Машинное обучение Цены

Уровень Free машинного обучения Azure позволит подробно ознакомиться со студией машинного обучения Azure. Для регистрации требуется только учетная запись Майкрософт. Уровень Free предусматривает свободный доступ к одному рабочему пространству студии машинного обучения Azure для одной учетной записи Майкрософт. Он обеспечивает возможность использовать до 10 Гбайт хранилища и эксплуатировать модели как промежуточные API. На рабочие нагрузки, выполняемые бесплатной пробной версией, не распространяется действие соглашения об уровне обслуживания. Они предназначены только для разработчиков и личного использования. Рабочие нагрузки уровня Free не имеют доступа к данным на локальном сервере SQL. В приведенной выше таблице описаны всевозможные различия между уровнями Free и Standard, при этом могут существовать и другие различия, а функции, которые доступны на уровне Free, могут быть изменены в любое время.

Требуется только учетная запись Майкрософт. Откройте главную страницу машинного обучения Azure и нажмите кнопку "Начать прямо сейчас". После входа с помощью учетной записи Майкрософт на уровне Free будет создано рабочее пространство. Вы можете начать изучать и создавать эксперименты машинного обучения прямо сейчас.

Чтобы создать рабочее пространство машинного обучения уровня Standard, сначала вам необходимо получить доступ к подписке Azure. Вы можете подписаться на 30-дневную бесплатную пробную версию подписки Azure и позднее обновить ее до платной подписки либо приобрести платную подписку Azure прямо сейчас. Затем вы можете создать рабочее пространство машинного обучения на классическом портале Microsoft Azure после получения доступа к подписке. Ознакомьтесь с пошаговыми инструкциями.

Доступ к рабочему пространству машинного обучения уровня Standard можно также получить с помощью соответствующего приглашения от его владельца.

Но нельзя задавать собственную учетную запись хранилища больших двоичных объектов для использования с уровнем Free. Для использования собственного хранилища Azure необходимо использовать уровень Standard.

Да, вы можете задействовать модели машинного обучения для промежуточных служб API в рамках бесплатного уровня. Чтобы внедрить промежуточную службу API в рабочую среду и получить рабочую конечную точку для эксплуатируемой службы, необходимо использовать уровень Standard.

В рамках бесплатной пробной версии Microsoft Azure предлагаются кредиты, которые можно применять для любой службы Azure в течение одного месяца. Уровень "Бесплатный" машинного обучения Azure обеспечивает непрерывный доступ, в частности, к службе машинного обучения Azure для непроизводственных рабочих нагрузок.

Чтобы скопировать свои эксперименты с уровня Free на Standard, выполните следующие шаги.

1. Войдите в студию машинного обучения Azure и убедитесь, что вы можете видеть в селекторе рабочего пространства на верхней панели навигации рабочее пространство как уровня Free, так и уровня Standard.
2. Перейдите на рабочее пространство уровня Free, если вы находитесь в рабочем пространстве уровня Standard.
3. В списке экспериментов выберите эксперимент для копирования и нажмите кнопку "Копировать".
4. Выберите рабочее пространство уровня Standard во всплывающем диалоговом окне и нажмите кнопку "Копировать".
5. Обратите внимание, что все связанные наборы данных будут скопированы в рабочее пространство уровня "Стандартный" вместе с экспериментом.
6. Вам потребуется заново запустить эксперимент и заново опубликовать веб-службу в рабочем пространстве уровня Standard.

Служба машинного обучения обеспечивает высокий уровень доступности путем предоставления спаренного доступа по двум регионам в пределах одной и той же географической области. Юго-Центральный регион США связывается с Северо-Центральным регионом.

Время вызова производственного API-интерфейса может существенно различаться. Как правило, выполнение операции занимает от сотен миллисекунд до нескольких секунд, но может потребоваться и несколько минут в зависимости от сложности модели обработки данных и машинного обучения. Лучший способ оценки времени вызова производственного API-интерфейса заключается в измерении производительности модели в службе машинного обучения.

Служба машинного обучения является многопользовательской, и действительные вычислительные ресурсы, используемые на сервере, различаются и оптимизируются для повышения производительности и качества прогнозирования.

Плата за рабочее пространство будет разделяться для каждого применимого показателя в одном счете.