisz mieć konto usługi Eksperymentowanie.

Eksperymentowanie w usłudze Azure Machine Learning

  • Każde stanowisko to użytkownik platformy Azure dodany do konta usługi Eksperymentowanie. Pierwsze dwa stanowiska w ramach subskrypcji są bezpłatne. Jednak bezpłatne stanowiska i ceny deweloperskie/testowe nie mają zastosowania do subskrypcji bezpłatnych, subskrypcji w wersjach próbnych ani do subskrypcji pochodzących z jakichkolwiek innych ofert platformy Azure.

  • Nie. Usługa Eksperymentowanie umożliwia wykonanie dowolnej liczby eksperymentów w zależności od potrzeb, a opłaty są naliczane wyłącznie na podstawie liczby użytkowników. Opłaty za zasoby obliczeniowe usługi Eksperymentowanie są naliczane oddzielnie.

  • Usługa Eksperymentowanie w usłudze Azure Machine Learning umożliwia przeprowadzanie eksperymentów w następujących miejscach: na maszynie lokalnej (bezpośrednio lub na platformie Docker), w zasobach obliczeniowych platformy Azure (na maszynach wirtualnych) i w usłudze HDInsight. W celu przechowywania wyników wykonywania śledzonego wymaga ona również dostępu do konta usługi Azure Blob Storage. Opcjonalnie może także korzystać z konta usługi Visual Studio Team Service na potrzeby kontrolowania wersji projektu przy użyciu repozytorium Git. Pamiętaj, że za wszystkie użyte zasoby obliczeniowe i magazyny zostaną naliczone niezależne opłaty na podstawie odpowiednich cenników.

Zarządzanie modelami w usłudze Azure Machine Learning

  • Modeli usługi Azure Machine Learning można obecnie używać z usługą Azure IoT Edge bez opłat.

  • Nie. Usługi internetowe można wywoływać tak często, jak to potrzebne, bez wpływu na rozliczenia związane z usługą Zarządzanie modelami. Masz pełną kontrolę nad skalowaniem swoich wdrożeń, aby spełniały wymagania aplikacji.

  • Model to wynik procesu uczenia, który jest zastosowaniem algorytmu uczenia maszynowego do danych treningowych. Usługa Zarządzanie modelami umożliwia wdrażanie modeli jako usług internetowych, zarządzanie różnymi wersjami modeli oraz monitorowanie wydajności modeli i skojarzonych z nimi metryk. Modele zarządzane to modele, które zostały zarejestrowane na koncie usługi Zarządzanie modelami w usłudze Machine Learning. Jako przykład rozważ scenariusz, w którym próbujesz prognozować sprzedaż. Na etapie eksperymentowania tworzysz wiele modeli, używając różnych zestawów danych lub algorytmów. W przypadku wygenerowania czterech modeli o różnej dokładności możesz wybrać zarejestrowanie tylko jednego z nich — tego o największej dokładności.

    Za każdym razem, gdy rejestrujesz nowy model lub nową wersję istniejącego modelu, liczą się one do Twojego planu. W dowolnym momencie możesz mieć nie więcej modeli zarządzanych niż wynosi maksymalna liczba określona przez zakupioną warstwę.

  • Usługa Zarządzanie modelami umożliwia wdrażanie na platformie Azure modeli w postaci spakowanych kontenerów usług internetowych, które można wywoływać przy użyciu interfejsów API REST. Każda usługa internetowa jest liczona jako pojedyncze wdrożenie, a łączna liczba aktywnych wdrożeń liczy się do Twojego planu. W dowolnym momencie możesz mieć nie więcej wdrożeń niż wynosi maksymalna liczba określona przez zakupioną warstwę. W przykładzie prognozowania sprzedaży, wdrażając najlepiej działający model, zwiększysz swój plan o jedno wdrożenie. Jeśli następnie wytrenujesz i wdrożysz ponownie swój model, będziesz mieć dwa wdrożenia. Gdy stwierdzisz, że nowy model jest lepszy i usuniesz oryginał, liczba Twoich wdrożeń zmniejszy się o jedno.

  • Zarządzanie modelami w usłudze Machine Learning umożliwia uruchamianie wdrożeń w postaci kontenerów platformy Docker w usługach Azure Container Service, Azure Virtual Machines i na komputerach lokalnych. W przyszłości planowany jest większy wybór miejsc docelowych. Pamiętaj, że za wszystkie użyte zasoby obliczeniowe zostaną naliczone niezależne opłaty na podstawie odpowiednich cenników.

  • Zarządzanie modelami w usłudze Machine Learning zapewnia większe możliwości optymalizacji wdrażania w dużych klastrach. Wdrażanie modeli i zarządzanie nimi jest możliwe aż do łącznej liczby rdzeni wdrożonych w dostarczonych zasobach obliczeniowych. Na przykład w przypadku wdrożenia klastra Azure Container Service przy użyciu 2 węzłów głównych maszyn wirtualnych D13 (8 rdzeni na węzeł) i 10 węzłów procesu roboczego maszyn wirtualnych D13 (8 rdzeni na węzeł) łączna liczba rdzeni wynosi (2 x 8) + (10 x 8) = 96.

  • Do każdej subskrypcji platformy Azure można przydzielić tylko jedną jednostkę DEV/TEST, natomiast można połączyć wiele jednostek S1, S2 i S3. Na przykład aby uzyskać 25 wdrożeń zarządzanych, możesz kupić 3 jednostki S1 usługi Zarządzanie modelami.

  • Liczbę jednostek można zmienić (zwiększyć lub zmniejszyć) za pomocą Portalu zarządzania Azure lub interfejsu wiersza polecenia.

  • Największe doświadczenie zdobywasz, wdrażając modele utworzone przy użyciu usługi Eksperymentowanie, ale możesz wdrażać nie tylko modele utworzone w ten sposób. Umożliwiamy korzystanie z różnych modeli (np. Spark ML, TensorFlow, CNTK, scikit-learn, Keras itd.) utworzonych przy użyciu narzędzi, takich jak Azure Batch AI Training, Microsoft ML Server, czy jakichkolwiek innych narzędzi firm zewnętrznych.

  • Użytkownicy są rozliczani w cyklu dziennym. Dla celów rozliczeniowych dzień rozpoczyna się o północy (czas UTC). Rachunki są generowane raz w miesiącu. W ramach przykładu załóżmy, że subskrybujesz usługę Eksperymentowanie dla zespołu składającego się z 10 użytkowników. Masz również zakupione jednostki (3) warstwy S1 usługi Zarządzanie modelami.

    • Obciążenia na koncie za usługę Eksperymentowanie: (((liczba stanowisk * liczba dni) – bezpłatne) * stawka dzienna)
    • 2 bezpłatnych stanowisk * 31 dni = 62 stanowiskodni (łącznie z bezpłatnymi) co miesiąc na subskrypcję
    • Obciążenia na koncie za usługę Zarządzanie modelami: (liczba jednostek * liczba dni * stawka dzienna za warstwę)

    W przypadku miesiąca rozliczeniowego trwającego 30 dni:

    • Obciążenia na koncie za usługę Eksperymentowanie: (((10 * 30) – 62) * stawka dzienna)
    • Obciążenia za koncie za usługę Zarządzanie modelami: (3 * 30 * stawka dzienna za warstwę)

    Pamiętaj, że za każdą usługę Azure używaną w połączeniu z usługą Azure Machine Learning zostaną naliczone oddzielne opłaty, w tym między innymi opłaty obliczeniowe oraz opłaty za usługi HDInsight, Azure Container Service, Azure Container Registry, Azure Blob Storage, Application Insights, Azure Key Vault, Visual Studio Team Services, Virtual Network, Azure Event Hub i Azure Stream Analytics.

Aby uzyskać więcej informacji na temat cen, zapoznaj się z często zadawanymi pytaniami dotyczącymi dokumentacji.

Zasoby

Oszacuj miesięczne koszty usług systemu Azure

Przejrzyj często zadawane pytania na temat cennika systemu Azure

Dowiedz się więcej o Usługi Machine Learning

Przejrzyj samouczki techniczne, materiały wideo i inne zasoby

Dodano do oszacowania. Naciśnij klawisz „v”, aby wyświetlić w kalkulatorze Wyświetl w kalkulatorze

Rozpocznij naukę i tworzenie ze środkami w wysokości $200 i kontynuuj korzystanie z bezpłatnych opcji

Bezpłatne konto