Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Pembatasan layanan dan kuota untuk produk pembelajaran mesin di AWS Marketplace
Bagian ini menjelaskan batasan dan kuota pada produk pembelajaran mesin (ML) Anda di AWS Marketplace.
**Topics**
+ [Isolasi jaringan](#ml-network-isolation)
+ [Ukuran gambar](#ml-image-size)
+ [Ukuran penyimpanan](#ml-storage-size)
+ [Ukuran instans](#ml-instance-size)
+ [Ukuran muatan untuk inferensi](#ml-payload-size-for-inference)
+ [Waktu pemrosesan untuk inferensi](#ml-processing-time-for-inference)
+ [Kuota layanan](#ml-service-quotas)
+ [Inferensi tanpa server](#severless-inference)
+ [Pelatihan spot terkelola](#ml-managed-spot-training)
+ [Gambar Docker dan Akun AWS](#ml-docker-images-and-aws-accounts)
+ [Menerbitkan paket model dari algoritma bawaan atau AWS Marketplace](#ml-publishing-model-packages-from-built-in-algorithms-or-aws-marketplace)
+ [Didukung Wilayah AWS untuk penerbitan](#ml-supported-aws-regions-for-publishing)
## Isolasi jaringan
Untuk tujuan keamanan, saat pembeli berlangganan produk kontainer Anda, kontainer Docker dijalankan di lingkungan yang terisolasi tanpa akses jaringan. Saat Anda membuat kontainer, jangan mengandalkan panggilan keluar melalui internet karena mereka akan gagal. Panggilan ke juga Layanan AWS akan gagal.
## Ukuran gambar
[Ukuran gambar Docker Anda diatur oleh kuota layanan Amazon Elastic Container Registry (Amazon ECR).](https://docs.aws.amazon.com/AmazonECR/latest/userguide/service_limits.html) Ukuran gambar Docker memengaruhi waktu startup selama pekerjaan pelatihan, pekerjaan transformasi batch, dan pembuatan titik akhir. Untuk kinerja yang lebih baik, pertahankan ukuran gambar Docker yang optimal.
## Ukuran penyimpanan
Saat Anda membuat titik akhir, Amazon SageMaker AI akan melampirkan volume penyimpanan Amazon Elastic Block Store (Amazon EBS) ke setiap instans komputasi ML yang menampung titik akhir. (Endpoint juga dikenal sebagai *inferensi real-time* atau *layanan hosting Amazon SageMaker AI*.) Ukuran volume penyimpanan tergantung pada jenis instans. Untuk informasi selengkapnya, lihat [Volume Penyimpanan Instans Host](https://docs.aws.amazon.com/sagemaker/latest/dg/host-instance-storage.html) di *Panduan Pengembang Amazon SageMaker AI*.
Untuk transformasi batch, lihat [Penyimpanan dalam Transformasi Batch](https://docs.aws.amazon.com/sagemaker/latest/dg/batch-transform-storage.html) di *Panduan Pengembang Amazon SageMaker AI*.
## Ukuran instans
SageMaker AI menyediakan pilihan jenis instans yang dioptimalkan agar sesuai dengan kasus penggunaan ML yang berbeda. Jenis instans terdiri dari berbagai kombinasi CPU, GPU, memori, dan kapasitas jaringan. Jenis instans memberi Anda fleksibilitas untuk memilih campuran sumber daya yang sesuai untuk membangun, melatih, dan menerapkan model ML Anda. Untuk informasi selengkapnya, lihat [Jenis Instans Amazon SageMaker AI ML](https://aws.amazon.com/sagemaker/pricing/instance-types/).
## Ukuran muatan untuk inferensi
Untuk titik akhir, batasi ukuran maksimum data input per pemanggilan hingga 25 MB. Nilai ini tidak dapat disesuaikan.
Untuk transformasi batch, ukuran maksimum data input per pemanggilan adalah 100 MB. Nilai ini tidak dapat disesuaikan.
## Waktu pemrosesan untuk inferensi
Untuk titik akhir, waktu pemrosesan maksimum per pemanggilan adalah 60 detik untuk respons reguler dan 8 menit untuk respons streaming. Nilai ini tidak dapat disesuaikan.
Untuk transformasi batch, waktu pemrosesan maksimum per pemanggilan adalah 60 menit. Nilai ini tidak dapat disesuaikan.
## Kuota layanan
Untuk informasi selengkapnya tentang kuota yang terkait dengan pelatihan dan inferensi, lihat [Amazon SageMaker AI Service Quotas](https://docs.aws.amazon.com/general/latest/gr/sagemaker.html#limits_sagemaker).
## Inferensi tanpa server
Paket model dan algoritme yang diterbitkan di tidak AWS Marketplace dapat diterapkan ke titik akhir yang dikonfigurasi untuk Inferensi Tanpa Server [Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/serverless-endpoints.html). Titik akhir yang dikonfigurasi untuk inferensi tanpa server memerlukan model untuk memiliki konektivitas jaringan. Semua AWS Marketplace model beroperasi dalam isolasi jaringan. Untuk informasi selengkapnya, lihat [Tidak ada akses jaringan](https://docs.aws.amazon.com/marketplace/latest/userguide/ml-security-and-intellectual-property.html#ml-no-network-access).
## Pelatihan spot terkelola
Untuk semua algoritma dari AWS Marketplace, nilai `MaxWaitTimeInSeconds` diatur ke 3.600 detik (60 menit), bahkan jika pos pemeriksaan untuk [pelatihan spot terkelola diimplementasikan](https://docs.aws.amazon.com/sagemaker/latest/dg/model-managed-spot-training.html). Nilai ini tidak dapat disesuaikan.
## Gambar Docker dan Akun AWS
Untuk penerbitan, gambar harus disimpan di repositori Amazon ECR yang dimiliki oleh penjual Akun AWS . Tidak mungkin mempublikasikan gambar yang disimpan dalam repositori yang dimiliki oleh orang lain. Akun AWS
## Menerbitkan paket model dari algoritma bawaan atau AWS Marketplace
Paket model yang dibuat dari pekerjaan pelatihan menggunakan [algoritme bawaan Amazon SageMaker AI](https://docs.aws.amazon.com/sagemaker/latest/dg/algos.html) atau algoritme dari AWS Marketplace langganan tidak dapat dipublikasikan.
Anda masih dapat menggunakan artefak model dari pekerjaan pelatihan, tetapi gambar inferensi Anda sendiri diperlukan untuk menerbitkan paket model.
## Didukung Wilayah AWS untuk penerbitan
AWS Marketplace mendukung penerbitan paket model dan sumber daya algoritme dari Wilayah AWS mana yang berikut ini benar:
+ Wilayah yang [didukung Amazon SageMaker AI](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/)
+ [Wilayah yang tersedia](https://aws.amazon.com/about-aws/global-infrastructure/regional-product-services/) [yang diikutsertakan secara default (misalnya, deskripsikan wilayah kembali)](https://docs.aws.amazon.com/general/latest/gr/rande-manage.html#ec2-describe-regions) `"OptInStatus": "opt-in-not-required"`
Semua aset yang diperlukan untuk menerbitkan paket model atau produk algoritme harus disimpan di Wilayah yang sama yang Anda pilih untuk diterbitkan. Ini termasuk yang berikut:
+ Paket model dan sumber daya algoritme yang dibuat di Amazon SageMaker AI
+ Inferensi dan gambar pelatihan yang diunggah ke repositori Amazon ECR
+ Artefak model (jika ada) yang disimpan di Amazon Simple Storage Service dan dimuat secara dinamis selama penerapan model untuk sumber daya paket model
+ Uji data untuk inferensi dan validasi pelatihan yang disimpan di Amazon S3
Anda dapat mengembangkan dan melatih produk Anda di Wilayah mana pun yang didukung oleh SageMaker AI. Namun, sebelum Anda dapat mempublikasikan, Anda harus menyalin semua aset ke dan membuat ulang sumber daya di Wilayah yang AWS Marketplace mendukung penerbitan dari.