略過導覽

機器學習服務 價格

透過端對端的信任平台,讓每個人都能使用 AI 功能

Azure Machine Learning 測試和模型管理服務將雲端、內部部署和邊緣解決方案提供給資料科學家和開發人員,讓他們不分地點將 AI 功能提供給所有人。若要深入了解 Machine Learning Studio 中可用的一組供應項目,請瀏覽 Machine Learning Studio 定價頁面

定價詳細資料

下列定價已反映了預覽版的折扣優惠。

測試定價

標準
價格 前 2 個基座 - 免費
基座 3 及以上 - 每月每基座 $-

模型管理定價

開發/測試 標準 S1 標準 S2 標準 S3 *
階層價格 (每月) $- $- $- $-
功能
受管理的模型 20 100 1,000 10,000
受管理的部署 2 10 100 1,000
可用的核心** 4 16 120 800
*如果您需要的受管理模型、受管理部署及/或可用核心的數量,超過 S3 層中所包含的可用數量,您可以購買 S3 的多個單位。如需詳細資訊,請參閱下方的<常見問題集>一節。 **代表任何指定時間可用於部署的核心數。不包含計算時數的費用。如需詳細資訊,請參閱下方的<常見問題集>一節。

支援與 SLA

  • 我們會透過 Azure 支援為所有正式運作的 Azure 服務提供技術支援,包括 Machine Learning 標準層在內,起價為每個月 $29。計費及訂用帳戶管理支援均為免費提供。
  • 機器學習免費層的技術支援僅限透過社群論壇提供。也有訓練影片和文件可支援使用者社群。
  • SLA:對於要求回應服務 (RRS),我們保證 API 交易的可用性達 99.95%。針對批次執行服務 (BES) 及管理 API,我們保證 API 交易的可用性可達 99.9%。我們無法為機器學習服務免費層提供 SLA。若要深入了解 SLA,請前往 SLA 頁面。

常見問題集

Azure Machine Learning Workbench

  • 否。Azure Machine Learning Workbench 是免費的應用程式。您可以視需要將它下載到許多電腦,以供許多使用者使用。若要使用 Azure Machine Learning Workbench,您必須具有測試帳戶。

Azure Machine Learning 測試服務

  • 每個基座都是一位新增至測試帳戶的 Azure 使用者。您訂用帳戶的前兩個基座免費。不過,免費基座與開發/測試定價不適用免費或試用訂用帳戶,亦不適用衍生自其他任何 Azure 優惠的訂用帳戶。

  • 否,測試服務可視您的需要允許許多實驗,並且只依使用者數目收費。測試計算資源會另外收費。

  • Azure Machine Learning 測試服務可以對下列項目執行實驗 - 本機電腦 (以 Direct 或 Docker 為基礎)、Azure 計算資源 (虛擬機器) 和 HDInsight。它也需要存取 Azure Blob 儲存體帳戶以存放所追蹤的執行輸出。它也可選擇性地使用 Visual Studio Team Service 帳戶來控制使用 Git 存放庫的專案版本。請注意,針對任何取用的計算和儲存體資源,會依其個別定價向您另外收費。

Azure Machine Learning 模型管理

  • Azure Machine Learning 模型目前可與 Azure IoT Edge 搭配使用而不產生費用。

  • 否。您可以視需要經常呼叫 Web 服務,而不會影響模型管理計費。您可以完全掌控要如何擴充部署,以符合您的應用程式需求。

  • 模型是定型處理序的輸出及對定型資料的機器學習服務演算法應用。模型管理服務可讓您將模型部署為 Web 服務、管理各種模型版本,並監視您的模型與相關聯計量的效能。受管理的模型是已使用 Azure Machine Learning 模型管理帳戶註冊的模型。例如,假設您嘗試預測銷售。在測試階段期間,您會使用不同的資料集或演算法來產生許多模型。如果您已產生具有不同精確度的四個模型,您可以選擇只註冊具有最高精確度的模型。

    每當您註冊新的模型或建立現有模型的新版本,該模型都會視為方案的一部分。您任何時間都可以有高達已購買階層所代表之最大數目的受管理模型。

  • 模型管理服務可讓您將模型部署為 Azure 中已封裝的 Web 服務容器,以使用 REST API 加以叫用。每項 Web 服務都會視為單一部署,而執行中的現用部署總數會計入您的方案。您任何時間都可以有高達已購買階層所代表之最大數目的部署。以銷售預測為例,藉由部署您表現最佳的模型,您的方案會增加一個部署。如果您接著重新定型及重新部署模型,您將會有兩個部署。如果您判斷新的模型較佳,並刪除原始模型,您的部署計數會減一。

  • Azure Machine Learning 模型管理可以將部署當作 Azure Container Service、Azure 虛擬機器和本機電腦上的 Docker 容器來執行,未來將推出更多目標。請注意,針對任何取用的計算資源,會依其個別定價向您另外收費。

  • Azure Machine Learning 模型管理服務提供增強功能,可最佳化大型叢集上的部署。您可以部署及管理的受管理模型數,高達部署至已佈建計算資源之間的總核心數。例如,如果您所部署的 Azure Container Service 叢集使用 2 個 D13 VM 的主要節點 (每個節點 8 核心) 和 10 個 D13 VM 的背景工作節點 (每個節點 8 核心),總核心數為 (2 x 8) + (10 x 8) = 96。

  • 每個 Azure 訂用帳戶只能配置一個開發/測試單位,但可以合併 S1、S2 和 S3 的多個單位。例如,如果您想要有 25 個受管理的部署,您可以購買模型管理 S1 的 3 個單位。

  • 您可以使用 Azure 管理入口網站或 CLI 來變更單位數 (增加或減少)。

  • 當您部署使用測試服務所建立的模型時,您會獲得最佳體驗。不過,您可以部署的模型並不限於使用測試服務所建立的模型。我們支援使用 Azure Batch AI Training、Microsoft ML Server 或任何其他協力廠商工具等工具所建立的各種模型 (例如 Spark ML、TensorFlow、CNTK、scikit-learn、Keras 等)。

  • 計費方式為每日。每日的起始為 UTC 午夜,供計費目的所用。每月產生帳單。例如,假設您訂閱測試服務以供 10 位使用者的小組使用。您也已購買 S1 模型管理層的 3 個單位。

    • 測試帳戶費用:(((基座數 * 天數) - 內含) * 每日費率)
    • 2 個免費基座 * 31 天 = 每個訂用帳戶每月免費內含基座天數 62
    • 模型管理帳戶費用:(單位數 * 天數 * 階層每日費率)

    針對 30 天的帳務月份:

    • 測試帳戶費用:(((10 * 30) - 62) * 每日費率)
    • 模型管理帳戶費用:(3 * 30 * 階層每日費率)

    請注意,若搭配 Azure Machine Learning 使用任何 Azure 服務,則會向您另外收費,包括但不限於計算費用、HDInsight、Azure Container Service、Azure Container Registry、Azure Blob 儲存體、Application Insights、Azure Key Vault、Visual Studio Team Services、虛擬網路、Azure 事件中樞和 Azure 串流分析。

  • 不用。適用於電腦視覺、文字分析及預測的 Azure Machine Learning 套件均為免費的 Python 套件。您可以視需要將套件下載到多部電腦,以供多位使用者使用。深入了解 AML 套件
如需定價的詳細資訊,請參閱文件常見問題集

資源

預估您 Azure 服務的每月成本

檢閱 Azure 定價常見問題集

深入了解 機器學習服務

檢閱技術教學課程、影片和更多資源

已新增至估算。 按下 'v' 即可在計算機上檢視 在計算機上檢視

了解和以信用額度中的 $200 來建置,並免費繼續使用