跳过导航

机器学习服务 定价

使用端到端、可缩放的受信平台,让所有人都能够获得 AI 体验

Azure 机器学习试验和模型管理服务为数据科学家和开发者提供云、本地和边缘解决方案,让所有人能够随时随地获得 AI 体验。若要详细了解机器学习工作室中提供的产品套件,请访问机器学习工作室定价页面

定价详细信息

下面的定价反映了预览版折扣。

试验定价

标准
价格 前 2 个席位 - 免费
3 个及以上席位 - 每月每席位 $-

模型管理定价

开发/测试 标准版 S1 标准版 S2 标准版 S3 *
每月层价格 $- $- $- $-
功能
托管模型 20 100 1,000 10,000
托管部署 2 10 100 1,000
可用内核数** 4 16 120 800
*如果所需数量超过了 S3 层中包含的托管模型、托管部署和/或可用内核的可用数量,可以选择购买多个单位的 S3。有关详细信息,请参阅下面的常见问题解答部分。 **指明可在任何给定时间用于部署的内核数量。不包括计算小时数的费用。有关详细信息,请参阅下面的常见问题解答部分。

支持和 SLA

  • 我们通过 Azure 支持为公开上市的所有 Azure 服务(包括机器学习标准层)提供技术支持,起价为 $29 /月。计费和订阅管理支持免费提供。
  • 机器学习免费级别的技术支持仅通过社区论坛提供。我们还提供培训视频和文档来支持用户社区。
  • SLA—对于请求响应服务 (RRS),我们保证 API 事务的可用性达 99.95%。对于批处理执行服务 (BES) 和管理 API,我们保证 API 事务的可用性达 99.9%。我们不为机器学习免费层提供 SLA。若要了解有关 SLA 的详细信息,请访问 SLA 页。

常见问题

Azure 机器学习工作台

  • 不会。Azure Machine Learning Workbench 是免费的应用程序。可以在所需的多台计算机上为多位用户下载它。若要使用 Azure Machine Learning Workbench,必须具有试验帐户。

Azure 机器学习试验服务

  • 每个席位表示试验帐户中所添加的一位 Azure 用户。订阅中的前两个席位免费。但免费席位和开发/测试定价不适用于免费或试用订阅,也不适用于源自任何其他 Azure 产品/服务的订阅。

  • 不会。凭借试验服务,可以运行大量所需的试验,并且仅根据用户的数量进行收费。试验计算资源将单独收费。

  • Azure 机器学习试验服务可以在以下资源上执行试验 - 本地计算机(直接执行或基于 Docker 执行)、Azure 计算资源(虚拟机)和 HDInsight。它也需要访问 Azure Blob 存储帐户以存储跟踪的执行输出。此外,它可以选择性地使用 Visual Studio Team Service 帐户对使用 Git 存储库的项目进行版本控制。请注意,对于任何使用的计算和存储资源,将根据这些资源各自的定价单独收费。

Azure 机器学习模型管理

  • Azure 机器学习模型现可免费用于 Azure IoT Edge

  • 不会。可以随时按需调用 Web 服务,不会产生任何的模型管理费用。可以完全控制部署的缩放以满足应用程序的需求。

  • 一个模型是一个培训流程的输出,并且是针对培训数据进行的机器学习算法应用。凭借模型部署服务,可以 Web 服务的形式部署模型、管理模型的各种版本以及监控模型的性能和相关指标。托管模型是已在 Azure 机器学习模型管理帐户中注册的模型。例如,以尝试预测销售的方案为例。在试验阶段期间,通过使用不同的数据集或算法生成了许多模型。如果已生成 4 个模型,但每个模型的准确率都不同,则可以选择仅注册准确率最高的那个模型。

    每当注册新模型或注册现有模型的新版本时,它会被视为计划的一部分。在任何时候,都可能会达到已购买层所指明的最大托管模型数量。

  • 凭借模型管理服务,可以将模型以打包的 Web 服务容器的形式部署在 Azure 中,可以使用 REST API 进行调用。每个 Web 服务被计为一个部署,运行的活动部署总数量按计划而定。在任何时候,都可能会达到已购买层所指明的最大部署数量。以销售预测为例,通过部署最佳的绩效模型,计划将随每个部署进行递增。如果重新导流并重新部署模型,则将具有两个部署。如果确定较新的模型更好,可以删除原始模型,部署计数也将随之递减一个。

  • Azure 机器学习模型管理可以 docker 容器的形式在 Azure 容器服务、Azure 虚拟机和本地计算机上运行部署,以后将增加更多目标。请注意,对于任何使用的计算资源,将根据这些资源各自的定价单独进行收费。

  • Azure 机器学习模型管理服务提供增强的功能,对大型群集上的部署进行优化。可以部署和管理多达在已预配的计算资源之间部署的内核总数的模型。例如,如果使用 D13 VM 的 2 个主节点(每节点 8 个内核)和 D13 VM 的 10 个工作节点(每节点 8 个内核)部署了一个 Azure 容器服务群集,内核总数则为 (2 x 8) + (10 x 8) = 96。

  • 只能为每个 Azure 订阅分配一个 DEV/TEST 单位,但可以合并多个 S1、S2 和 S3 单位。例如,如果想拥有 25 个托管部署,可以购买 3 个模型管理 S1 单位。

  • 可以使用 Azure 管理门户或 CLI 向上或向下更改单位数量。

  • 当部署使用试验服务创建的模型时将获得最佳体验,但可以部署的模型不仅限于使用试验服务创建的那些模型。我们支持使用 Azure Batch AI Training、Microsoft ML 服务器或任何第三方工具等创建的各种模型(如 Spark ML、TensorFlow、CNTK、scikit-learn 和 Keras)。

  • 将按日进行计费。为方便计费,一天从午夜 UTC 算起。帐单将按月生成。举一个具体示例,假设为 10 个用户组成的团队订阅了试验服务。同时也购买了 3 个单位的 S1 模型管理层。

    • 试验帐户费用 -(((席位数 * 天数)– 每月所含免费席位使用数)* 每日费率)
    • 2 个免费席位 * 31 天 = 每个订阅每月所含免费席位使用数 62
    • 模型管理帐户费用 -(单位数 * 天数 * 层每日费率)

    以 30 天使用的计费月为例:

    • 试验帐户费用:(((10 * 30) – 62) * 每日费率)
    • 模型管理帐户费用:(3 * 30 * 层每日费率)

    请注意,与 Azure 机器学习配合使用的任何 Azure 服务将产生单独的费用,包括但不限于计算费用、HDInsight、Azure 容器服务、Azure 容器注册表、Azure Blob 存储、Application Insights、Azure Key Vault、Visual Studio Team Services、虚拟网络、Azure 事件中心和 Azure 流分析。

  • 不会。用于计算机视觉、文本分析和预测的 Azure 机器学习包是免费 Python 包。可以在所需的多台计算机上为多位用户下载它们。了解 AML 包的详细信息
有关定价的详细信息,请参阅 FAQ 文档

资源

估计每月的 Azure 服务费用

查看 Azure 定价常见问题

了解有关 机器学习服务 的更多信息

查看技术教程、视频和更多资源

添加到估价。 按“V”在计算器上查看 在计算器上查看

了解并使用 $200 信用额度构建,继续免费使用

免费帐户