AWS SageMaker現提供託管競價型訓練，用戶可節省最高90％的訓練成本

AWS為模組化機器學習服務SageMaker加入託管競價型訓練（Managed Spot Training）功能，其使用Amazon EC2競價型執行個體，可以讓用戶在SageMaker的機器學習模型訓練，成本下降多達90％。

開發人員可以使用AWS SageMaker建置、訓練和部署任意規模的模型，除了選用自定義或是內建的演算法外，甚至也能在AWS Marketplace找到適用的演算法訓練模型，並簡單地將實驗規模的機器學習模型，擴展至正式生產規模，開發者透過選擇需要的EC2執行個體類型以及數量，配置工作負載需要的運算資源。

競價型執行個體是AWS雲端中未被使用的執行個體，用戶能以比按需型執行個體還低的價格，使用這些運算資源。而現在開發者也可以在AWS SageMaker中使用競價型執行個體，來訓練機器學習模型，該功能稱為託管競價型訓練。

託管競價型訓練和按需訓練最大的不一樣，就是按需訓練的執行個體在訓練完成之後才會結束，但是託管競價型訓練使用的執行個體，是AWS雲端上閒置的執行個體，因此當AWS需要這些運算資源的時候，機器學習訓練任務會被終止，並由AWS收回這些被占用的執行個體。

不過，由於AWS SageMaker是一個全託管的服務，因此當機器學習訓練任務需要中斷時，服務會自動處理整個過程，並且在擁有足夠運算資源時，重新啟動並恢復訓練工作。

這個AWS SageMaker託管競價型訓練功能，可以用於所有類型的訓練配置，支援所有AWS SageMaker支援的執行個體類型，可用於各種內建演算法所訓練的模型，或是自定義的模型，而且無論是單執行個體訓練、分散式訓練或是自動模型調校，也都可以採用託管競價型訓練。

用戶要使用託管競價型訓練功能，可以在控制臺啟用，或是在Amazon SageMaker SDK中，將Estimator建構器train_use_spot_instances配置成true。