工作区实例是您在登录 SageMaker Canvas 后的专用实例。根据 SageMaker Canvas 的使用或登录小时数付费。从您启动 SageMaker Canvas 应用程序时开始计时，在您从 SageMaker Canvas 界面注销或管理员从 AWS 管理控制台结束 SageMaker Canvas 应用程序时结束。注销 SageMaker Canvas 后，将停止收取 Workspace 实例费用。

工作区实例（会话小时数）费用
1.9 USD/小时

SageMaker Canvas 支持处理表格、时间序列、结构化文本和图像数据，并且可在工作区实例中免费处理高达 5GB 的数据。对于超过 5GB 的数据集，SageMaker Canvas 中的 Data Wrangler 功能利用 Amazon EMR Serverless，这是一种自动扩展技术，可高效地为表格、时间序列和结构化文本数据准备数据。当处理大于 5GB 的数据集或明确选择使用 EMR Serverless 时，您需要根据 EMR Serverless 工作程序从工作程序运行开始到结束所消耗的 vCPU、内存和存储资源总量付费。费用通过四舍五入到最接近的秒来计算，最低收费时间为 1 分钟。定价因地区和实例类型而异，如需了解更多详细信息，请参阅 Amazon EMR Serverless 定价页面。或者，您可以选择使用 SageMaker Processing，对任何数据大小运行数据处理作业，您可以查阅 SageMaker 定价页面，了解基于机器学习（ML）计算实例、处理的数据和使用的存储的适用费率。使用 EMR Serverless 或 SageMaker Processing 在整个数据集中运行 Data Wrangler 流程时的确切处理费用将取决于您的数据大小和您选择的转换类型，这些因素会严重影响计算要求。下表根据使用 EMR Serverless 导入和采样数据集所需的大致时间提供了估算费用。根据数据集的确切大小和应用的转换类型，导出数据的实际时间和费用会有所不同。

SageMaker Canvas 支持为各种任务自动建模（AutoML），包括表格数据（回归和分类）、时间序列预测、图像和文本分类（计算机视觉和自然语言处理）以及微调大型语言模型。它会验证准备好的数据，在需要时利用 Amazon EMR Serverless 进行高效的数据准备，触发 SageMaker Autopilot 进行自定义模型探索和训练，并生成模型排行榜以可视化结果、模型分数、特征重要性和见解。

3.1 表格和时间序列模型

SageMaker Canvas 支持表格模型的各种机器学习任务，包括数值预测（回归）、二进制分类、多类分类和时间序列预测。

对于不超过 5GB 的表格数据集和不超过 30GB 的时间序列数据集，Canvas 利用 SageMaker Training 实例。您需要根据 Amazon SageMaker 中模型训练所用的实例小时数付费。Canvas 会根据数据集大小、性能和可用性自动选择适当的实例类型，例如 ml.m5.12xlarge、ml.c5.18xlarge 和 ml.m5.4xlarge。有关更多信息，请参阅 SageMaker 实例定价页面。

对于超过 5GB 的表格数据集和超过 30GB 的时间序列数据集，SageMaker Canvas 利用 Amazon EMR Serverless 高效地对数据进行降采样和准备。随后，它将利用 SageMaker 实例进行模型训练。您将根据数据处理步骤的 EMR Serverless 定价模型（在 2.数据处理费用中提到）和模型训练阶段的 Amazon SageMaker 实例定价支付费用。

下表根据数据集大小以及使用的 SageMaker 和 EMR Serverless 实例小时数估算了标准构建的训练成本。请注意，这些数字是近似值，实际时间和费用可能会有所不同。

3.2 CV 和 NLP 模型

SageMaker Canvas 支持自定义 NLP 和 CV 模型的 2 分类和 3+ 分类预测（二进制和多类文本分类和图像分类）。自定义 NLP 和 CV 模型的训练费用取决于训练模型所需的时间。SageMaker 训练实例用于渲染模型训练服务，将直接通过 SageMaker 向您收费。根据 SageMaker Canvas 中使用的实例，训练价格将在每小时训练 2.03 USD 至 4.89 USD 之间。有关更多定价信息，请参阅 SageMaker 定价。

下表提供了基于 640 x 480 像素的图像分辨率估算的自定义 CV 模型训练费用。估算使用 ml.g4dn.12xlarge 的 SageMaker 实例价格为 4.89 USD/小时。 

示例 1：

假设您有一个由 4 名分析师组成的团队，他们想要试用 SageMaker Canvas。假设其中一名分析师使用 50MB 输入数据集构建了一个数值预测模型来预测包裹能否准时送达。SageMaker Canvas 使用 2.9 个实例小时的 ml.m5.12xlarge 类型来训练模型。在此过程中，团队的每位用户每周登录 SageMaker Canvas 10 小时。这些时间花在探索数据、准备数据集和生成预测上，转化为每位用户每个月 40 小时，或者 160 小时的总使用时间。月末账单计算如下：
免费套餐下 160 小时/月以内的工作区实例（会话小时数）费用：0.00 USD
模型训练费用：2.765 USD/小时 x 2.9 = 7.69 USD（50MB 输入数据集）
总计：7.69 USD

示例 2：

假设在您使用免费套餐后，您的团队继续使用 SageMaker Canvas。您使用 150MB 的输入数据集来构建数值预测模型。SageMaker Canvas 使用 10 小时 ml.c5.18xlarge 类型的实例来训练模型。在整个过程中，团队登录到 SageMaker Canvas 中，并且一个月花费 40 小时在 SageMaker Canvas 中探索数据、联接数据集和运行预测。月末账单计算如下：
工作区实例（会话小时数）费用：1.9 USD x 40 = 76 USD
模型训练费用：3.672 USD/小时 x 11 = 36.72 USD
总计：112.72 USD

示例 3：

假设您在使用免费套餐后构建了一个自定义 CV 分类模型来检测图像中的制造缺陷，并使用包含 1000 张图像的训练数据集。您的训练时间约为 21 分钟，价格点为每小时 4.89 USD。在此过程中，您在 SageMaker Canvas 中花费了 4 个小时来标记训练数据集中的图像、查看可解释性热图和了解模型精度。然后，您以每小时 0.408 USD 的价格运行大约需要 12 分钟的预测。费用将按以下方式计算：
工作区实例（会话小时数）费用：1.9 USD * 4 = 7.60 USD
模型训练费用：4.89 USD/小时 x 21 分钟 x 1/60 = 1.68 USD
预测：0.408 USD/小时 x 12 分钟 x 1/60 = 0.08 USD
总计：9.36 USD

示例 4：

假设您在使用免费套餐后构建了一个自定义 NLP 模型来了解用户在评论中的情绪，您使用包含 6700 条评论的训练数据集，平均每条评论有 120 个字符，然后使用您的模型对 1000 条评论生成预测。您的训练时间约为 31 分钟，价格点为每小时 3.825 USD，生成预测的时间为 4.1 分钟，价格点为每小时 0.408 USD。在此过程中，您在 SageMaker Canvas 中花费 2 个小时来标记训练数据集中的评论并查看预测结果。费用将按以下方式计算：
工作区实例（会话小时数）费用：1.9 USD * 2 = 3.80 USD
模型训练费用：3.825 USD/小时 x 31 分钟 x 1/60 = 1.98 USD
预测：0.408 USD/小时 x 4.1 分钟 x 1/60 = 0.03 USD
总计：5.81 USD

示例 5：

假设您在使用免费套餐后，希望从 50 个份身份证件中提取信息。在此过程中，您在 SageMaker Canvas 中花费了 1.5 个小时来导入文档和查看结果。费用将按以下方式计算：
工作区实例（会话小时数）费用：1.9 USD * 1.5 = 2.85 USD
即用型模型费用（根据 Amazon Textract 的定价）：美国西部（俄勒冈州）区域前 100000 页的每页定价 0.025 USD。费用为 0.025 USD x 50 = 1.25 USD
总计：4.10 USD

示例 6：

假设您在使用免费套餐后，构建了一个自定义的时间序列预测模型来预测产品需求。您拥有一家服装公司，在全球 50 家商店销售 1000 件商品，并且正在预测未来 12 周的产品需求。您使用了 200MB 的数据集，其中包括过去一年的每周销售额以及两个附加属性（价格和营销支出）的信息。SageMaker Canvas 使用 3 小时 ml.m5.12xlarge 类型的 SageMaker 训练实例来训练模型。模型构建完成后，您将花费 30 分钟对单个预测执行“假设”分析，该分析在 ml.c5.2xlarge 实例上使用 SageMaker 异步推理，SageMaker Canvas 在该实例闲置两小时后自动将其停止。随后，您生成 12 周预测期的批量预测，这需要在 ml.m5.12xlarge 实例上进行 3 小时的 SageMaker 批量转换。在整个过程中，团队登录到 SageMaker Canvas 中，并且一个月花费 10 小时用于探索数据、联接数据集和运行预测。月末账单计算如下：
工作区实例（会话小时数）费用：1.90 USD x 10 = 19 USD
模型训练费用：2.765 USD/小时 x 3 小时 = 8.30 USD
单一预测：0.408 USD x（使用时间 30 分钟 + 闲置时间 2 小时）= 1.02 USD
批量预测：2.765 USD/小时 x 3 小时 = 8.30 USD
总计 = 36.62 USD

示例 7

假设您使用免费套餐后，想要使用一个 500GB 的大型数据集来构建自定义表格分类模型，以预测客户流失。该数据集包括客户人口统计、使用模式和订阅详细信息，并且您想先使用 Data Wrangler 准备数据。在使用随机或分层采样将数据集导入 Data Wrangler 期间，SageMaker Canvas 利用 Amazon EMR Serverless 导入和降采样大型数据集，以帮助您以交互方式构建数据流。导入样本后，您可以可视化和理解数据，并在数据流中添加一些转换步骤。准备好触发模型构建（使用 AutoML）后，您可以单击“创建模型”。在从 Data Wrangler 导出到 SageMaker Canvas 模型构建阶段时，您的数据流将在整个数据集上运行，以使用 EMR Serverless 应用您在流中添加的转换。数据转换和数据大小将决定 EMR Serveless 的运行时间以及分配的计算量。然后，它会将整个处理过的数据集存储在 SageMaker Canvas 数据集中。它还将在“草稿”状态下创建您指定的模型名称，然后您可以配置该名称并触发构建（快速或标准）。此过程将对您的数据集进行降采样，并根据 EMR Serverless 中 SageMaker Autopilot 的要求运行其他数据准备步骤。降采样和其他数据准备完成后，模型探索将开始。此过程使用 SageMaker 实例，并将根据用于模型训练的实例小时数收费。确切的实例小时数取决于数据集中的列数和列类型。构建模型后，您可以评估模型指标、比较模型并在测试数据集上生成批量预测（假设用于测试的数据集的 10% 为 50GB）。批量预测过程将使用 EMR Serverless 将数据分成较小的批次，然后使用 SageMaker Batch Transform 生成预测。最后，对于整个端到端模型构建过程，您的团队可能将在 SageMaker Canvas 中总共花费 20 个小时，探索数据、查看模型排行榜以及分析特征重要性和模型可解释性。月末账单的计算方式如下，但请注意，实际费用可能因您在 Data Wrangler 流程中添加的转换、数据集特征（大小、列数、列类型等）而异：

工作区实例（会话小时数）费用：1.90 USD x 20 = 38 USD
数据导入和采样费用：（EMR Serverless）= 3.8 USD
数据处理费用（EMR Serverless）：时间和成本取决于您选择的转换

模型训练费用（EMR Serverless 用于降采样，SageMaker 实例用于训练）：406 USD
批量预测费用（EMR Serverless 用于分块，SageMaker 实例用于预测）：38 USD

总计：485.8 USD（不考虑数据处理费用，这取决于所选的转换）