Lista de SKUs de pontos de extremidade online gerenciados
A tabela a seguir mostra as SKUs (unidades de manutenção de estoque) da VM (máquina virtual) com suporte para pontos de extremidade online gerenciados do Azure Machine Learning. Cada SKU é um código alfanumérico exclusivo atribuído a uma VM específica que pode ser comprada.
Os nomes de SKU completos listados na tabela poderão ser usados para solicitações de modelos do ARM (Azure Resource Manager) ou da CLI do Azure para criar e atualizar as implantações.
Para obter mais informações sobre os detalhes da configuração, como CPU e RAM, consulte Preço do Azure Machine Learning e tamanhos de VM.
Nome da família | Nome do tamanho da VM | Suporta Infiniband | Arquitetura | númeroDeGPUs | numberOfCores | Pular 20% de reserva |
---|---|---|---|---|---|---|
padrãoDASv4Family | STANDARD_D2AS_V4 | - | Cpu | 0 | 2 | - |
padrãoDASv4Family | STANDARD_D4AS_V4 | - | Cpu | 0 | 4 | - |
padrãoDASv4Family | STANDARD_D8AS_V4 | - | Cpu | 0 | 8 | - |
padrãoDASv4Family | STANDARD_D16AS_V4 | - | Cpu | 0 | 16 | - |
padrãoDASv4Family | STANDARD_D32AS_V4 | - | Cpu | 0 | 32 | - |
padrãoDASv4Family | STANDARD_D48AS_V4 | - | Cpu | 0 | 48 | - |
padrãoDASv4Family | STANDARD_D64AS_V4 | - | Cpu | 0 | 64 | - |
padrãoDASv4Family | STANDARD_D96AS_V4 | - | Cpu | 0 | 96 | - |
padrãoDAv4Família | STANDARD_D2A_V4 | - | Cpu | 0 | 2 | - |
padrãoDAv4Família | STANDARD_D4A_V4 | - | Cpu | 0 | 4 | - |
padrãoDAv4Família | STANDARD_D8A_V4 | - | Cpu | 0 | 8 | - |
padrãoDAv4Família | STANDARD_D16A_V4 | - | Cpu | 0 | 16 | - |
padrãoDAv4Família | STANDARD_D32A_V4 | - | Cpu | 0 | 32 | - |
padrãoDAv4Família | STANDARD_D48A_V4 | - | Cpu | 0 | 48 | - |
padrãoDAv4Família | STANDARD_D64A_V4 | - | Cpu | 0 | 64 | - |
padrãoDAv4Família | STANDARD_D96A_V4 | - | Cpu | 0 | 96 | - |
padrãoDSv2Família | STANDARD_DS1_V2 | - | Cpu | 0 | 1 | - |
padrãoDSv2Família | STANDARD_DS2_V2 | - | Cpu | 0 | 2 | - |
padrãoDSv2Família | STANDARD_DS3_V2 | - | Cpu | 0 | 4 | - |
padrãoDSv2Família | STANDARD_DS4_V2 | - | Cpu | 0 | 8 | - |
padrãoDSv2Família | STANDARD_DS5_V2 | - | Cpu | 0 | 16 | - |
padrãoESv3Família | STANDARD_E2S_V3 | - | Cpu | 0 | 2 | - |
padrãoESv3Família | STANDARD_E4S_V3 | - | Cpu | 0 | 4 | - |
padrãoESv3Família | STANDARD_E8S_V3 | - | Cpu | 0 | 8 | - |
padrãoESv3Família | STANDARD_E16S_V3 | - | Cpu | 0 | 16 | - |
padrãoESv3Família | STANDARD_E32S_V3 | - | Cpu | 0 | 32 | - |
padrãoESv3Família | STANDARD_E48S_V3 | - | Cpu | 0 | 48 | - |
padrãoESv3Família | STANDARD_E64S_V3 | - | Cpu | 0 | 64 | - |
padrãoFSv2Família | STANDARD_F2S_V2 | - | Cpu | 0 | 2 | - |
padrãoFSv2Família | STANDARD_F4S_V2 | - | Cpu | 0 | 4 | - |
padrãoFSv2Família | STANDARD_F8S_V2 | - | Cpu | 0 | 8 | - |
padrãoFSv2Família | STANDARD_F16S_V2 | - | Cpu | 0 | 16 | - |
padrãoFSv2Família | STANDARD_F32S_V2 | - | Cpu | 0 | 32 | - |
padrãoFSv2Família | STANDARD_F48S_V2 | - | Cpu | 0 | 48 | - |
padrãoFSv2Família | STANDARD_F64S_V2 | - | Cpu | 0 | 64 | - |
padrãoFSv2Família | STANDARD_F72S_V2 | - | Cpu | 0 | 72 | - |
padrãoFXMDVSFamily | STANDARD_FX4MDS | - | Cpu | 0 | 4 | - |
padrãoFXMDVSFamily | STANDARD_FX12MDS | - | Cpu | 0 | 12 | - |
padrãoFXMDVSFamily | STANDARD_FX24MDS | - | Cpu | 0 | 24 | - |
padrãoFXMDVSFamily | STANDARD_FX36MDS | - | Cpu | 0 | 36 | - |
padrãoFXMDVSFamily | STANDARD_FX48MDS | - | Cpu | 0 | 48 | - |
padrãoLASv3Family | STANDARD_L8AS_V3 | - | Cpu | 0 | 8 | - |
padrãoLASv3Family | STANDARD_L16AS_V3 | - | Cpu | 0 | 16 | - |
padrãoLASv3Family | STANDARD_L32AS_V3 | - | Cpu | 0 | 32 | - |
padrãoLASv3Family | STANDARD_L48AS_V3 | - | Cpu | 0 | 48 | - |
padrãoLASv3Family | STANDARD_L64AS_V3 | - | Cpu | 0 | 64 | - |
padrãoLASv3Family | STANDARD_L80AS_V3 | - | Cpu | 0 | 80 | - |
convencionalLSv2Family | STANDARD_L8S_V2 | - | Cpu | 0 | 8 | - |
convencionalLSv2Family | STANDARD_L16S_V2 | - | Cpu | 0 | 16 | - |
convencionalLSv2Family | STANDARD_L32S_V2 | - | Cpu | 0 | 32 | - |
convencionalLSv2Family | STANDARD_L48S_V2 | - | Cpu | 0 | 48 | - |
convencionalLSv2Family | STANDARD_L64S_V2 | - | Cpu | 0 | 64 | - |
convencionalLSv2Family | STANDARD_L80S_V2 | - | Cpu | 0 | 80 | - |
convencionalLSv3Family | STANDARD_L8S_V3 | - | Cpu | 0 | 8 | - |
convencionalLSv3Family | STANDARD_L16S_V3 | - | Cpu | 0 | 16 | - |
convencionalLSv3Family | STANDARD_L32S_V3 | - | Cpu | 0 | 32 | - |
convencionalLSv3Family | STANDARD_L48S_V3 | - | Cpu | 0 | 48 | - |
convencionalLSv3Family | STANDARD_L64S_V3 | - | Cpu | 0 | 64 | - |
convencionalLSv3Family | STANDARD_L80S_V3 | - | Cpu | 0 | 80 | - |
padrãoNCADSA100v4Família | STANDARD_NC24ADS_A100_V4 | - | NvidiaGpu | 1 | 24 | Sim |
padrãoNCADSA100v4Família | STANDARD_NC48ADS_A100_V4 | - | NvidiaGpu | 2 | 48 | Sim |
padrãoNCADSA100v4Família | STANDARD_NC96ADS_A100_V4 | - | NvidiaGpu | 4 | 96 | Sim |
Família NCASv3_T4 padrão | STANDARD_NC4AS_T4_V3 | - | NvidiaGpu | 1 | 4 | - |
Família NCASv3_T4 padrão | STANDARD_NC8AS_T4_V3 | - | NvidiaGpu | 1 | 8 | - |
Família NCASv3_T4 padrão | STANDARD_NC16AS_T4_V3 | - | NvidiaGpu | 1 | 16 | - |
Família NCASv3_T4 padrão | STANDARD_NC64AS_T4_V3 | - | NvidiaGpu | 4 | 64 | - |
padrãoNCSv2Family | STANDARD_NC6S_V2 | - | NvidiaGpu | 1 | 6 | - |
padrãoNCSv2Family | STANDARD_NC12S_V2 | - | NvidiaGpu | 2 | 12 | - |
padrãoNCSv2Family | STANDARD_NC24S_V2 | - | NvidiaGpu | 4 | 24 | - |
padrãoNCSv3Family | STANDARD_NC6S_V3 | - | NvidiaGpu | 1 | 6 | - |
padrãoNCSv3Family | STANDARD_NC12S_V3 | - | NvidiaGpu | 2 | 12 | - |
padrãoNCSv3Family | STANDARD_NC24S_V3 | - | NvidiaGpu | 4 | 24 | - |
padrãoNCADSH100v5Família | STANDARD_NC40ADS_H100_V5 | - | NvidiaGpu | 1 | 40 | Sim |
padrãoNCADSH100v5Família | STANDARD_NC80ADIS_H100_V5 | - | NvidiaGpu | 2 | 80 | Sim |
NDAMSv4_A100Family padrão | STANDARD_ND96AMSR_A100_V4 | Sim | NvidiaGpu | 8 | 96 | Sim |
Família NDASv4_A100 Standard | STANDARD_ND96ASR_V4 | Sim | NvidiaGpu | 8 | 96 | Sim |
padrãoNDSv2Família | STANDARD_ND40RS_V2 | Sim | NvidiaGpu | 8 | 40 | Sim |
convencionalNDv5H100Família | STANDARD_ND96IS_H100_v5 | - | NvidiaGpu | 8 | 96 | Sim |
convencionalNDv5H100Família | STANDARD_ND96ISR_H100_v5 | Sim | NvidiaGpu | 8 | 96 | Sim |
Cuidado
SKUs de VM pequenas, como Standard_DS1_v2
e Standard_F2s_v2
podem ser muito pequenas para modelos maiores e podem levar ao encerramento do contêiner devido à memória insuficiente, espaço insuficiente no disco ou falha de investigação, pois leva muito tempo para iniciar o contêiner. Se você enfrentar erros OutOfQuota ou erros ReourceNotReady , experimente SKUs de VM maiores. Se você quiser reduzir o custo de implantação de vários modelos com ponto de extremidade online gerenciado, consulte Implantação para vários modelos locais.
Observação
Recomendamos ter mais de três instâncias para implantações nos cenários de produção. Além disso, o Azure Machine Learning reserva 20% dos recursos de computação para executar atualizações em alguns SKUs de VM, conforme descrito na Alocação de cota de máquina virtual para implantação. As SKUs de VM isentas dessa reserva de cota extra são especificadas na coluna "Ignorar 20% de reserva".