El coste de la infraestructura depende de los siguientes factores:
- El número de máquinas que utilices. Puedes definir los parámetros asociados durante el entrenamiento del modelo, la inferencia por lotes o la inferencia online.
- El tipo de máquinas que usas. Puede definir este parámetro durante el entrenamiento del modelo, la inferencia por lotes o la inferencia online.
- El tiempo que se usan las máquinas.
- Si entrenas un modelo o haces inferencias por lotes, esta métrica mide el tiempo total de procesamiento de la operación.
- Si haces inferencias online, esta métrica mide el tiempo que tu modelo está desplegado en un endpoint.
Tabular Workflows ejecuta varios servicios dependientes en tu proyecto en tu nombre: Dataflow, BigQuery, Cloud Storage, Vertex AI Pipelines y Vertex AI Training. Estos servicios te cobran directamente.
Ejemplos de cálculo del coste del entrenamiento
Ejemplo 1: conjunto de datos de 110 MB en formato CSV, entrenado durante una hora con la configuración de hardware predeterminada.
El desglose de costes del flujo de trabajo predeterminado con Búsqueda de arquitectura y Formación es el siguiente:
| Servicio | Coste |
|---|---|
| Ejemplo de Dataflow y generación de estadísticas | 2 USD (Dataflow se ha ejecutado durante 7 minutos) |
| Transformaciones de datos y funciones de Dataflow | 3 USD (Dataflow se ha ejecutado durante 10 minutos) |
| Vertex AI Training | 0,8 horas x 20 USD + 0,2 horas x 20 USD + 3,3 USD de coste de SSD + coste de contenedor de la canalización = 24 USD (48 minutos de ajuste y 12 minutos de entrenamiento) |
| Vertex AI Pipelines | 1 ejecución × 0,03 USD = 0,03 USD |
| Total sin incluir la destilación de modelos | 27,03 USD |
También puedes habilitar la destilación de modelos para reducir el tamaño del modelo resultante. El desglose de costes es el siguiente:
| Servicio | Coste |
|---|---|
| Total sin incluir la destilación de modelos | 27,03 USD |
| Vertex AI Training para la destilación de modelos | 1 USD |
| Datos de Dataflow y transformaciones de características para la destilación de modelos | 3 USD (Dataflow se ha ejecutado durante 10 minutos) |
| Inferencia por lotes para la destilación de modelos | 7 USD |
| Total, incluida la destilación de modelos | 38,03 USD |
Ejemplo 2: Conjunto de datos de 1,84 TB en BigQuery, entrenado durante 20 horas con sustitución de hardware.
La configuración de hardware de este ejemplo es la siguiente:
| Nombre de la configuración de hardware | Valor |
|---|---|
| stats_and_example_gen_dataflow_machine_type | n1‑standard‑16 |
| stats_and_example_gen_dataflow_max_num_workers | 100 |
| stats_and_example_gen_dataflow_disk_size_gb | 40 |
| transform_dataflow_machine_type | n1‑standard‑16 |
| transform_dataflow_max_num_workers | 100 |
| transform_dataflow_disk_size_gb | 200 |
| distill_batch_predict_machine_type | n1‑standard‑2 |
| distill_batch_predict_starting_replica_count | 200 |
| distill_batch_predict_max_replica_count | 200 |
El desglose de costes del flujo de trabajo predeterminado con Búsqueda de arquitectura y Formación es el siguiente:
| Servicio | Coste |
|---|---|
| Ejemplo de Dataflow y generación de estadísticas | 518 USD (Dataflow se ha ejecutado durante 6 horas) |
| Datos de Dataflow y transformaciones de características | 471 $ (Dataflow se ejecutó durante 6 horas) |
| Vertex AI Training | 17 horas × 20 USD + 3 horas × 20 USD + 41, 5 USD (coste de SSD) + coste del contenedor de la canalización = 555 USD (17 horas de ajuste y 3 horas de entrenamiento) |
| Vertex AI Pipelines | 1 ejecución × 0,03 USD = 0,03 USD |
| Total | 1544,03 USD |