2021. aastal käivitasime AWS-i tugiteenused ennetavad teenused osana AWS-i ettevõtte tugi pakkumine. Alates selle kasutuselevõtust oleme aidanud sadadel klientidel optimeerida oma töökoormust, seada piirded ning parandada nende masinõppe (ML) töökoormuse kulude ja kasutuse nähtavust.
Selles postituste sarjas jagame õppetunde kulude optimeerimise kohta aastal Amazon SageMaker. sisse Osa 1, näitasime, kuidas kasutama hakata AWS-i kuluuurija kulude optimeerimise võimaluste tuvastamiseks SageMakeris. Selles postituses keskendume erinevatele viisidele, kuidas analüüsida SageMakeri kasutamist ja tuvastada kulude optimeerimise võimalusi SageMakeri sülearvuti eksemplaride ja Amazon SageMaker Studio.
SageMakeri märkmiku eksemplarid
A SageMakeri märkmiku eksemplar on täielikult hallatud arvutuseksemplar, mis käitab Jupyteri sülearvuti rakendust. SageMaker haldab eksemplari ja sellega seotud ressursside loomist. Märkmikud sisaldavad kõike, mis on vajalik ML-i töövoo käitamiseks või taasloomiseks. Saate kasutada Jupyteri märkmikke oma sülearvuti eksemplaris andmete ettevalmistamiseks ja töötlemiseks, mudelite koolitamiseks koodi kirjutamiseks, mudelite juurutamiseks SageMakeri hostimisse ning mudelite testimiseks või kinnitamiseks. SageMakeri sülearvuti eksemplaride maksumus põhineb sülearvuti eksemplari töötamise ajal kulutatud eksemplari tundidel, samuti GB-kuu eraldatud salvestusruumi kuludel, nagu on kirjeldatud Amazon SageMakeri hinnakujundus.
Cost Exploreris saate filtreerida märkmiku kulusid, rakendades sellele filtri Kasutamise tüüp. Nende kasutustüüpide nimed on üles ehitatud järgmiselt:
REGION-Notebk:instanceType
(näiteks,USE1-Notebk:ml.g4dn.8xlarge
)REGION-Notebk:VolumeUsage.gp2
(näiteks,USE2-Notebk:VolumeUsage.gp2
)
Filtreerimine kasutustüübi järgi Notebk:
kuvab teile konto märkmiku kasutustüüpide loendit. Nagu on näidatud järgmisel ekraanipildil, saate valida Vali kõik Ja vali kehtima sülearvuti kasutamise kulude jaotuse kuvamiseks.
Valitud sülearvuti kasutustüübi kulude jaotuse vaatamiseks kasutustundide arvu järgi peate tühistama kõik REGION-Notebk:VolumeUsage.gp2
kasutustüübid eelmisest loendist ja valige kehtima filtri rakendamiseks. Järgmine ekraanipilt näitab valitud sülearvuti kasutustüüpide kulu- ja kasutusgraafikuid.
Saate rakendada ka täiendavaid filtreid, nagu kontonumber, Amazon Elastic Compute Cloud (Amazon EC2) eksemplari tüüp, kulujaotuse silt, piirkond, rohkem. Detailsuse muutmine väärtuseks Iga päev annab teile valitud kasutustüüpide ja dimensioonide põhjal igapäevaseid kulu- ja kasutustabeleid, nagu on näidatud järgmisel ekraanipildil.
Eelmises näites teatab ml.t2.medium tüüpi sülearvuti eksemplar USE2 piirkonnas 24-tunnisest igapäevasest kasutusest ajavahemikus 2. juulist 26. septembrini. Samamoodi on ml.t3.medium tüüpi sülearvuti eksemplar USE1 piirkond teatab 24. augustist 3. septembrini 26-tunnist igapäevast kasutust ja 48. septembrist 26. detsembrini 31-tunnist igapäevast kasutust. 24-tunnine või pikem igapäevane kasutus mitmel järjestikusel päeval võib viidata sellele, et sülearvuti eksemplaril on jäetud tööle mitu päeva, kuid pole aktiivses kasutuses. Seda tüüpi mustri puhul võiks kasu olla kulukontrolli kaitsepiirete (nt sülearvuti eksemplaride käsitsi või automaatse väljalülitamise) rakendamisest, et vältida jõudeoleku aega.
Kuigi Cost Explorer aitab teil mõista kulu- ja kasutusandmeid eksemplari tüübi detailsuses, saate seda kasutada AWS-i kulu- ja kasutusaruanded (AWS CUR), et saada andmeid ressursi (nt sülearvuti ARN) detailsuse järgi. Saate luua kohandatud päringuid, et otsida standardset SQL-i kasutades AWS-i CUR-i andmeid. Täiendava detailsuse taseme saavutamiseks võite päringule lisada ka kulude jaotamise silte. Järgmine päring tagastab teie AWS-i CUR-andmetest sülearvuti ressursikasutuse viimase 3 kuu jooksul:
Järgmine ekraanipilt näitab tulemusi, mis on saadud AWS CUR päringu käivitamisel kasutades Amazonase Athena. Lisateavet Athena kasutamise kohta leiate aadressilt Kulude ja kasutusaruannete päringute tegemine Amazon Athena abil.
Päringu tulemus näitab seda märkmikku dev-notebook
ml.t2.medium eksemplaris töötamine teatab 24-tunnisest kasutusest mitmel järjestikusel päeval. Eksemplari määr on 0.0464 dollarit tunnis ja 24-tunnise töötamise päevakulu on 1.1136 dollarit.
AWS CUR päringutulemused aitavad teil tuvastada järjestikuseid päevi töötavate sülearvutite mustreid, mida saab kulude optimeerimiseks analüüsida. Lisateavet ja näidispäringuid leiate aadressilt AWS CUR päringuteek.
Samuti saate sisestada AWS CUR-i andmeid Amazon QuickSight, kus saate selle aruandluse või visualiseerimise eesmärgil mis tahes viisil viilutada. Juhised AWS CUR-i andmete sisestamise kohta QuickSighti leiate artiklist Kuidas alla laadida ja visualiseerida AWS-i kulu- ja kasutusaruannet (CUR) Amazon QuickSighti.
Optimeerige sülearvuti eksemplari maksumus
SageMakeri sülearvutid sobivad ML-mudelite arendamiseks, mis hõlmab interaktiivset andmete uurimist, skriptide kirjutamist, funktsioonide projekteerimise prototüüpide loomist ja modelleerimist. Kõigil neil ülesannetel võivad olla erinevad arvutusressursside nõuded. Erinevate töökoormuste teenindamiseks õiget tüüpi arvutusressursside hindamine on keeruline ja võib viia ressursside ülevarustamiseni, mille tulemuseks on kulude suurenemine.
ML-mudeli arendamiseks sõltub SageMakeri sülearvuti eksemplari suurus andmete hulgast, mida peate sisukaks uurimuslikuks andmeanalüüsiks (EDA) mällu laadima, ja vajalikust arvutusmahust. Soovitame alustada väikestest üldotstarbelistest eksemplaridest (nt T- või M-pered) ja vajadusel suurendada. Näiteks piisab failist ml.t2.medium enamiku elementaarsete andmetöötluste, funktsioonide projekteerimise ja EDA jaoks, mis tegeleb väikeste andmekogumitega, mida saab hoida 4 GB mälus. Kui teie mudeliarendus hõlmab rasket arvutustööd (nt pilditöötlust), saate oma väiksema sülearvuti eksemplari peatada ja muuta eksemplari tüübi soovitud suuremaks eksemplariks, näiteks ml.c5.xlarge. Saate lülituda tagasi väiksemale eksemplarile, kui te ei vaja enam suuremat eksemplari. See aitab hoida arvutuskulusid madalal.
Sülearvuti eksemplaride kulude vähendamiseks kaaluge järgmisi parimaid tavasid.
CPU vs GPU
CPU ja GPU sülearvuti eksemplaride arvestamine on oluline näiteks õige suuruse määramiseks. Protsessorid saavad kõige paremini hakkama üksikute keerukamate arvutustega järjestikku, samas kui GPU-d suudavad paremini käsitleda mitut, kuid lihtsat arvutust paralleelselt. Paljude kasutusjuhtude puhul pakub standardne praeguse põlvkonna eksemplari tüüp eksemplariperekonnast (nt M) piisavalt arvutusvõimsust, mälu ja võrgu jõudlust, et sülearvutid hästi toimiksid.
GPU-d pakuvad suurepärast hinna ja jõudluse suhet, kui kasutate neid tõhusalt ära. Näiteks kui treenite oma süvaõppe mudelit SageMakeri sülearvutis ja teie närvivõrk on suhteliselt suur, tehes sadu tuhandeid parameetreid hõlmavaid arvutusi, saab teie mudel kasutada pakutavat kiirendatud arvutus- ja riistvara paralleelsust. GPU eksemplaride, nagu P eksemplaride perekonnad. Siiski on soovitatav kasutada GPU eksemplare ainult siis, kui neid tõesti vajate, kuna need on kallid ja GPU side võib jõudlust isegi halvendada, kui teie sülearvuti neid ei vaja. Soovitame kasutada väiksemate eksemplaridega sülearvuteid interaktiivseks koostamiseks ja jätta raskete tööde teostamine suuremate eksemplaride, sealhulgas GPU-toega eksemplaride lühiajaliste koolitus-, häälestamis- ja töötlemistööde tegemiseks. Nii ei hoia te oma sülearvutiga pidevalt töös suurt eksemplari (või GPU-d). Kui vajate sülearvuti keskkonnas kiirendatud andmetöötlust, saate oma m* perekonna sülearvuti eksemplari peatada, lülituda GPU-toega P* perekonna eksemplarile ja alustada selle uuesti. Ärge unustage seda tagasi lülitada, kui te ei vaja enam seda lisatõuget oma arenduskeskkonnas.
Piirake kasutajate juurdepääsu teatud tüüpi eksemplaridele
Administraatorid saavad piirata kasutajatel liiga suurte märkmike loomist AWS-i identiteedi- ja juurdepääsuhaldus (IAM) poliitikad. Näiteks võimaldab järgmine näidispoliitika kasutajatel luua ainult väiksemaid t3 SageMakeri märkmiku eksemplare:
Administraatorid saavad ka kasutada AWS-i teenuste kataloog et võimaldada SageMakeri sülearvutite iseteenindust. See võimaldab piirata märkmiku loomisel kasutajatele saadaolevaid eksemplaritüüpe. Lisateabe saamiseks vt Lubage iseteenindus, turvaline andmeteadus, kasutades Amazon SageMakeri sülearvuteid ja AWS-i teenusekataloogi ja Käivitage Amazon SageMaker Studio, kasutades AWS-i teenusekataloogi ja AWS-i SSO-d AWS-i juhttorni keskkonnas.
Peatage sülearvuti jõudeoleku eksemplarid
Kulude vähendamiseks soovitame peatada sülearvuti eksemplarid, kui te neid ei vaja, ja käivitada need siis, kui neid vajate. Kaaluge jõudeolevate sülearvuti eksemplaride automaatset tuvastamist ja nende elutsükli haldamist, kasutades a elutsükli konfiguratsiooniskript. Näiteks, automaatne seiskamine-tühikäik on shelliskripti näidis, mis peatab SageMakeri märkmiku, kui see on rohkem kui 1 tund jõude.
AWS säilitab a sülearvuti elutsükli konfiguratsiooniskriptide avalik hoidla mis käsitlevad levinud kasutusjuhtumeid sülearvuti eksemplaride kohandamiseks, sealhulgas bash-skripti näidisskripti jõudeolevate sülearvutite peatamiseks.
Ajastage sülearvuti eksemplaride automaatne käivitamine ja peatamine
Teine võimalus sülearvutite kulude säästmiseks on sülearvutite automaatne käivitamine ja peatamine teatud kellaaegadel. Saate seda teha kasutades Amazon EventBridge eeskirjad ja AWS Lambda funktsioonid. Lambda funktsioonide konfigureerimise kohta lisateabe saamiseks vt Lambda funktsiooni valikute konfigureerimine. Pärast funktsioonide loomist saate luua reegleid nende funktsioonide käivitamiseks kindla ajakava järgi, näiteks käivitada märkmikud igal tööpäeval kell 7. Vaata Amazon EventBridge reegli loomine, mis töötab ajakava alusel juhiste saamiseks. Lambda-funktsiooniga sülearvutite käivitamise ja peatamise skriptide kohta vaadake jaotist Tagada Amazon SageMakeris tõhusad arvutusressursid.
SageMakeri stuudio
Studio pakub andmeteadlastele täielikult hallatavat lahendust ML-mudelite interaktiivseks koostamiseks, koolitamiseks ja juurutamiseks. Stuudiomärkmikud on ühe klõpsuga koostöös kasutatavad Jupyteri märkmikud, mida saab kiiresti lahti keerata, sest te ei pea eelnevalt seadistama arvutusjuhtumeid ja failide salvestusruumi. Teilt võetakse tasu selle arvutuseksemplari tüübi eest, mille valite oma märkmikute käitamiseks, olenevalt kasutamise kestusest. Stuudio kasutamise eest lisatasu ei võeta. Studio sülearvutite, interaktiivsete kestade, konsoolide ja terminalide käitamise kulud põhinevad ML-arvutuseksemplari kasutusel.
Käivitamisel käitatakse ressurssi valitud eksemplari tüübi ML-arvutuseksemplaris. Kui seda tüüpi eksemplar käivitati varem ja see on saadaval, käitatakse ressurssi sellel eksemplaril. Protsessoripõhiste piltide puhul on vaikimisi soovitatud eksemplari tüüp ml.t3.medium. GPU-põhiste piltide puhul on vaikimisi soovitatud eksemplari tüüp ml.g4dn.xlarge. Arveldamine toimub eksemplari kohta ja algab siis, kui käivitatakse antud eksemplaritüübi esimene eksemplar.
Kui soovite luua või avada märkmiku ilma tasude võtmise riskita, avage märkmik lehelt fail menüü ja valige Kernel puudub alates Valige Kernel dialoog. Saate lugeda ja redigeerida märkmikku ilma töötava tuumata, kuid te ei saa käitada lahtreid. Teile esitatakse arve iga juhtumi eest eraldi. Arveldamine lõpeb, kui kõik eksemplaris olevad KernelGateway rakendused suletakse või eksemplar suletakse. Teavet arveldamise ja hinnakujundusnäidete kohta vt Amazon SageMakeri hinnakujundus.
Cost Exploreris saate Studio sülearvuti kulusid filtreerida, rakendades sellele filtri Kasutamise tüüp. Nende kasutustüüpide nimed on üles ehitatud järgmiselt: REGION-studio:KernelGateway-instanceType
(näiteks, USE1-Studio:KernelGateway-ml.m5.large
)
Filtreerimine kasutustüübi järgi studio:
Cost Exploreris kuvatakse teile konto Studio kasutustüüpide loend. Saate valida vajalikud kasutustüübid või valida Vali kõik Ja vali kehtima Studio rakenduse kasutamise kulude jaotuse kuvamiseks. Järgmine ekraanipilt näitab valikut kõiki studio
kuluanalüüsi kasutustüübid.
Täpsema kuluanalüüsi jaoks saate rakendada ka täiendavaid filtreid, nagu piirkond, lingitud konto või eksemplari tüüp. Detailsuse muutmine väärtuseks Iga päev annab teile valitud kasutustüüpidel ja dimensioonidel põhinevaid igapäevaseid kulu- ja kasutustabeleid, nagu on näidatud järgmisel ekraanipildil.
Eelmises näites teatab Studio KernelGateway tüüpi ml.t3.medium eksemplar USE1 piirkonnas 48-tunnisest päevasest kasutusest ajavahemikus 1. jaanuar 24. jaanuarini, millele järgneb 24-tunnine igapäevane kasutus kuni 11. veebruarini. Sarnaselt teatab Studio KernelGateway eksemplar tüübiga ml.m5.large USE1 piirkonnas 24. jaanuarist 1. jaanuarini 23-tunnist igapäevast kasutust. 24-tunnine või pikem igapäevane kasutus mitmel järjestikusel päeval viitab võimalusele, et Studio sülearvuti eksemplarid töötavad. pidevalt mitu päeva. Seda tüüpi muster võib kasu saada kulude kontrolli piirde rakendamisest, näiteks Studio rakenduste käsitsi või automaatsest väljalülitamisest, kui neid ei kasutata.
Nagu varem mainitud, saate kasutada AWS CUR-i, et hankida andmeid ressursi detailsuse järgi ja luua kohandatud päringuid, et otsida standardset SQL-i kasutades AWS CUR-i andmeid. Täiendava detailsuse taseme saavutamiseks võite päringule lisada ka kulude jaotamise silte. Järgmine päring tagastab teie AWS CUR andmete põhjal Studio KernelGateway ressursikasutuse viimase 3 kuu jooksul:
Järgmine ekraanipilt näitab tulemusi, mis on saadud AWS CUR päringu käitamisel Athena abil.
Päringu tulemus näitab, et Studio KernelGateway rakendus kannab nime datascience-1-0-ml-t3-medium-1abf3407f667f989be9d86559395
töötab kontol 111111111111
, Stuudio domeen d-domain1234
ja kasutajaprofiil user1
ml.t3.medium eksemplaris teatab 24-tunnisest kasutusest mitmel järjestikusel päeval. Eksemplari määr on 0.05 dollarit tunnis ja 24-tunnise töötamise päevakulu on 1.20 dollarit.
AWS CUR päringutulemused aitavad teil tuvastada järjestikustel päevadel töötavate ressursside mustreid tunni- või päevakasutuse detailsel tasemel, mida saab kulude optimeerimiseks analüüsida. Nagu SageMakeri sülearvutite puhul, saate aruandluse või visualiseerimise eesmärgil sisestada QuickSighti ka AWS CUR-i andmeid.
SageMaker Data Wrangler
Amazon SageMaker Data Wrangler on Studio funktsioon, mis aitab teil lihtsa koodiga visuaalse liidese kaudu andmete ettevalmistamise ja funktsioonide projekteerimise protsessi lihtsustada. Studio Data Wrangleri rakenduse kasutustüübi nimi on üles ehitatud järgmiselt REGION-Studio_DW:KernelGateway-instanceType
(näiteks, USE1-Studio_DW:KernelGateway-ml.m5.4xlarge
).
Filtreerimine kasutustüübi järgi studio_DW:
Cost Exploreris kuvatakse teile kontol olevate Studio Data Wrangleri kasutustüüpide loend. Saate valida vajalikud kasutustüübid või valida Vali kõik Ja vali kehtima Studio Data Wrangleri rakenduse kasutamise kulude jaotuse kuvamiseks. Järgmine ekraanipilt näitab valikut kõiki studio_DW
kuluanalüüsi kasutustüübid.
Nagu varem märgitud, saate täpsema kuluanalüüsi jaoks rakendada ka täiendavaid filtreid. Näiteks järgmine ekraanipilt näitab Studio Data Wrangleri eksemplari tüüpi ml.m24xlarge 5.4-tunnist igapäevast kasutamist USE1 piirkonnas mitme päeva jooksul ja sellega seotud kulu. Selliseid teadmisi saab kasutada kulukontrollimeetmete rakendamiseks, näiteks Studio rakenduste sulgemiseks, kui neid ei kasutata.
Saate hankida AWS CUR-ist ressursitaseme teavet ja koostada kohandatud päringuid, et otsida standardset SQL-i kasutades AWS-i CUR-i andmeid. Järgmine päring tagastab teie AWS-i CUR-andmete põhjal Studio Data Wrangleri rakenduse ressursikasutuse ja sellega seotud kulu viimase 3 kuu jooksul:
SELECT bill_payer_account_id, line_item_usage_account_id, line_item_resource_id AS studio_notebook_arn, line_item_usage_type, DATE_FORMAT((line_item_usage_start_date),'%Y-%m-%d') AS day_line_item_usage_start_date, SUM(CAST(line_item_usage_amount AS DOUBLE)) AS sum_line_item_usage_amount, line_item_unblended_rate, SUM(CAST(line_item_unblended_cost AS DECIMAL(16,8))) AS sum_line_item_unblended_cost, line_item_blended_rate, SUM(CAST(line_item_blended_cost AS DECIMAL(16,8))) AS sum_line_item_blended_cost, line_item_line_item_description, line_item_line_item_type FROM {$table_name} WHERE line_item_usage_start_date >= date_trunc('month',current_date - interval '3' month) AND line_item_product_code = 'AmazonSageMaker' AND line_item_line_item_type IN ('DiscountedUsage', 'Usage', 'SavingsPlanCoveredUsage') AND line_item_usage_type like '%Studio_DW:KernelGateway%' AND line_item_operation = 'RunInstance' AND bill_payer_account_id = 'xxxxxxxxxxxx' GROUP BY bill_payer_account_id, line_item_usage_account_id, line_item_resource_id, line_item_usage_type, line_item_unblended_rate, line_item_blended_rate, line_item_line_item_type, DATE_FORMAT((line_item_usage_start_date),'%Y-%m-%d'), line_item_line_item_description ORDER BY line_item_resource_id, day_line_item_usage_start_date
Järgmine ekraanipilt näitab tulemusi, mis on saadud AWS CUR päringu käitamisel Athena abil.
Päringu tulemus näitab, et Studio Data Wrangleri rakendus kannab nime sagemaker-data-wrang-ml-m5-4xlarge-b741c1a025d542c78bb538373f2d
töötab kontol 111111111111
, Stuudio domeen d-domain1234
ja kasutajaprofiil user1
ml.m5.4xlarge eksemplaril teatab 24-tunnisest kasutusest mitmel järjestikusel päeval. Eksemplari määr on 0.922 dollarit tunnis ja 24-tunnise töötamise päevakulu on 22.128 dollarit.
Optimeerige Studio kulud
Studio sülearvutite eest võetakse tasu teie valitud eksemplari tüübi eest, olenevalt kasutuse kestusest. Tasude võtmise peatamiseks peate eksemplari sulgema. Kui sulgete eksemplaris töötava märkmiku, kuid ei sulge eksemplari, võetakse teilt siiski tasusid. Kui sulgete Studio märkmiku eksemplarid, saavad kõik lisaressursid, näiteks SageMakeri lõpp-punktid, Amazon EMR klastrid ja Amazoni lihtne salvestusteenus (Amazon S3) Studiost loodud ämbreid ei kustutata. Kustutage need ressursid, kui neid pole kulude kogunemise peatamiseks enam vaja. Lisateavet Studio ressursside sulgemise kohta leiate artiklist Sulgege ressursid. Kui kasutate Data Wranglerit, on kulude säästmiseks oluline see pärast töö lõpetamist välja lülitada. Üksikasjade saamiseks vaadake Lülitage Data Wrangler välja.
Kaaluge järgmisi parimaid tavasid, et aidata oma Studio sülearvutite kulusid vähendada.
Peata automaatselt seisma jäänud Studio sülearvuti eksemplarid
Saate Studio jõudeolekus olevad sülearvuti ressursid automaatselt peatada elutsükli konfiguratsioonid stuudios. Samuti saate installida ja kasutada saidil saadaoleva JupyterLabi laienduse GitHub Studio elutsükli konfiguratsioonina. Üksikasjalikud juhised Studio arhitektuuri ja laienduse lisamise kohta vt Säästke kulusid, lülitades Amazon SageMaker Studios automaatselt välja jõudeolevad ressursid.
Muuda suurust käigu pealt
Studio sülearvutite eelis võrreldes sülearvuti eksemplaridega on see, et Studio on aluseks arvutusressursid on täiesti elastsed ja saate eksemplari käigupealt muuta. See võimaldab teil arvutusi üles- ja allapoole skaleerida, kui teie arvutusnõudlus muutub, näiteks ml.t3.medium-lt ml.m5.4xlarge-le, ilma et see katkestaks teie tööd või infrastruktuuri haldaks. Ühelt eksemplarilt teisele liikumine on sujuv ja saate tööd jätkata, kuni eksemplar käivitub. Nõudmisel kasutatavate märkmiku eksemplaride puhul peate eksemplari peatama, sätteid värskendama ja taaskäivitama uue eksemplaritüübiga. Lisateabe saamiseks vt Siit saate teada, kuidas Amazon SageMaker Studios ML-i eksemplare käigupealt valida.
Piirake kasutajate juurdepääsu teatud tüüpi eksemplaridele
Administraatorid saavad kasutada IAM-i seisukorra võtmed tõhusa viisina teatud eksemplaritüüpide, näiteks GPU eksemplaride piiramiseks konkreetsete kasutajate jaoks, kontrollides seeläbi kulusid. Näiteks järgmises näidispoliitikas on juurdepääs keelatud kõikidel juhtudel, välja arvatud ml.t3.medium ja ml.g4dn.xlarge. Pange tähele, et peate lubama Jupyteri serveri vaikerakenduste jaoks süsteemieksemplari.
Stuudio kulude optimeerimise parimate tavade põhjalikud juhised leiate aadressilt Tagada Amazon SageMakeris tõhusad arvutusressursid.
Stuudio maksumuse jälgimiseks kasutage silte
Studios saate määrata oma Studiole kohandatud silte domeen sama hästi kui Kasutajad kellel on juurdepääs domeenile. Studio kopeerib ja määrab need sildid automaatselt Stuudiomärkmikud kasutajate loodud, nii et saate hõlpsalt jälgida ja kategoriseerida Studio sülearvutite kulusid ning luua oma organisatsiooni jaoks kulude tagasimakse mudeleid.
Vaikimisi märgistab SageMaker uued SageMakeri ressursid (nt koolitustööd, töötlemistööd, katsed, torujuhtmed ja mudeliregistrikirjed) automaatselt nende vastavatega. sagemaker:domain-arn
. SageMaker märgistab ressursi ka tähega sagemaker:user-profile-arn
or sagemaker:space-arn
et määrata ressursi loomine veelgi detailsemal tasemel.
Administraatorid saavad kasutada automaatset märgistamist, et hõlpsasti jälgida oma ärivaldkonna, meeskondade, üksikute kasutajate või üksikute äriprobleemidega seotud kulusid, kasutades selliseid tööriistu nagu AWS-i eelarved ja kuluuurija. Näiteks saate lisada a kulude jaotamise silt jaoks sagemaker:domain-arn
tag.
See võimaldab teil kasutada Cost Explorerit, et visualiseerida Studio sülearvuti kulutusi antud domeeni jaoks.
Kaaluge ladustamiskulusid
Kui teie meeskonna esimene liige siseneb Studiosse, loob SageMaker Amazon elastne failisüsteem (Amazon EFS) maht meeskonna jaoks. Kui see liige või mõni meeskonnaliige avab Studio, luuakse liikme köites kodukataloog. Selle kataloogi eest tuleb tasuda salvestustasu. Seejärel lisanduvad liikme kodukataloogis salvestatud märkmike ja andmefailide salvestustasud. Lisateabe saamiseks vt Amazon EFS-i hinnakujundus.
Järeldus
Selles postituses andsime juhiseid kuluanalüüsi ja parimate tavade kohta ML-mudelite loomisel sülearvuti eksemplaride ja Studio abil. Kuna masinõpe on kõigis tööstusharudes tõhus tööriist, peab ML-mudelite väljaõpe ja käitamine jääma kulutõhusaks. SageMaker pakub laia ja sügavat funktsioonide komplekti ML-i konveieri iga etapi hõlbustamiseks ning pakub kulude optimeerimise võimalusi, ilma et see mõjutaks jõudlust või paindlikkust.
Autoritest
Deepali Rajale on AWSi AI/ML vanemspetsialist. Ta töötab äriklientidega, pakkudes tehnilisi juhiseid parimate tavade kohta AI/ML-lahenduste juurutamiseks ja hooldamiseks AWS-i ökosüsteemis. Ta on töötanud paljude organisatsioonidega erinevate süvaõppe kasutusjuhtumite kallal, mis hõlmavad NLP-d ja arvutinägemist. Ta on kirglik anda organisatsioonidele võimalus kasutada generatiivset tehisintellekti, et parandada nende kasutuskogemust. Vabal ajal naudib ta filme, muusikat ja kirjandust.
Uri Rosenberg on AI ja ML spetsialiseerunud tehniline juht Euroopas, Lähis-Idas ja Aafrikas. Iisraelist väljas asuv Uri töötab selle nimel, et anda ettevõtetele klientidele võimalus ML-iga projekteerida, ehitada ja mastaapselt tegutseda. Vabal ajal naudib ta jalgrattasõitu, matkamist, hommiku-, lõuna- ja õhtusööki.
- SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
- PlatoAiStream. Web3 andmete luure. Täiustatud teadmised. Juurdepääs siia.
- Tuleviku rahapaja Adryenn Ashley. Juurdepääs siia.
- Ostke ja müüge IPO-eelsete ettevõtete aktsiaid koos PREIPO®-ga. Juurdepääs siia.
- Allikas: https://aws.amazon.com/blogs/machine-learning/part-2-analyze-amazon-sagemaker-spend-and-determine-cost-optimization-opportunities-based-on-usage-part-2-sagemaker-notebooks-and-studio/
- :on
- :on
- :mitte
- : kus
- ][lk
- $ UP
- 1
- 100
- 11
- 14
- 15%
- 20
- 2021
- 23
- 24
- 26%
- 31
- 7
- 8
- a
- MEIST
- kiirendatud
- juurdepääs
- täitma
- konto
- üle
- tegevus
- aktiivne
- lisades
- Täiendavad lisad
- aadress
- ADEelis
- Aafrika
- pärast
- jälle
- AI
- AI / ML
- Materjal: BPA ja flataatide vaba plastik
- eraldamine
- võimaldama
- võimaldab
- mööda
- Ka
- am
- Amazon
- Amazon EC2
- Amazon SageMaker
- Amazon SageMaker Studio
- Amazon Web Services
- summa
- an
- analüüsid
- analüüs
- analüüsima
- ja
- Teine
- mistahes
- app
- kehtima
- Rakendades
- lähenemine
- apps
- arhitektuur
- OLEME
- AS
- seotud
- At
- kinnitage
- AUGUST
- Automatiseeritud
- Automaatne
- automaatselt
- saadaval
- AWS
- tagasi
- põhineb
- sisse lööma
- põhiline
- BE
- sest
- olnud
- kasu
- BEST
- parimaid tavasid
- Parem
- vahel
- Suur
- arvete
- suurendada
- Lagunema
- hommikusöök
- ehitama
- Ehitus
- äri
- kuid
- by
- arvutused
- CAN
- juhtudel
- kataloog
- Rakke
- kindel
- raske
- muutma
- Vaidluste lahendamine
- muutuv
- tasu
- laetud
- koormuste
- Äritegevus
- Vali
- valitud
- kood
- koostööl
- ühine
- KOMMUNIKATSIOON
- keeruline
- terviklik
- arvutamine
- Arvutama
- arvuti
- Arvuti visioon
- arvutustehnika
- arvutusvõimsus
- seisund
- konfiguratsioon
- järjestikune
- Arvestama
- konsoolid
- pidevalt
- tarbitud
- sisaldama
- jätkama
- pidevalt
- kontrollida
- Juhtimistorn
- kontroll
- Maksma
- kuluefektiivne
- kulud
- võiks
- looma
- loodud
- loob
- loomine
- loomine
- Praegune
- tava
- Kliendid
- iga päev
- andmed
- Andmete ettevalmistamine
- andmetöötlus
- andmeteadus
- andmekogumid
- Päeva
- Pakkumised
- Detsember
- sügav
- sügav õpe
- vaikimisi
- Nõudlus
- sõltub
- juurutada
- juurutamine
- Disain
- soovitud
- üksikasjalik
- detailid
- Määrama
- & Tarkvaraarendus
- Dialoog
- mõõde
- Lõuna
- Ekraan
- do
- Ei tee
- domeen
- tehtud
- Ära
- kahekordistada
- alla
- kestus
- iga
- Ajalugu
- kergesti
- Ida
- ökosüsteemi
- mõju
- Tõhus
- tõhusalt
- tõhus
- volitama
- volitamine
- lõppeb
- Inseneriteadus
- suurendama
- piisavalt
- ettevõte
- keskkond
- kehtestab
- Euroopa
- Isegi
- Iga
- kõik
- näide
- näited
- Välja arvatud
- kallis
- kogemus
- katseid
- uurimine
- uurija
- laiendamine
- lisatasu
- hõlbustades
- peredele
- pere
- tunnusjoon
- Veebruar
- fail
- Faile
- filtreerida
- Filtrid
- esimene
- Keskenduma
- Järgneb
- Järel
- järgneb
- eest
- avastatud
- Alates
- täielikult
- funktsioon
- funktsioonid
- Üldine otstarve
- põlvkond
- generatiivne
- Generatiivne AI
- saama
- antud
- annab
- GPU
- GPU
- graafikud
- suur
- Grupp
- juhised
- Käsitsemine
- riistvara
- Olema
- he
- raske
- raske tõstmine
- Held
- aitama
- aitas
- aitab
- siin
- tema
- Avaleht
- Hosting
- tund
- Lahtiolekuajad
- Kuidas
- Kuidas
- aga
- HTML
- http
- HTTPS
- sajad
- i
- identifitseerima
- Identity
- Idle
- if
- pilt
- pildid
- mõjutavad
- oluline
- parandama
- in
- sisaldama
- hõlmab
- Kaasa arvatud
- kasvanud
- näitama
- näitab
- eraldi
- tööstusharudes
- info
- Infrastruktuur
- teadmisi
- paigaldama
- Näiteks
- juhised
- interaktiivne
- Interface
- sisse
- Sissejuhatus
- kaasates
- Iisrael
- IT
- ITS
- ise
- Jaanuar
- jaanuar 24
- Tööturg
- jpg
- Juuli
- hoidma
- suur
- suurem
- viimane
- käivitatud
- käivitab
- viima
- õppinud
- õppimine
- jätmine
- lahkus
- Lessons
- Õppetunnid
- Tase
- Finantsvõimendus
- eluring
- tõstmine
- nagu
- joon
- seotud
- nimekiri
- kirjandus
- koormus
- enam
- Vaata
- lõuna
- masin
- masinõpe
- säilitamine
- jääb
- juhitud
- juht
- haldab
- juhtiv
- käsiraamat
- palju
- mai..
- tähendusrikas
- meetmed
- keskmine
- liige
- Mälu
- mainitud
- menüü
- Kesk-
- Lähis-Ida
- võib
- ML
- mudel
- modelleerimine
- mudelid
- Jälgida
- kuu
- kuu
- rohkem
- kõige
- Filmid
- liikuv
- mitmekordne
- muusika
- peab
- nimi
- Nimega
- nimed
- vajalik
- Vajadus
- vaja
- vajadustele
- võrk
- Närvivõrgus
- Uus
- nlp
- ei
- märkmik
- märkida
- number
- saama
- saadud
- of
- pakutud
- pakkumine
- Pakkumised
- on
- On-Demand
- ONE
- ainult
- avatud
- Avaneb
- töötama
- Võimalused
- optimeerimine
- optimeerima
- optimeerimine
- or
- et
- organisatsioon
- organisatsioonid
- välja
- välja toodud
- üle
- Parallel
- parameetrid
- osa
- kirglik
- Muster
- mustrid
- täitma
- jõudlus
- esitades
- periood
- torujuhe
- Platon
- Platoni andmete intelligentsus
- PlatoData
- Poliitika
- poliitika
- võimalus
- post
- Postitusi
- võim
- võimas
- tavad
- ettevalmistamine
- Valmistama
- vältida
- varem
- hinnapoliitika
- Proaktiivne
- probleeme
- protsess
- töötlemine
- profiil
- prototüüpimine
- anda
- tingimusel
- annab
- pakkudes
- eesmärkidel
- päringud
- kiiresti
- valik
- määr
- suhe
- Lugenud
- tõesti
- soovitama
- soovitatav
- vähendama
- piirkond
- registri
- seotud
- suhteliselt
- jääma
- aru
- Aruandlus
- Aruanded
- Hoidla
- nõutav
- Nõuded
- ressurss
- Vahendid
- need
- piirata
- kaasa
- tulemuseks
- Tulemused
- Tulu
- õige
- Oht
- Eeskiri
- eeskirjade
- jooks
- jooksmine
- salveitegija
- Säästa
- Skaala
- ketendamine
- ajakava
- teadus
- teadlased
- skripte
- sujuv
- tagatud
- vaata
- väljavalitud
- valik
- Iseteenindus
- vanem
- September
- Seeria
- teenima
- teenus
- Teenused
- komplekt
- kehtestamine
- Jaga
- ta
- Shell
- näitama
- näitas
- näidatud
- Näitused
- sulgema
- seiskamine
- seiskamist
- Samamoodi
- lihtne
- lihtsustama
- alates
- ühekordne
- SUURUS
- Viil
- väike
- väiksem
- So
- lahendus
- Lahendused
- spetsialist
- konkreetse
- kulutama
- kedratud
- standard
- algus
- alustatud
- Käivitus
- algab
- Samm
- Veel
- Peatus
- peatumine
- Peatab
- ladustamine
- ladustatud
- struktureeritud
- stuudio
- Järgnevalt
- selline
- piisav
- sobiv
- toetama
- toetada ennetavat
- Lüliti
- süsteem
- TAG
- Võtma
- ülesanded
- meeskond
- meeskonnad
- Tehniline
- test
- kui
- et
- .
- oma
- Neile
- SIIS
- Seal.
- sellega
- Need
- nad
- asjad
- see
- need
- tuhandeid
- Läbi
- aeg
- korda
- et
- liiga
- tööriist
- töövahendid
- Torn
- jälgida
- Rong
- koolitus
- vallandada
- tüüp
- liigid
- aluseks
- mõistma
- kuni
- Värskendused
- Kasutus
- kasutama
- Kasutatud
- Kasutaja
- Kasutajad
- kasutamine
- ära kasutama
- KINNITAGE
- eri
- nähtavus
- nägemus
- visualiseerimine
- maht
- vs
- tahan
- oli
- Tee..
- kuidas
- we
- web
- veebiteenused
- Hästi
- millal
- samas kui
- mis
- kuigi
- WHO
- lai
- Lai valik
- will
- koos
- jooksul
- ilma
- Töö
- töötas
- töövoog
- töö
- töötab
- kirjutama
- kirjutada kood
- kirjutamine
- sa
- Sinu
- sephyrnet