基礎架構的費用取決於下列因素:
- 您使用的機器數量。您可以在模型訓練、批次推論或線上推論期間設定相關參數。
- 您使用的機器類型。您可以在模型訓練、批次推論或線上推論期間設定這個參數。
- 機器的使用時間長度。
- 如果您正在訓練模型或進行批次推論,這項指標會評估運算的總處理時間。
- 如果您要進行線上推論,這項指標會評估模型部署至端點的時間。
表格式工作流程會代您在專案中執行多項依附服務:Dataflow、BigQuery、Cloud Storage、Vertex AI Pipelines 和 Vertex AI Training。這些服務會直接向您收費。
訓練費用計算示例
範例 1:CSV 格式的 110 MB 資料集,使用預設硬體設定訓練一個小時。
使用架構搜尋和訓練的預設工作流程的費用明細如下:
服務 | 費用 |
---|---|
Dataflow 範例和統計資料產生 | $2 (Dataflow 執行時間為 7 分鐘) |
Dataflow 資料和特徵轉換 | $3 美元 (Dataflow 執行時間為 10 分鐘) |
Vertex AI 訓練 | 0.8 小時 x $20 美元 + 0.2 小時 x $20 美元 + $3.3 美元 SSD 費用 + 管道容器費用 = $24 美元 (48 分鐘調整、12 分鐘訓練) |
Vertex AI Pipelines | 1 次執行 x $0.03 美元 = $0.03 美元 |
排除總數模型蒸餾 | $27.03 美元 |
您可以選擇啟用模型蒸餾功能,藉此縮減產生的模型大小。費用明細如下:
服務 | 費用 |
---|---|
總計 (不含模型蒸餾) | $27.03 美元 |
Vertex AI 訓練模型提煉作業 | $1 美元 |
資料流資料、模型提煉作業的特徵轉換 | $3 美元 (Dataflow 執行時間為 10 分鐘) |
模型蒸餾的批次推論 | $7 美元 |
總計 (包括模型蒸餾) | $38.03 美元 |
範例 2:BigQuery 中的 1.84 TB 資料集,使用硬體覆寫功能訓練 20 小時。
這個範例的硬體設定如下:
硬體設定名稱 | 值 |
---|---|
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 |
使用架構搜尋和訓練的預設工作流程的費用明細如下:
服務 | 費用 |
---|---|
Dataflow 範例和統計資料產生 | $518 美元 (Dataflow 執行時間為 6 小時) |
Dataflow 資料、特徵轉換 | $471 美元 (Dataflow 執行時間為 6 小時) |
Vertex AI 訓練 | 17 小時 x $20 美元 + 3 小時 x $20 美元 + $41.5 美元 SSD 費用 + 管道容器費用 = $555 美元 (17 小時調整、3 小時訓練) |
Vertex AI Pipelines | 1 次執行 x $0.03 美元 = $0.03 美元 |
總計 | $1544.03 美元 |