AWS SageMaker现提供托管竞价型训练，用户可节省最高90％的训练成本

AWS为模组化机器学习服务SageMaker加入托管竞价型训练（Managed Spot Training）功能，其使用Amazon EC2竞价型执行个体，可以让用户在SageMaker的机器学习模型训练成本，下降多达90％。

开发人员可以使用AWS SageMaker建置、训练和部署任意规模的模型，除了选用自定义或是内建的算法外，甚至也能在AWS Marketplace找到适用的算法训练模型，并简单地将实验规模的机器学习模型，扩展至正式生产规模，开发者透过选择需要的EC2执行个体类型以及数量，配置工作负载需要的运算资源。

竞价型执行个体是AWS云端中未被使用的执行个体，用户能以比按需型执行个体还低的价格，使用这些运算资源。而现在开发者也可以在AWS SageMaker中使用竞价型执行个体，来训练机器学习模型，该功能称为托管竞价型训练，

托管竞价型训练和按需训练最大的不一样，就是按需训练的执行个体在训练完成之后才会结束，但是托管竞价型训练使用的执行个体，是AWS云端上闲置的执行个体，因此当AWS需要这些运算资源的时候，机器学习训练任务会被终止，并由AWS收回这些被占用的执行个体。

不过，由于AWS SageMaker是一个全托管的服务，因此当机器学习训练任务需要中断时，服务会自动处理整个过程，并且在拥有足够运算资源时，重新启动并恢复训练工作。

这个AWS SageMaker托管竞价型训练功能，可以用于所有类型的训练配置，支援所有AWS SageMaker支援的执行个体类型，可用于各种内建算法所训练的模型，或是自定义的模型，而且无论是单执行个体训练、分散式训练或是自动模型调校，也都可以采用托管竞价型训练。

用户要使用托管竞价型训练功能，可以在控制台启用，或是在Amazon SageMaker SDK中，将Estimator建构器train_use_spot_instances配置成true。