Leta 2021 smo lansirali Proaktivne storitve podpore AWS kot del Podpora za podjetja AWS ponudba. Od njegove uvedbe smo stotinam strank pomagali optimizirati njihove delovne obremenitve, postaviti zaščitne ograje in izboljšati vidnost stroškov in uporabe delovnih obremenitev strojnega učenja (ML).
V tej seriji objav delimo pridobljene izkušnje o optimizaciji stroškov v Amazon SageMaker. v Del 1, smo pokazali, kako začeti uporabljati Raziskovalec stroškov AWS za prepoznavanje priložnosti za optimizacijo stroškov v SageMakerju. V tej objavi se osredotočamo na različne načine za analizo uporabe SageMaker in prepoznavanje priložnosti za optimizacijo stroškov za primerke prenosnih računalnikov SageMaker in Amazon SageMaker Studio.
Primerki zvezka SageMaker
A Primer zvezka SageMaker je popolnoma upravljana računalniška instanca, ki izvaja aplikacijo Jupyter Notebook. SageMaker upravlja ustvarjanje primerka in povezanih virov. Beležnice vsebujejo vse, kar je potrebno za zagon ali ponovno ustvarjanje poteka dela ML. Zvezke Jupyter lahko uporabite v svoji instanci prenosnega računalnika za pripravo in obdelavo podatkov, pisanje kode za usposabljanje modelov, uvajanje modelov v gostovanje SageMaker ter testiranje ali potrjevanje vaših modelov. Stroški primerkov prenosnika SageMaker temeljijo na porabljenih urah primerka, medtem ko se primerek prenosnika izvaja, kot tudi na strošku GB-meseca omogočenega prostora za shranjevanje, kot je opisano v Cene Amazon SageMaker.
V Cost Explorerju lahko filtrirate stroške prenosnika tako, da uporabite filter na Vrsta uporabe. Imena teh vrst uporabe so strukturirana na naslednji način:
REGION-Notebk:instanceType
(npr.USE1-Notebk:ml.g4dn.8xlarge
)REGION-Notebk:VolumeUsage.gp2
(npr.USE2-Notebk:VolumeUsage.gp2
)
Filtriranje po vrsti uporabe Notebk:
vam bo prikazal seznam vrst uporabe prenosnika v računu. Kot je prikazano na naslednjem posnetku zaslona, lahko izberete Izberi vse In izberite Uporabi za prikaz razčlenitve stroškov uporabe vašega prenosnika.
Če si želite ogledati razčlenitev stroškov za izbrano vrsto uporabe prenosnega računalnika glede na število ur uporabe, morate preklicati izbiro vseh REGION-Notebk:VolumeUsage.gp2
vrste uporabe s prejšnjega seznama in izberite Uporabi za uporabo filtra. Naslednji posnetek zaslona prikazuje grafe stroškov in uporabe za izbrane vrste uporabe prenosnika.
Uporabite lahko tudi dodatne filtre, kot je številka računa, Amazonski elastični računalniški oblak (Amazon EC2) vrsta primerka, oznaka za dodelitev stroškov, regija, in še več. Spreminjanje zrnatosti v dnevni ponuja tabele dnevnih stroškov in porabe na podlagi izbranih vrst in dimenzij porabe, kot je prikazano na naslednjem posnetku zaslona.
V prejšnjem primeru primerek prenosnega računalnika vrste ml.t2.medium v regiji USE2 poroča o dnevni uporabi 24 ur med obdobjem od 2. julija do 26. septembra. Podobno primerek prenosnega računalnika tipa ml.t3.medium v regija USE1 poroča o 24-urni dnevni uporabi med 3. avgustom in 26. septembrom ter 48-urni dnevni uporabi med 26. septembrom in 31. decembrom. Dnevna uporaba 24 ur ali več več zaporednih dni lahko pomeni, da ima primerek prenosnega računalnika deluje več dni, vendar ni v aktivni uporabi. Ta vrsta vzorca bi lahko imela koristi od uporabe zaščitnih ograj za nadzor stroškov, kot je ročna ali samodejna zaustavitev primerkov prenosnih računalnikov, da se prepreči čas nedejavnosti.
Čeprav vam Cost Explorer pomaga razumeti podatke o stroških in uporabi glede na razdrobljenost vrste instance, lahko uporabite Poročila o stroških in uporabi AWS (AWS CUR), da dobite podatke z razdrobljenostjo vira, kot je ARN prenosnika. Ustvarite lahko poizvedbe po meri za iskanje podatkov AWS CUR s standardnim SQL. V svojo poizvedbo lahko vključite tudi oznake za dodelitev stroškov za dodatno raven razdrobljenosti. Naslednja poizvedba vrne uporabo virov prenosnika v zadnjih 3 mesecih iz vaših podatkov AWS CUR:
Naslednji posnetek zaslona prikazuje rezultate, dobljene pri izvajanju poizvedbe AWS CUR z uporabo Amazonska Atena. Za več informacij o uporabi Athene glejte Iskanje poročil o stroških in uporabi z uporabo Amazon Athena.
Rezultat poizvedbe prikazuje ta zvezek dev-notebook
teče na primerku ml.t2.medium poroča o 24 urah uporabe več zaporednih dni. Cena primerka je 0.0464 $/uro, dnevni strošek za 24-urno delovanje pa 1.1136 $.
Rezultati poizvedbe AWS CUR vam lahko pomagajo prepoznati vzorce prenosnikov, ki se izvajajo zaporedne dni, kar je mogoče analizirati za optimizacijo stroškov. Več informacij in primere poizvedb lahko najdete v Knjižnica poizvedb AWS CUR.
Podatke AWS CUR lahko vnesete tudi v Amazon QuickSight, kjer ga lahko narežete na kocke, kakor koli želite, za namene poročanja ali vizualizacije. Za navodila o vnosu podatkov AWS CUR v QuickSight glejte Kako vnesem in vizualiziram poročilo o stroških in uporabi AWS (CUR) v Amazon QuickSight.
Optimizirajte stroške instance prenosnika
Prenosni računalniki SageMaker so primerni za razvoj modelov ML, ki vključuje interaktivno raziskovanje podatkov, pisanje skriptov, izdelavo prototipov inženiringa funkcij in modeliranje. Vsaka od teh nalog ima lahko različne zahteve glede računalniških virov. Ocena prave vrste računalniških virov za opravljanje različnih delovnih obremenitev je zahtevna in lahko povzroči prekomerno zagotavljanje virov, kar povzroči povečane stroške.
Za razvoj modela ML je velikost primerka prenosnega računalnika SageMaker odvisna od količine podatkov, ki jih morate naložiti v pomnilnik za smiselne raziskovalne analize podatkov (EDA) in količine zahtevanega izračuna. Priporočamo, da začnete z majhnimi instancami za splošne namene (kot so družine T ali M) in jih po potrebi povečate. Na primer, ml.t2.medium zadostuje za večino osnovne obdelave podatkov, inženiring funkcij in EDA, ki se ukvarja z majhnimi nabori podatkov, ki jih je mogoče hraniti v pomnilniku 4 GB. Če vaš razvoj modela vključuje veliko računalniško delo (kot je obdelava slik), lahko ustavite svoj manjši primerek prenosnega računalnika in spremenite vrsto primerka v želeni večji primerek, kot je ml.c5.xlarge. Ko večjega primerka ne potrebujete več, lahko preklopite nazaj na manjši primerek. To bo pripomoglo k znižanju stroškov računanja.
Upoštevajte naslednje najboljše prakse, da zmanjšate stroške primerkov prenosnika.
CPU proti GPU
Upoštevanje primerkov prenosnih računalnikov CPE v primerjavi z GPE je pomembno za na primer pravilno velikost. CPE-ji so najboljši pri zaporednem ravnanju z enojnimi, bolj zapletenimi izračuni, medtem ko so GPE-ji boljši pri hkratnem ravnanju z več, a preprostimi izračuni. Za številne primere uporabe standardni tip primerka trenutne generacije iz družine primerkov, kot je M, zagotavlja dovolj računalniške moči, pomnilnika in omrežne zmogljivosti za dobro delovanje prenosnih računalnikov.
Grafični procesorji zagotavljajo odlično razmerje med ceno in zmogljivostjo, če jih učinkovito izkoristite. Na primer, če usposabljate svoj model globokega učenja na prenosnem računalniku SageMaker in je vaša nevronska mreža razmeroma velika in izvaja veliko število izračunov, ki vključujejo več sto tisoč parametrov, potem lahko vaš model izkoristi ponujeno pospešeno računalništvo in vzporednost strojne opreme. s primerki GPE, kot so družine primerkov P. Vendar pa je priporočljivo, da primerke GPU uporabljate le, ko jih res potrebujete, ker so dragi in stroški komunikacije GPU lahko celo poslabšajo zmogljivost, če jih vaš prenosnik ne potrebuje. Priporočamo uporabo prenosnih računalnikov z instancami, ki so manjše pri izračunih za interaktivno gradnjo in prepustite težko delo kratkotrajnemu usposabljanju, prilagajanju in obdelavi opravil z večjimi instancami, vključno z instancami, ki podpirajo GPU. Na ta način velik primerek (ali grafična procesorska enota) ne deluje nenehno z vašim prenosnikom. Če potrebujete pospešeno računalništvo v okolju svojega prenosnika, lahko zaustavite svoj primerek prenosnika družine m*, preklopite na primerek družine P*, ki podpira GPU, in ga znova zaženete. Ne pozabite ga preklopiti nazaj, ko ne boste več potrebovali te dodatne spodbude v svojem razvojnem okolju.
Omejite uporabniški dostop na določene vrste primerkov
Skrbniki lahko uporabnikom omejijo ustvarjanje prevelikih zvezkov AWS upravljanje identitete in dostopa (IAM). Naslednji vzorčni pravilnik uporabnikom na primer omogoča samo ustvarjanje manjših primerkov prenosnika t3 SageMaker:
Uporabljajo ga lahko tudi skrbniki Katalog storitev AWS omogoča samopostrežno uporabo prenosnikov SageMaker. To vam omogoča, da omejite vrste primerkov, ki so na voljo uporabnikom pri ustvarjanju zvezka. Za več informacij glejte Omogočite samopostrežno, varno znanost o podatkih z uporabo prenosnikov Amazon SageMaker in kataloga storitev AWS in Zaženite Amazon SageMaker Studio z AWS Service Catalog in AWS SSO v okolju AWS Control Tower Environment.
Ustavite nedejavne primerke zvezka
Če želite zmanjšati stroške, priporočamo, da primerke prenosnika zaustavite, ko jih ne potrebujete, in jih zaženete, ko jih potrebujete. Razmislite o samodejnem zaznavanju nedejavnih primerkov prenosnika in upravljanju njihovega življenjskega cikla z uporabo a skript konfiguracije življenjskega cikla. Na primer, samodejna ustavitev v prostem teku je vzorčni lupinski skript, ki ustavi prenosni računalnik SageMaker, ko je nedejaven več kot 1 uro.
AWS vzdržuje a javno skladišče konfiguracijskih skriptov življenjskega cikla prenosnika ki obravnava običajne primere uporabe za prilagajanje primerkov zvezkov, vključno z vzorčnim skriptom bash za zaustavitev nedejavnih zvezkov.
Načrtujte samodejni zagon in zaustavitev primerkov prenosnika
Drug pristop za prihranek pri stroških prenosnikov je samodejni zagon in zaustavitev prenosnikov ob določenem času. To lahko dosežete z uporabo Amazon EventBridge pravila in. \ t AWS Lambda funkcije. Za več informacij o konfiguriranju vaših funkcij Lambda glejte Konfiguriranje možnosti funkcije Lambda. Ko ustvarite funkcije, lahko ustvarite pravila za sprožitev teh funkcij po določenem urniku, na primer zaženite zvezke vsak delovnik ob 7. glej Ustvarjanje pravila Amazon EventBridge, ki se izvaja po urniku za navodila. Za skripte za zagon in zaustavitev prenosnih računalnikov s funkcijo Lambda glejte Zagotovite učinkovite računalniške vire na Amazon SageMaker.
Studio SageMaker
Studio ponuja popolnoma upravljano rešitev za podatkovne znanstvenike za interaktivno gradnjo, usposabljanje in uvajanje modelov ML. Studijski zvezki so sodelovalni prenosni računalniki Jupyter z enim klikom, ki jih je mogoče hitro zavrteti, ker vam ni treba predhodno nastaviti računalniških primerkov in shranjevanja datotek. Zaračunali vam bomo vrsto računalniške instance, ki jo izberete za izvajanje svojih prenosnikov, glede na trajanje uporabe. Za uporabo Studia ni dodatnih stroškov. Stroški, ki nastanejo zaradi izvajanja prenosnih računalnikov Studio, interaktivnih lupin, konzol in terminalov, temeljijo na uporabi instance računanja ML.
Ob zagonu se vir izvaja na instanci računanja ML izbrane vrste instance. Če je bil primerek te vrste že zagnan in je na voljo, se vir izvaja na tem primerku. Za slike, ki temeljijo na procesorju, je privzeta predlagana vrsta primerka ml.t3.medium. Za slike, ki temeljijo na GPU, je privzeta predlagana vrsta primerka ml.g4dn.xlarge. Zaračunavanje se izvede na primerek in se začne, ko se zažene prvi primerek dane vrste primerka.
Če želite ustvariti ali odpreti zvezek brez tveganja, da bi vam nastali stroški, odprite zvezek iz file izberite in izberite Brez jedra Iz Izberite jedro dialog. Zvezek lahko berete in urejate brez delujočega jedra, ne morete pa izvajati celic. Za vsak primerek se vam zaračuna posebej. Obračunavanje se konča, ko se zaustavijo vse aplikacije KernelGateway na instanci ali ko se instanca zaustavi. Za informacije o zaračunavanju skupaj s primeri cen glejte Cene Amazon SageMaker.
V Raziskovalcu stroškov lahko filtrirate stroške prenosnika Studio z uporabo filtra Vrsta uporabe. Ime te vrste uporabe je strukturirano kot: REGION-studio:KernelGateway-instanceType
(npr. USE1-Studio:KernelGateway-ml.m5.large
)
Filtriranje po vrsti uporabe studio:
v Cost Explorerju vam bo prikazal seznam vrst uporabe Studia v računu. Izberete lahko potrebne vrste uporabe ali izberete Izberi vse In izberite Uporabi za prikaz razčlenitve stroškov uporabe aplikacije Studio. Naslednji posnetek zaslona prikazuje izbor vseh studio
vrste uporabe za analizo stroškov.
Za natančnejšo analizo stroškov lahko uporabite tudi dodatne filtre, kot je regija, povezani račun ali vrsta primerka. Spreminjanje zrnatosti v dnevni ponuja tabele dnevnih stroškov in uporabe na podlagi izbranih vrst uporabe in razsežnosti, kot je prikazano na naslednjem posnetku zaslona.
V prejšnjem primeru instanca Studio KernelGateway tipa ml.t3.medium v regiji USE1 poroča o dnevni uporabi 48 ur med obdobjem od 1. januarja do 24. januarja, čemur sledi dnevna uporaba 24 ur do 11. februarja. Podobno instanca Studio KernelGateway vrste ml.m5.large v regiji USE1 poroča o 24 urah dnevne uporabe med 1. in 23. januarjem. Dnevna uporaba 24 ur ali več več zaporednih dni kaže na možnost izvajanja primerkov prenosnika Studio neprekinjeno več dni. Ta vrsta vzorca bi lahko imela koristi od uporabe varoval za nadzor stroškov, kot je ročna ali samodejna zaustavitev aplikacij Studio, ko niso v uporabi.
Kot smo že omenili, lahko uporabite AWS CUR za pridobivanje podatkov o razdrobljenosti vira in ustvarite poizvedbe po meri za iskanje podatkov AWS CUR s standardnim SQL. V svojo poizvedbo lahko vključite tudi oznake za dodelitev stroškov za dodatno raven razdrobljenosti. Naslednja poizvedba vrne uporabo virov Studio KernelGateway v zadnjih 3 mesecih iz vaših podatkov AWS CUR:
Naslednji posnetek zaslona prikazuje rezultate, pridobljene pri izvajanju poizvedbe AWS CUR z uporabo Athene.
Rezultat poizvedbe kaže, da je aplikacija Studio KernelGateway imenovana datascience-1-0-ml-t3-medium-1abf3407f667f989be9d86559395
teče na računu 111111111111
, domena Studio d-domain1234
in uporabniški profil user1
na primerku ml.t3.medium poroča o 24 urah uporabe več zaporednih dni. Cena primerka je 0.05 USD/uro, dnevni strošek za 24-urno delovanje pa 1.20 USD.
Rezultati poizvedbe AWS CUR vam lahko pomagajo prepoznati vzorce virov, ki se izvajajo zaporedne dni na podrobni ravni urne ali dnevne porabe, kar je mogoče analizirati za optimizacijo stroškov. Tako kot pri prenosnikih SageMaker lahko podatke AWS CUR vnesete tudi v QuickSight za namene poročanja ali vizualizacije.
SageMaker Data Wrangler
Amazon SageMaker Data Wrangler je funkcija programa Studio, ki vam pomaga poenostaviti postopek priprave podatkov in inženiring funkcij iz vizualnega vmesnika z nizko kodo. Ime vrste uporabe za aplikacijo Studio Data Wrangler je strukturirano kot REGION-Studio_DW:KernelGateway-instanceType
(npr. USE1-Studio_DW:KernelGateway-ml.m5.4xlarge
).
Filtriranje po vrsti uporabe studio_DW:
v Cost Explorerju vam bo prikazal seznam vrst uporabe Studio Data Wrangler v računu. Izberete lahko potrebne vrste uporabe ali izberete Izberi vse In izberite Uporabi za prikaz razčlenitve stroškov uporabe aplikacije Studio Data Wrangler. Naslednji posnetek zaslona prikazuje izbor vseh studio_DW
vrste uporabe za analizo stroškov.
Kot smo že omenili, lahko uporabite tudi dodatne filtre za natančnejšo analizo stroškov. Naslednji posnetek zaslona na primer prikazuje 24-urno dnevno uporabo vrste instance Studio Data Wrangler ml.m5.4xlarge v regiji USE1 za več dni in s tem povezane stroške. Takšne vpoglede je mogoče uporabiti za uporabo ukrepov za nadzor stroškov, kot je zaustavitev aplikacij Studio, ko niso v uporabi.
Od AWS CUR lahko pridobite informacije na ravni vira in ustvarite poizvedbe po meri za iskanje podatkov AWS CUR s standardnim SQL. Naslednja poizvedba vrne uporabo virov aplikacije Studio Data Wrangler in povezane stroške za zadnje 3 mesece iz vaših podatkov AWS CUR:
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
Naslednji posnetek zaslona prikazuje rezultate, pridobljene pri izvajanju poizvedbe AWS CUR z uporabo Athene.
Rezultat poizvedbe kaže, da je aplikacija Studio Data Wrangler imenovana sagemaker-data-wrang-ml-m5-4xlarge-b741c1a025d542c78bb538373f2d
teče na računu 111111111111
, Studio domena d-domain1234
in uporabniški profil user1
na primerku ml.m5.4xlarge poroča o 24 urah uporabe več zaporednih dni. Cena primerka je 0.922 USD/uro, dnevni strošek za 24-urno delovanje pa 22.128 USD.
Optimizirajte stroške studia
Prenosni računalniki Studio se zaračunajo glede na vrsto primerka, ki ga izberete, glede na trajanje uporabe. Instanco morate zaustaviti, da vam ne bodo več nastajali stroški. Če zaustavite prenosni računalnik, ki se izvaja na instanci, vendar ne zaustavite instance, boste še vedno imeli stroške. Ko zaustavite primerke prenosnega računalnika Studio, morebitni dodatni viri, kot so končne točke SageMaker, Amazonski EMR grozdi, in Preprosta storitev shranjevanja Amazon Vedra (Amazon S3), ustvarjena v Studiu, niso izbrisana. Izbrišite te vire, če jih ne potrebujete več, da ustavite nabiranje stroškov. Za več podrobnosti o izklopu virov Studia glejte Zapri vire. Če uporabljate Data Wrangler, je pomembno, da ga po končanem delu izklopite, da prihranite stroške. Za podrobnosti glejte Zaustavite Data Wrangler.
Upoštevajte naslednje najboljše postopke, da zmanjšate stroške svojih prenosnih računalnikov Studio.
Samodejno zaustavi nedejavne primerke prenosnika Studio
Nedejavne vire prenosnika Studio lahko samodejno zaustavite z konfiguracije življenjskega cikla v Studiu. Prav tako lahko namestite in uporabite razširitev JupyterLab, ki je na voljo na GitHub kot konfiguracija življenjskega cikla Studio. Za podrobna navodila o arhitekturi Studio in dodajanju razširitve glejte Prihranite stroške s samodejnim izklopom nedejavnih virov v programu Amazon SageMaker Studio.
Spremenite velikost sproti
Prednost prenosnih računalnikov Studio pred primerki prenosnih računalnikov je v tem, da je osnovni element Studio računalniški viri so popolnoma elastični in instanco lahko spreminjate sproti. To vam omogoča prilagajanje računalništva navzgor in navzdol, ko se vaše računalniške zahteve spreminjajo, na primer iz ml.t3.medium v ml.m5.4xlarge, ne da bi prekinili svoje delo ali upravljanje infrastrukture. Premikanje z enega primerka na drugega je nemoteno in lahko nadaljujete z delom, medtem ko se primerek zažene. Pri primerkih prenosnika na zahtevo morate ustaviti primerek, posodobiti nastavitev in znova zagnati z novo vrsto primerka. Za več informacij glejte Naučite se, kako izbrati primerke ML na poti v Amazon SageMaker Studio.
Omejite uporabniški dostop na določene vrste primerkov
Skrbniki lahko uporabljajo IAM ključi stanja kot učinkovit način za omejevanje določenih vrst primerkov, kot so primerki GPE, za določene uporabnike, s čimer nadzorujete stroške. Na primer, v naslednjem vzorčnem pravilniku je dostop zavrnjen za vse primerke razen ml.t3.medium in ml.g4dn.xlarge. Upoštevajte, da morate dovoliti sistemski primerek za privzete aplikacije Jupyter Server.
Za izčrpna navodila o najboljših praksah za optimizacijo stroškov Studia glejte Zagotovite učinkovite računalniške vire na Amazon SageMaker.
Uporabite oznake za spremljanje stroškov Studia
V Studiu lahko svojemu Studiu dodelite oznake po meri domena tako dobro, kot Uporabniki ki imajo omogočen dostop do domene. Studio bo samodejno kopiral in dodelil te oznake v Studijski zvezki ustvarili uporabniki, tako da lahko preprosto sledite in kategorizirate stroške prenosnih računalnikov Studio ter ustvarite modele povračila stroškov za svojo organizacijo.
SageMaker privzeto samodejno označi nove vire SageMaker, kot so izobraževalna opravila, opravila obdelave, eksperimenti, cevovodi in vnosi v registru modelov z ustreznimi sagemaker:domain-arn
. SageMaker tudi označi vir z sagemaker:user-profile-arn
or sagemaker:space-arn
za določitev ustvarjanja vira na še bolj razdrobljeni ravni.
Skrbniki lahko uporabljajo samodejno označevanje za enostavno spremljanje stroškov, povezanih z njihovo dejavnostjo, skupinami, posameznimi uporabniki ali posameznimi poslovnimi težavami z uporabo orodij, kot je Proračuni AWS in Cost Explorer. Na primer, lahko priložite a oznaka za razdelitev stroškov za sagemaker:domain-arn
oznaka.
To vam omogoča, da uporabite Cost Explorer za vizualizacijo porabe prenosnika Studio za dano domeno.
Upoštevajte stroške skladiščenja
Ko se prvi član vaše ekipe vključi v Studio, SageMaker ustvari Elastični datotečni sistem Amazon (Amazon EFS) obseg za ekipo. Ko ta član ali kateri koli član ekipe odpre Studio, se v nosilcu za člana ustvari domači imenik. Za ta imenik se zaračunajo stroški shranjevanja. Nato nastanejo dodatni stroški shranjevanja zvezkov in podatkovnih datotek, shranjenih v domačem imeniku člana. Za več informacij glejte Cene Amazon EFS.
zaključek
V tej objavi smo zagotovili smernice o analizi stroškov in najboljših praksah pri izdelavi modelov ML z uporabo primerkov prenosnika in Studia. Ker se strojno učenje uveljavlja kot močno orodje v panogah, morata usposabljanje in izvajanje modelov ML ostati stroškovno učinkovita. SageMaker ponuja širok in poglobljen nabor funkcij za olajšanje vsakega koraka v procesu ML in ponuja možnosti za optimizacijo stroškov brez vpliva na zmogljivost ali agilnost.
O avtorjih
Deepali Rajale je višji strokovnjak za AI/ML pri AWS. Sodeluje s podjetniškimi strankami in zagotavlja tehnične smernice z najboljšimi praksami za uvajanje in vzdrževanje rešitev AI/ML v ekosistemu AWS. Delala je s številnimi organizacijami na različnih primerih uporabe globokega učenja, ki vključujejo NLP in računalniški vid. Strastno se zavzema za opolnomočenje organizacij, da izkoristijo generativno umetno inteligenco za izboljšanje uporabniške izkušnje. V prostem času uživa v filmih, glasbi in literaturi.
Uri Rosenberg je strokovni vodja za AI & ML za Evropo, Bližnji vzhod in Afriko. Uri s sedežem v Izraelu si prizadeva opolnomočiti poslovne stranke glede vseh stvari ML za načrtovanje, gradnjo in delovanje v velikem obsegu. V prostem času uživa v kolesarjenju, pohodništvu, zajtrku, kosilu in večerji.
- Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
- PlatoAiStream. Podatkovna inteligenca Web3. Razširjeno znanje. Dostopite tukaj.
- Kovanje prihodnosti z Adryenn Ashley. Dostopite tukaj.
- Kupujte in prodajajte delnice podjetij pred IPO s PREIPO®. Dostopite tukaj.
- vir: 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/
- :ima
- : je
- :ne
- :kje
- ][str
- $GOR
- 1
- 100
- 11
- 14
- 15%
- 20
- 2021
- 23
- 24
- 26%
- 31
- 7
- 8
- a
- O meni
- pospešeno
- dostop
- doseganje
- Račun
- čez
- Ukrep
- aktivna
- dodajanje
- Dodatne
- Naslov
- Prednost
- Afrika
- po
- spet
- AI
- AI / ML
- vsi
- dodelitev
- omogočajo
- omogoča
- skupaj
- Prav tako
- am
- Amazon
- Amazon EC2
- Amazon SageMaker
- Amazon SageMaker Studio
- Amazon Web Services
- znesek
- an
- Analize
- Analiza
- analizirati
- in
- Še ena
- kaj
- aplikacija
- Uporabi
- Uporaba
- pristop
- aplikacije
- Arhitektura
- SE
- AS
- povezan
- At
- pripisujejo
- Avgust
- Avtomatizirano
- Samodejno
- samodejno
- Na voljo
- AWS
- nazaj
- temeljijo
- bash
- Osnovni
- BE
- ker
- bilo
- koristi
- BEST
- najboljše prakse
- Boljše
- med
- Big
- zaračunavanje
- povečanje
- Razčlenitev
- zajtrk
- izgradnjo
- Building
- poslovni
- vendar
- by
- Izračuni
- CAN
- primeri
- Katalog
- Celice
- nekatere
- izziv
- spremenite
- Spremembe
- spreminjanje
- naboj
- zaračuna
- Stroški
- Charts
- Izberite
- izbran
- Koda
- sodelovanje
- Skupno
- Komunikacija
- kompleksna
- celovito
- računanje
- Izračunajte
- računalnik
- Računalniška vizija
- računalništvo
- računalniška moč
- stanje
- konfiguracija
- zaporedna
- Razmislite
- konzole
- nenehno
- porabi
- vsebujejo
- naprej
- stalno
- nadzor
- Nadzorni stolp
- nadzor
- strošek
- stroškovno učinkovito
- stroški
- bi
- ustvarjajo
- ustvaril
- ustvari
- Ustvarjanje
- Oblikovanje
- Trenutna
- po meri
- Stranke, ki so
- vsak dan
- datum
- Priprava podatkov
- obdelava podatkov
- znanost o podatkih
- nabor podatkov
- Dnevi
- Ponudba
- december
- globoko
- globoko učenje
- privzeto
- Povpraševanje
- odvisno
- razporedi
- uvajanja
- Oblikovanje
- želeno
- podrobno
- Podrobnosti
- Ugotovite,
- Razvoj
- Dialog
- Dimenzije
- Večerja
- zaslon
- do
- Ne
- domena
- opravljeno
- dont
- podvojila
- navzdol
- trajanje
- vsak
- prej
- enostavno
- East
- ekosistem
- učinek
- Učinkovito
- učinkovito
- učinkovite
- opolnomočiti
- pooblastitvi
- konča
- Inženiring
- okrepi
- dovolj
- Podjetje
- okolje
- vzpostavlja
- Evropa
- Tudi
- Tudi vsak
- vse
- Primer
- Primeri
- Razen
- drago
- izkušnje
- Poskusi
- raziskovanje
- raziskovalec
- razširitev
- dodatna
- olajšanje
- družine
- družina
- Feature
- februar
- file
- datoteke
- filter
- Filtri
- prva
- Osredotočite
- sledili
- po
- sledi
- za
- je pokazala,
- iz
- v celoti
- funkcija
- funkcije
- glavni namen
- generacija
- generativno
- Generativna AI
- dobili
- dana
- daje
- GPU
- Grafične kartice
- grafi
- veliko
- skupina
- Navodila
- Ravnanje
- strojna oprema
- Imajo
- he
- težka
- težko dvigovanje
- Hero
- pomoč
- pomagal
- Pomaga
- jo
- njegov
- Domov
- gostovanje
- uro
- URE
- Kako
- Kako
- Vendar
- HTML
- http
- HTTPS
- Stotine
- i
- identificirati
- identiteta
- Mirovanje
- if
- slika
- slike
- udarne
- Pomembno
- izboljšanje
- in
- vključujejo
- vključuje
- Vključno
- povečal
- Navedite
- označuje
- individualna
- industrij
- Podatki
- Infrastruktura
- vpogledi
- namestitev
- primer
- Navodila
- interaktivno
- vmesnik
- v
- Predstavitev
- vključujejo
- Izrael
- IT
- ITS
- sam
- januar
- januar 24
- Delovna mesta
- jpg
- julij
- Imejte
- velika
- večja
- Zadnja
- začela
- izstrelki
- vodi
- naučili
- učenje
- odhodu
- levo
- Spoznanja
- Pridobljena spoznanja
- Stopnja
- Vzvod
- življenski krog
- dviganje
- kot
- vrstica
- povezane
- Seznam
- literatura
- obremenitev
- več
- Poglej
- kosilo
- stroj
- strojno učenje
- vzdrževanje
- vzdržuje
- upravlja
- upravitelj
- upravlja
- upravljanje
- Navodilo
- več
- Maj ..
- smiselna
- ukrepe
- srednje
- član
- Spomin
- omenjeno
- Meni
- Bližnji
- srednji vzhod
- morda
- ML
- Model
- modeliranje
- modeli
- monitor
- mesec
- mesecev
- več
- Najbolj
- filmi
- premikanje
- več
- Glasba
- morajo
- Ime
- Imenovan
- Imena
- potrebno
- Nimate
- potrebna
- potrebe
- mreža
- nevronska mreža
- Novo
- nlp
- št
- prenosnik
- opozoriti
- Številka
- pridobi
- pridobljeni
- of
- ponujen
- ponujanje
- Ponudbe
- on
- Na zahtevo
- ONE
- samo
- odprite
- Odpre
- deluje
- Priložnosti
- optimizacija
- Optimizirajte
- optimizacijo
- or
- Da
- Organizacija
- organizacije
- ven
- opisano
- več
- vzporedno
- parametri
- del
- strastno
- Vzorec
- vzorci
- Izvedite
- performance
- izvajati
- Obdobje
- plinovod
- platon
- Platonova podatkovna inteligenca
- PlatoData
- politike
- politika
- možnost
- Prispevek
- Prispevkov
- moč
- močan
- vaje
- Priprava
- Pripravimo
- preprečiti
- prej
- cenitev
- Proaktivna
- Težave
- Postopek
- obravnavati
- profil
- prototipov
- zagotavljajo
- če
- zagotavlja
- zagotavljanje
- namene
- poizvedbe
- hitro
- območje
- Oceniti
- razmerje
- Preberi
- res
- Priporočamo
- priporočeno
- zmanjša
- okolica
- registra
- povezane
- relativno
- ostajajo
- poročilo
- Poročanje
- Poročila
- Skladišče
- obvezna
- Zahteve
- vir
- viri
- tisti,
- omejiti
- povzroči
- rezultat
- Rezultati
- vrne
- Pravica
- Tveganje
- Pravilo
- pravila
- Run
- tek
- sagemaker
- Shrani
- Lestvica
- skaliranje
- urnik
- Znanost
- Znanstveniki
- skripte
- brezšivne
- Zavarovano
- glej
- izbran
- izbor
- Samopostrežba
- višji
- september
- Serija
- služijo
- Storitev
- Storitve
- nastavite
- nastavitev
- Delite s prijatelji, znanci, družino in partnerji :-)
- je
- Shell
- Prikaži
- je pokazala,
- pokazale
- Razstave
- Zaustavite
- shutdown
- ugašati
- podobno
- Enostavno
- poenostavitev
- saj
- sam
- Velikosti
- Slice
- majhna
- manj
- So
- Rešitev
- rešitve
- specialist
- specifična
- preživeti
- zavrtel
- standardna
- Začetek
- začel
- Začetek
- začne
- Korak
- Še vedno
- stop
- ustavljanje
- Postanki
- shranjevanje
- shranjeni
- strukturirano
- studio
- Kasneje
- taka
- dovolj
- primerna
- podpora
- podpora proaktivna
- Preklop
- sistem
- TAG
- Bodite
- Naloge
- skupina
- Skupine
- tehnični
- Test
- kot
- da
- O
- njihove
- Njih
- POTEM
- Tukaj.
- s tem
- te
- jih
- stvari
- ta
- tisti,
- tisoče
- skozi
- čas
- krat
- do
- tudi
- orodje
- orodja
- Stolp
- sledenje
- Vlak
- usposabljanje
- sprožijo
- tip
- Vrste
- osnovni
- razumeli
- dokler
- Nadgradnja
- Uporaba
- uporaba
- Rabljeni
- uporabnik
- Uporabniki
- uporabo
- uporabiti
- POTRDI
- različnih
- vidljivost
- Vizija
- vizualizacija
- Obseg
- vs
- želeli
- je
- način..
- načini
- we
- web
- spletne storitve
- Dobro
- kdaj
- medtem ko
- ki
- medtem
- WHO
- široka
- Širok spekter
- bo
- z
- v
- brez
- delo
- delal
- potek dela
- deluje
- deluje
- pisati
- napisati kodo
- pisanje
- Vi
- Vaša rutina za
- zefirnet