亚马逊网络服务公司今天表示，将使其受欢迎的亚马逊SageMaker人工智能服务更便宜地使用。

Amazon SageMaker于2017年推出，使开发人员可以为在AWS云中运行的分析和预测应用程序构建和训练机器学习模型。该服务通过为开发人员提供对众多通用算法和其他可加速过程的工具的访问权限，从而消除了构建机器学习模型时涉及的繁琐工作。

该服务支持Jupyter笔记本，这是用于共享实时代码的开源Web应用程序，其中包括用于通用深度学习框架的驱动程序，软件包和库。借助AWS SageMaker，可以为特定应用程序或用例启动预构建的笔记本，然后根据开发人员希望在其上训练其模型的特定数据集和架构对其进行自定义。该服务可以从Amazon Simple Storage Service或其他来源提取数据。

AWS技术推广员Julien Simon在今天的博客文章中表示，该公司的研究表明Amazon SageMaker已经降低了构建机器学习模型的成本。

“实际上，我们发现，Amazon SageMaker在三年内的总拥有成本(TCO)与其他选择相比要低54%以上，开发人员的生产率最高可以提高10倍，” Simon说。“这是因为，Amazon SageMaker管理着ML通常需要的所有培训和预测基础架构，使团队可以专注于研究和解决当前的ML问题。”

西蒙说，亚马逊的基础设施有助于进一步降低成本。这是因为SageMaker提供了对最流行的机器学习库的高度优化版本的访问权限，以及对中央处理单元和图形处理单元的选择，以便客户可以为其特定项目选择最有效的选项。

现在，客户得到了另一个推动。亚马逊表示，它宣布针对AWS SageMaker服务的所有ml.p2和ml.p3 GPU实例大幅降低高达18%的价格。降低费用的日期可以追溯到10月1日，适用于其美国东部(弗吉尼亚北部)，美国东部(俄亥俄州)，美国西部(俄勒冈)，欧盟(爱尔兰)，欧盟(法兰克福)，欧盟(伦敦) ，加拿大(中部)，亚太地区(新加坡)，亚太地区(悉尼)，亚太地区(首尔)，亚太地区(东京)，亚太地区(孟买)和AWS GovCloud(美国西部至西部)地区。

自2017年推出以来，Amazon SageMaker已被众多大公司采用以协助其机器学习项目。例如，向Uber Technologies Inc.发起挑战的乘车平台Lyft Inc.使用SageMaker将其机器学习模型的培训时间从几个月缩短到了几天，从而有助于简化其开发流程。

Lyft对机器学习的主要兴趣源于其对开发自动驾驶汽车并减少对人类驾驶员的依赖的愿望。该公司表示，每天要收集超过10 TB的数据来训练其机器学习模型，而且SageMaker可以节省大量时间和金钱。

Lyft ML系统工程师Alex Bain说：“使用Amazon SageMaker分布式培训，我们将模型培训时间从几天减少到了几个小时。” “通过在AWS上运行ML工作负载，我们简化了开发周期并降低了成本，最终加快了向客户提供自动驾驶功能的使命。”