Machine Learning Studio — cennik

Usługa Azure Machine Learning w warstwie Bezpłatna zapewnia szczegółowe wprowadzenie do usługi Azure Machine Learning Studio. Do zarejestrowania się w tej usłudze wystarczy konto Microsoft. W ramach warstwy Bezpłatna jest zapewniany bezpłatny dostęp do jednego obszaru roboczego usługi Azure Machine Learning Studio na konto Microsoft. Obejmuje ona nawet 10 GB miejsca do magazynowania oraz umożliwia operacjonalizowanie modeli jako przejściowych interfejsów API. Obciążenia warstwy bezpłatnej nie są objęte umową SLA i są przeznaczone tylko do użytku osobistego i do opracowywania rozwiązań. Obciążenia warstwy bezpłatnej nie mogą uzyskiwać dostępu do danych, łącząc się z lokalnym serwerem SQL. W powyższej tabeli wskazano wiele różnic między warstwami Bezpłatna i Standardowa, jednak mogą istnieć inne różnice, a funkcje warstwy Bezpłatna mogą zmienić się w każdej chwili.

Wystarczy konto Microsoft. Przejdź do strony głównej usługi Azure Machine Learning i kliknij przycisk Rozpocznij teraz. Zaloguj się przy użyciu konta Microsoft — zostanie utworzony obszar roboczy w warstwie Bezpłatna. Możesz od razu zacząć przeglądać i tworzyć eksperymenty usługi Machine Learning.

Aby móc utworzyć obszar roboczy usługi Machine Learning w warstwie Standardowa, musisz mieć dostęp do subskrypcji platformy Azure. Możesz utworzyć konto w ramach subskrypcji 30-dniowej wersji próbnej platformy Azure i później wykonać uaktualnienie do płatnej subskrypcji platformy Azure lub od razu wykupić płatną subskrypcję platformy Azure. Po uzyskaniu dostępu do subskrypcji będzie można utworzyć obszar roboczy usługi Machine Learning w klasycznym portalu Microsoft Azure. Wyświetl szczegółowe instrukcje.

Możesz też uzyskać zaproszenie od właściciela obszaru roboczego usługi Machine Learning w warstwie Standardowa, aby móc uzyskać dostęp do tego obszaru roboczego.

Nie, nie można określić własnego konta usługi Blob Storage na potrzeby używania w ramach warstwy Bezpłatna. Aby móc korzystać z własnego magazynu usługi Azure Storage, musisz używać warstwy Standardowa.

Tak. Można zoperacjonalizować modele uczenia maszynowego w tymczasowych usługach interfejsu API w ramach warstwy Bezpłatna. Aby móc wprowadzić przejściową usługę interfejsu API do produkcji i uzyskać produkcyjny punkt końcowy zoperacjonalizowanej usługi, musisz używać warstwy Standardowa.

Platforma Microsoft Azure w bezpłatnej wersji próbnej oferuje środki, które można stosować do każdej usługi platformy Azure przez miesiąc, natomiast usługa Machine Learning w warstwie Bezpłatna oferuje ciągły dostęp do usługi Azure Machine Learning w przypadku obciążeń nieprodukcyjnych.

Aby skopiować eksperymenty z warstwy Bezpłatna do warstwy Standardowa, wykonaj czynności opisane poniżej:

1. Zaloguj się w usłudze Azure Machine Learning Studio i upewnij się, że w selektorze obszaru roboczego na górnym pasku nawigacyjnym są widoczne obszary robocze warstw Bezpłatna i Standardowa.
2. Jeśli obecnie jest używany obszar roboczy warstwy Standardowa, przełącz do obszaru roboczego warstwy Bezpłatna.
3. W widoku listy eksperymentów wybierz eksperyment, który chcesz skopiować, a następnie kliknij przycisk polecenia Kopiuj.
4. W podręcznym oknie dialogowym wybierz obszar roboczy warstwy Standardowa i kliknij przycisk Kopiuj.
5. Zwróć uwagę na to, że wszystkie skojarzone zestawy danych, wytrenowane modele itd. zostaną skopiowane razem z eksperymentem do obszaru roboczego warstwy Standardowa.
6. Konieczne będzie ponowne uruchomienie eksperymentu i ponowne opublikowanie usługi sieci Web w obszarze roboczym warstwy Standardowa.

Usługa Machine Learning obsługuje wysoką dostępność, łącząc w parę dwa regiony w jednej lokalizacji geograficznej. Południowo-środkowe stany USA są powiązane z północno-środkowymi stanami USA.

Czasy wywołań interfejsu API produkcji mogą się istotnie różnić, zazwyczaj w zakresie od setek milisekund do kilku sekund, ale mogą wymagać kilku minut w zależności od złożoności przetwarzanych danych i modelu uczenia maszynowego. Najlepszą metodą oszacowania czasu wywołań interfejsu API produkcji jest przeprowadzenie testu porównawczego modelu w usłudze Machine Learning.

Usługa Machine Learning jest usługą z wieloma dzierżawcami, a rzeczywiste zasoby obliczeniowe używane na zapleczu różnią się i są zoptymalizowane pod kątem wydajności i stabilności.

Opłaty za przestrzeń roboczą są naliczane oddzielnie za każdy mający zastosowanie licznik i przedstawiane na jednym rachunku.