AI 平台訓練提供可彈性調整的價格方案,能滿足各式各樣的專案和預算需求。我們會向您收取訓練模型的 AI 平台訓練費用,但您可以免費在雲端管理機器學習資源。
定價總覽
如要查看各個區域的 AI 平台訓練定價,請參考下方的摘要表格。
查看 AI 平台預測定價。
訓練工作定價
下表列出了各種訓練設定的「每小時費用」,以及每項設定所使用的「訓練單位」2 數量。訓練單位是用來衡量工作的資源使用量,而機器設定的每小時費率等於該設定所使用的訓練單位數量乘上該地區的訓練費用。
您可以選擇預先定義的資源調度層級,或是特定機器類型的自訂設定。如果選擇自訂設定,請加總您使用的所有虛擬機器費用。
支援加速器的舊版機器類型定價已包含加速器的費用。如果您使用 Compute Engine 機器類型,並另外加裝加速器,加速器的費用將另外計算。請在下方加速器表格中找出您使用的各種加速器類型,以該類型的價格乘上您使用的數量,應付費用即為各加速器類型的費用總和。
美洲
訓練工作的費用在所有提供這項功能的美洲區域是每小時每訓練單位 $0.49 美元。
預先定義的資源調度層級 - 每小時費用 (訓練單位數) | |
---|---|
BASIC
|
$0.1900 美元 (0.3878) |
STANDARD_1
|
$1.9880 美元 (4.0571) |
PREMIUM_1
|
$16.5536 美元 (33.7829) |
BASIC_GPU
|
$0.8300 美元 (1.6939) |
BASIC_TPU
|
$4.6900 美元 (9.5714) |
CUSTOM
|
若將資源調度層級設為「CUSTOM」,您就可以自行調整要用於訓練工作的虛擬機器數量和類型。詳情請參閱機器類型表格。 |
機器類型 - 每小時費用 (訓練單位數) | |
---|---|
n1-standard-4
|
$0.1900 美元 (0.3878) |
n1-standard-8
|
$0.3800 美元 (0.7755) |
n1-standard-16
|
$0.7600 美元 (1.5510) |
n1-standard-32
|
$1.5200 美元 (3.1020) |
n1-standard-64
|
$3.0400 美元 (6.2041) |
n1-standard-96
|
$4.5600 美元 (9.3061) |
n1-highmem-2
|
$0.1184 美元 (0.2416) |
n1-highmem-4
|
$0.2368 美元 (0.4833) |
n1-highmem-8
|
$0.4736 美元 (0.9665) |
n1-highmem-16
|
$0.9472 美元 (1.9331) |
n1-highmem-32
|
$1.8944 美元 (3.8661) |
n1-highmem-64
|
$3.7888 美元 (7.7322) |
n1-highmem-96
|
$5.6832 美元 (11.5984) |
n1-highcpu-16
|
$0.5672 美元 (1.1576) |
n1-highcpu-32
|
$1.1344 美元 (2.3151) |
n1-highcpu-64
|
$2.2688 美元 (4.6302) |
n1-highcpu-96
|
$3.4020 美元 (6.9429) |
a2-highgpu-1g (預先發布版) |
$0.7395 (1.5091) |
a2-highgpu-2g (預先發布版) |
$1.4790 (3.0183) |
a2-highgpu-4g (預先發布版) |
$2.9579 (6.0365) |
a2-highgpu-8g (預先發布版) |
$5.9158 (12.0731) |
a2-megagpu-16g (預先發布版) |
$8.7970 (17.9530) |
e2-standard-4
|
$0.1300 美元 (0.2735) |
e2-standard-8
|
$0.2700 美元 (0.5470) |
e2-standard-16
|
$0.5400 美元 (1.0940) |
e2-standard-32
|
$1.0700 美元 (2.1880) |
e2-highmem-2
|
$0.0900 美元 (0.1845) |
e2-highmem-4
|
$0.1800 美元 (0.3689) |
e2-highmem-8
|
$0.3600 美元 (0.7379) |
e2-highmem-16
|
$0.7200 美元 (1.4758) |
e2-highcpu-16
|
$0.4000 美元 (0.8076) |
e2-highcpu-32
|
$0.7900 美元 (1.6153) |
n2-standard-4
|
$0.1900 美元 (0.3964) |
n2-standard-8
|
$0.3900 美元 (0.7928) |
n2-standard-16
|
$0.7800 美元 (1.5856) |
n2-standard-32
|
$1.5500 美元 (3.1712) |
n2-standard-48
|
$2.3300 美元 (4.7568) |
n2-standard-64
|
$3.1100 美元 (6.3424) |
n2-standard-80
|
$3.8800 美元 (7.9280) |
n2-highmem-2
|
$0.1300 美元 (0.2674) |
n2-highmem-4
|
$0.2600 美元 (0.5348) |
n2-highmem-8
|
$0.5200 美元 (1.0695) |
n2-highmem-16
|
$1.0500 美元 (2.1390) |
n2-highmem-32
|
$2.1000 美元 (4.2780) |
n2-highmem-48
|
$3.1400 美元 (6.4170) |
n2-highmem-64
|
$4.1900 美元 (8.5560) |
n2-highmem-80
|
$5.2400 美元 (10.6950) |
n2-highcpu-16
|
$0.5700 美元 (1.1705) |
n2-highcpu-32
|
$1.1500 美元 (2.3411) |
n2-highcpu-48
|
$1.7200 美元 (3.5116) |
n2-highcpu-64
|
$2.2900 美元 (4.6822) |
n2-highcpu-80
|
$2.8700 美元 (5.8527) |
c2-standard-4
|
$0.2100 美元 (0.4260) |
c2-standard-8
|
$0.4200 美元 (0.8519) |
c2-standard-16
|
$0.8300 美元 (1.7038) |
c2-standard-30
|
$1.5700 美元 (3.1947) |
c2-standard-60
|
$3.1300 美元 (6.3894) |
cloud_tpu 6
|
$4.5000 美元 (9.1840);如果自行加裝加速器,則不適用此費率6 |
standard
|
$0.1900 美元 (0.3878) |
large_model
|
$0.4736 美元 (0.9665) |
complex_model_s
|
$0.2836 美元 (0.5788) |
complex_model_m
|
$0.5672 美元 (1.1576) |
complex_model_l
|
$1.1344 美元 (2.3151) |
standard_gpu
|
$0.8300 美元 (1.6939) |
complex_model_m_gpu
|
$2.5600 美元 (5.2245) |
complex_model_l_gpu
|
$3.3200 美元 (6.7755) |
standard_p100
|
$1.8400 美元 (3.7551) |
complex_model_m_p100
|
$6.6000 美元 (13.4694) |
standard_v100
|
$2.8600 美元 (5.8367) |
large_model_v100
|
$2.9536 美元 (6.0278) |
complex_model_m_v100
|
$10.6800 美元 (21.7959) |
complex_model_l_v100
|
$21.3600 美元 (43.5918) |
加速器 - 每小時費用 (訓練單位數) | |
---|---|
NVIDIA_TESLA_A100 (預先發布版) |
$3.1000 (6.3265) |
NVIDIA_TESLA_K80
|
$0.4500 美元 (0.9184) |
NVIDIA_TESLA_P4
|
$0.6000 美元 (1.2245) |
NVIDIA_TESLA_P100
|
$1.4600 美元 (2.9796) |
NVIDIA_TESLA_T4
|
$0.3500 美元 (0.7143) |
NVIDIA_TESLA_V100
|
$2.4800 美元 (5.0612) |
八顆 TPU_V2 核心6 |
$4.5000 美元 (9.1840) |
八顆 TPU_V3 核心6 (Beta 版) |
$8.0000 美元 (16.3264) |
磁碟 - 每小時每 GB 價格 (訓練單位)7 | |
---|---|
pd-standard
|
$0.0000667 美元 (0.0001) |
pd-ssd (預設)
|
$0.0002833 美元 (0.0006) |
歐洲
訓練工作的費用在所有提供這項功能的歐洲區域是每小時每訓練單位 $0.54 美元。
預先定義的資源調度層級 - 每小時費用 (訓練單位數) | |
---|---|
BASIC
|
$0.2200 美元 (0.4074) |
STANDARD_1
|
$2.3020 美元 (4.2630) |
PREMIUM_1
|
$19.1640 美元 (35.4889) |
BASIC_GPU
|
$0.9300 美元 (1.7222) |
BASIC_TPU
|
$5.4400 美元 (10.0741) |
CUSTOM
|
若將資源調度層級設為「CUSTOM」,您就可以自行調整要用於訓練工作的虛擬機器數量和類型。詳情請參閱機器類型表格。 |
機器類型 - 每小時費用 (訓練單位數) | |
---|---|
n1-standard-4
|
$0.2200 美元 (0.4074) |
n1-standard-8
|
$0.4400 美元 (0.8148) |
n1-standard-16
|
$0.8800 美元 (1.6296) |
n1-standard-32
|
$1.7600 美元 (3.2593) |
n1-standard-64
|
$3.5200 美元 (6.5185) |
n1-standard-96
|
$5.2800 美元 (9.7778) |
n1-highmem-2
|
$0.1370 美元 (0.2537) |
n1-highmem-4
|
$0.2740 美元 (0.5074) |
n1-highmem-8
|
$0.5480 美元 (1.0148) |
n1-highmem-16
|
$1.0960 美元 (2.0296) |
n1-highmem-32
|
$2.1920 美元 (4.0593) |
n1-highmem-64
|
$4.3840 美元 (8.1185) |
n1-highmem-96
|
$6.5760 美元 (12.1778) |
n1-highcpu-16
|
$0.6568 美元 (1.2163) |
n1-highcpu-32
|
$1.3136 美元 (2.4326) |
n1-highcpu-64
|
$2.6272 美元 (4.8652) |
n1-highcpu-96
|
$3.9408 美元 (7.2978) |
a2-highgpu-1g (預先發布版) |
$0.8141 (1.5075) |
a2-highgpu-2g (預先發布版) |
$1.6282 (3.0151) |
a2-highgpu-4g (預先發布版) |
$3.2563 (6.0301) |
a2-highgpu-8g (預先發布版) |
$6.5125 (12.0602) |
a2-megagpu-16g (預先發布版) |
$9.6840 (17.9334) |
cloud_tpu 6
|
$5.2200 美元 (9.6667);如果自行加裝加速器,則不適用此費率6 |
e2-standard-4
|
$0.1700 美元 (0.3061) |
e2-standard-8
|
$0.3300 美元 (0.6123) |
e2-standard-16
|
$0.6600 美元 (1.2246) |
e2-standard-32
|
$1.3200 美元 (2.4491) |
e2-highmem-2
|
$0.1100 美元 (0.2065) |
e2-highmem-4
|
$0.2200 美元 (0.4130) |
e2-highmem-8
|
$0.4500 美元 (0.8259) |
e2-highmem-16
|
$0.8900 美元 (1.6518) |
e2-highcpu-16
|
$0.4900 美元 (0.9041) |
e2-highcpu-32
|
$0.9800 美元 (1.8082) |
n2-standard-4
|
$0.2400 美元 (0.4437) |
n2-standard-8
|
$0.4800 美元 (0.8875) |
n2-standard-16
|
$0.9600 美元 (1.7749) |
n2-standard-32
|
$1.9200 美元 (3.5498) |
n2-standard-48
|
$2.8800 美元 (5.3247) |
n2-standard-64
|
$3.8300 美元 (7.0996) |
n2-standard-80
|
$4.7900 美元 (8.8754) |
n2-highmem-2
|
$0.1600 美元 (0.2993) |
n2-highmem-4
|
$0.3200 美元 (0.5986) |
n2-highmem-8
|
$0.6500 美元 (1.1971) |
n2-highmem-16
|
$1.2900 美元 (2.3943) |
n2-highmem-32
|
$2.5900 美元 (4.7886) |
n2-highmem-48
|
$3.8800 美元 (7.1828) |
n2-highmem-64
|
$5.1700 美元 (9.5771) |
n2-highmem-80
|
$6.4600 美元 (11.9714) |
n2-highcpu-16
|
$0.7100 美元 (1.3104) |
n2-highcpu-32
|
$1.4200 美元 (2.6207) |
n2-highcpu-48
|
$2.1200 美元 (3.9311) |
n2-highcpu-64
|
$2.8300 美元 (5.2415) |
n2-highcpu-80
|
$3.5400 美元 (6.5519) |
c2-standard-4
|
$0.2600 美元 (0.4770) |
c2-standard-8
|
$0.5200 美元 (0.9540) |
c2-standard-16
|
$1.0300 美元 (1.9080) |
c2-standard-30
|
$1.9300 美元 (3.5776) |
c2-standard-60
|
$3.8600 美元 (7.1551) |
standard
|
$0.2200 美元 (0.4074) |
large_model
|
$0.5480 美元 (1.0148) |
complex_model_s
|
$0.3284 美元 (0.6081) |
complex_model_m
|
$0.6568 美元 (1.2163) |
complex_model_l
|
$1.3136 美元 (2.4326) |
standard_gpu
|
$0.9300 美元 (1.7222) |
complex_model_m_gpu
|
$2.8400 美元 (5.2593) |
complex_model_l_gpu
|
$3.7200 美元 (6.8889) |
standard_p100
|
$2.0400 美元 (3.7778) |
complex_model_m_p100
|
$7.2800 美元 (13.4815) |
standard_v100
|
$2.9684 美元 (5.4970) |
large_model_v100
|
$3.0708 美元 (5.6867) |
complex_model_m_v100
|
$11.0368 美元 (20.4385) |
complex_model_l_v100
|
$22.0736 美元 (40.8770) |
加速器 - 每小時費用 (訓練單位數) | |
---|---|
NVIDIA_TESLA_A100 (預先發布版) |
$3.1000 (5.7407) |
NVIDIA_TESLA_K80
|
$0.4900 美元 (0.9074) |
NVIDIA_TESLA_P4
|
$0.6500 美元 (1.2037) |
NVIDIA_TESLA_P100
|
$1.6000 美元 (2.9630) |
NVIDIA_TESLA_T4
|
$0.3800 美元 (0.7037) |
NVIDIA_TESLA_V100
|
$2.5500 美元 (4.7222) |
八顆 TPU_V2 核心6 |
$5.2200 美元 (9.6664) |
八顆 TPU_V3 核心6 (Beta 版) |
$8.8000 美元 (16.2960) |
磁碟 - 每小時每 GB 價格 (訓練單位)7 | |
---|---|
pd-standard
|
$0.0000722 美元 (0.0001) |
pd-ssd (預設)
|
$0.0003194 美元 (0.0006) |
亞太地區
訓練工作的費用在所有提供這項功能的亞太區域是每小時每訓練單位 $0.54 美元。
預先定義的資源調度層級 - 每小時費用 (訓練單位數) | |
---|---|
BASIC
|
$0.2200 美元 (0.4074) |
STANDARD_1
|
$2.3020 美元 (4.2630) |
PREMIUM_1
|
$19.1640 美元 (35.4889) |
BASIC_GPU
|
$0.9300 美元 (1.7222) |
BASIC_TPU
|
(不適用) |
CUSTOM
|
若將資源調度層級設為「CUSTOM」,您就可以自行調整要用於訓練工作的虛擬機器數量和類型。詳情請參閱機器類型表格。 |
機器類型 - 每小時費用 (訓練單位數) | |
---|---|
n1-standard-4
|
$0.2200 美元 (0.4074) |
n1-standard-8
|
$0.4400 美元 (0.8148) |
n1-standard-16
|
$0.8800 美元 (1.6296) |
n1-standard-32
|
$1.7600 美元 (3.2593) |
n1-standard-64
|
$3.5200 美元 (6.5185) |
n1-standard-96
|
$5.2800 美元 (9.7778) |
n1-highmem-2
|
$0.1370 美元 (0.2537) |
n1-highmem-4
|
$0.2740 美元 (0.5074) |
n1-highmem-8
|
$0.5480 美元 (1.0148) |
n1-highmem-16
|
$1.0960 美元 (2.0296) |
n1-highmem-32
|
$2.1920 美元 (4.0593) |
n1-highmem-64
|
$4.3840 美元 (8.1185) |
n1-highmem-96
|
$6.5760 美元 (12.1778) |
n1-highcpu-16
|
$0.6568 美元 (1.2163) |
n1-highcpu-32
|
$1.3136 美元 (2.4326) |
n1-highcpu-64
|
$2.6272 美元 (4.8652) |
n1-highcpu-96
|
$3.9408 美元 (7.2978) |
a2-highgpu-1g (預先發布版) |
$0.8141 (1.5075) |
a2-highgpu-2g (預先發布版) |
$1.6282 (3.0151) |
a2-highgpu-4g (預先發布版) |
$3.2563 (6.0301) |
a2-highgpu-8g (預先發布版) |
$6.5125 (12.0602) |
a2-megagpu-16g (預先發布版) |
$9.6840 (17.9334) |
e2-standard-4
|
$0.1700 美元 (0.3061) |
e2-standard-8
|
$0.3300 美元 (0.6123) |
e2-standard-16
|
$0.6600 美元 (1.2246) |
e2-standard-32
|
$1.3200 美元 (2.4491) |
e2-highmem-2
|
$0.1100 美元 (0.2065) |
e2-highmem-4
|
$0.2200 美元 (0.4130) |
e2-highmem-8
|
$0.4500 美元 (0.8259) |
e2-highmem-16
|
$0.8900 美元 (1.6518) |
e2-highcpu-16
|
$0.4900 美元 (0.9041) |
e2-highcpu-32
|
$0.9800 美元 (1.8082) |
n2-standard-4
|
$0.2400 美元 (0.4437) |
n2-standard-8
|
$0.4800 美元 (0.8875) |
n2-standard-16
|
$0.9600 美元 (1.7749) |
n2-standard-32
|
$1.9200 美元 (3.5498) |
n2-standard-48
|
$2.8800 美元 (5.3247) |
n2-standard-64
|
$3.8300 美元 (7.0996) |
n2-standard-80
|
$4.7900 美元 (8.8754) |
n2-highmem-2
|
$0.1600 美元 (0.2993) |
n2-highmem-4
|
$0.3200 美元 (0.5986) |
n2-highmem-8
|
$0.6500 美元 (1.1971) |
n2-highmem-16
|
$1.2900 美元 (2.3943) |
n2-highmem-32
|
$2.5900 美元 (4.7886) |
n2-highmem-48
|
$3.8800 美元 (7.1828) |
n2-highmem-64
|
$5.1700 美元 (9.5771) |
n2-highmem-80
|
$6.4600 美元 (11.9714) |
n2-highcpu-16
|
$0.7100 美元 (1.3104) |
n2-highcpu-32
|
$1.4200 美元 (2.6207) |
n2-highcpu-48
|
$2.1200 美元 (3.9311) |
n2-highcpu-64
|
$2.8300 美元 (5.2415) |
n2-highcpu-80
|
$3.5400 美元 (6.5519) |
c2-standard-4
|
$0.2600 美元 (0.4770) |
c2-standard-8
|
$0.5200 美元 (0.9540) |
c2-standard-16
|
$1.0300 美元 (1.9080) |
c2-standard-30
|
$1.9300 美元 (3.5776) |
c2-standard-60
|
$3.8600 美元 (7.1551) |
cloud_tpu 6
|
(不適用) |
standard
|
$0.2200 美元 (0.4074) |
large_model
|
$0.5480 美元 (1.0148) |
complex_model_s
|
$0.3284 美元 (0.6081) |
complex_model_m
|
$0.6568 美元 (1.2163) |
complex_model_l
|
$1.3136 美元 (2.4326) |
standard_gpu
|
$0.9300 美元 (1.7222) |
complex_model_m_gpu
|
$2.8400 美元 (5.2593) |
complex_model_l_gpu
|
$3.7200 美元 (6.8889) |
standard_p100
|
$2.0400 美元 (3.7778) |
complex_model_m_p100
|
$7.2800 美元 (13.4815) |
standard_v100
|
$2.9684 美元 (5.4970) |
large_model_v100
|
$3.0708 美元 (5.6867) |
complex_model_m_v100
|
$11.0368 美元 (20.4385) |
complex_model_l_v100
|
$22.0736 美元 (40.8770) |
加速器 - 每小時費用 (訓練單位數) | |
---|---|
NVIDIA_TESLA_A100 (預先發布版) |
$3.1000 (5.7407) |
NVIDIA_TESLA_K80
|
$0.4900 美元 (0.9074) |
NVIDIA_TESLA_P4
|
$0.6500 美元 (1.2037) |
NVIDIA_TESLA_P100
|
$1.6000 美元 (2.9630) |
NVIDIA_TESLA_T4
|
$0.3900 美元 (0.7222) |
NVIDIA_TESLA_V100
|
$2.5500 美元 (4.7222) |
八顆 TPU_V2 核心6 |
(不適用) |
八顆 TPU_V3 核心6 (Beta 版) |
(不適用) |
磁碟 - 每小時每 GB 價格 (訓練單位)7 | |
---|---|
pd-standard
|
$0.0000722 美元 (0.0001) |
pd-ssd (預設)
|
$0.0003194 美元 (0.0006) |
注意事項:
- 所有使用情形均須符合 AI 平台訓練配額政策的規定。
- 請注意,本頁面使用的「訓練單位」和「工作詳細資料」頁面上顯示的「已使用的機器學習單位」不同。作業時間已計入「已使用的機器學習單位」。詳情請參閱下方說明。
- 在 AI 平台訓練的生命週期內,您必須將資料和程式檔案儲存在 Google Cloud Storage 值區中。詳情請參閱 Cloud Storage 使用說明。
- 如想瞭解以用量為基準的折扣,請聯絡銷售團隊。
- 如果您使用美元以外的貨幣付費,系統將按照 Cloud Platform SKU 頁面上列出的對應貨幣價格計費。
即使您未自行將加速器加裝至設定中的機器,根據預設,
cloud_tpu
機器類型目前會提供搭載 8 核心的 TPU v2 裝置。在這種情況下,您必須支付機器類型表格中列出的cloud_tpu
價格。如果您自行將 TPU v2 或 TPU v3 加速器加裝至設定中的
cloud_tpu
機器類型,則不必支付cloud_tpu
機器類型本身的費用,而是必須支付TPU_V2
或TPU_V3
加速器的加裝費用。- 只有在每個 VM 的磁碟大小設為超過 100 GB 時,系統才會收取磁碟費用。每個 VM 磁碟的前 100 GB (預設磁碟大小) 不收費。舉例來說,如果您將每個 VM 的磁碟大小設為 105 GB,系統會針對每個 VM 向您收取 5 GB 的磁碟費用。
Pricing Calculator
您可以使用 Pricing Calculator 來估算訓練和預測工作的費用。
關於訓練費用的詳細說明
在雲端環境訓練模型的計費方式如下:
- 以分鐘為計費單位。
- 按照上方表格中所列價格來計算每小時費用 (每小時費用是依據基本價格和訓練單位數計算而得,並視您開始執行訓練工作時選用的處理設定而定)。
- 每項訓練工作最低以 10 分鐘計費。
- 計費時間從系統為訓練工作提供資源時開始,直到工作完成為止。
預先定義設定的資源調度層級
您可以控管訓練模型時要使用的處理叢集類型。最簡單的方法是選擇其中一個預先定義的設定 (稱為「資源調度層級」)。進一步瞭解資源調度層級。
自訂設定的機器類型
若將資源調度層級設為「CUSTOM
」,您就可以自行調整要用來處理叢集主要執行個體、工作站和參數伺服器的虛擬機器數量和類型。進一步瞭解機器類型。
如果使用自訂處理叢集進行訓練,費用即為您指定的所有機器費用總和。系統會根據工作的總作業時間向您收取費用,而不是以個別機器的有效處理時間計費。
示例:根據訓練單位計算訓練費用
您可以使用「訓練單位」來計算訓練工作的費用,公式如下:
(training units * base price / 60) * job duration in minutes
示例:
位在美洲區域的數據資料學家在執行訓練工作時,選擇了使用 4.0571 個訓練單位的
STANDARD_1
資源調度層級,作業時間為 15 分鐘,計算公式如下:(4.0571 training units * $0.49 per hour / 60) * 15 minutes
因此,這項工作的總費用為 $0.50 美元。
位在美洲區域的電腦科學教授使用
CUSTOM
資源調度層級來執行訓練工作。他們需要訓練的模型十分龐大,因此想採用大型模型 VM 來執行參數伺服器。他們為處理叢集選用了以下設定:- 選用
complex_model_s
機器執行主要執行個體 (0.5788 個訓練單位)。 - 5 部在
large_model
VM 上執行的參數伺服器 (5 @ 0.9665 = 4.8325 個訓練單位)。 - 8 個在
complex_model_s
VM 上執行的工作站 (8 @ 0.5788 = 4.6304 個訓練單位)。
作業時間為 2 小時 26 分鐘,計算公式如下:
(10.0417 training units * $0.49 per hour / 60) * 146 minutes
因此,這項工作的總費用為 $11.97 美元。
- 選用
示例:根據每小時費率計算訓練費用
除了訓練單位之外,您也可以使用上方表格所列的每小時價格來計算費用。公式如下:
(Price per hour / 60) * job duration in minutes
示例:
位在美洲區域的數據資料學家在執行訓練工作時,選擇了
STANDARD_1
資源調度層級,作業時間為 15 分鐘,計算公式如下:($1.9880 per hour / 60) * 15 minutes
因此,這項工作的總費用為 $0.50 美元。
位在美洲區域的電腦科學教授使用
CUSTOM
資源調度層級來執行訓練工作。他們需要訓練的模型十分龐大,因此想採用大型模型 VM 來執行參數伺服器。他們為處理叢集選用了以下設定:- 選用
complex_model_s
機器執行主要執行個體 ($0.2836 美元)。 - 5 部在
large_model
VM 上執行的參數伺服器 (5 @ $0.4736 美元 = $2.3680 美元)。 - 8 個在
complex_model_s
VM 上執行的工作站 (8 @ $0.2836 美元 = $2.2688 美元)。
作業時間為 2 小時 26 分鐘,計算公式如下:
(($0.2836 + $2.368 + $2.2688) per hour / 60) * 146 minutes
因此,這項工作的總費用為 $11.97 美元。
- 選用
示例:根據「已使用的機器學習單位」計算訓練費用
「工作詳細資料」頁面上顯示的「已使用的機器學習單位」即為計入作業時間後的訓練單位。如要以「已使用的機器學習單位」來計算費用,請使用下列公式:
Consumed ML units * $0.49
示例:
位於美洲區域的數據資料學家執行了一項訓練工作。在「工作詳細資料」頁面中,「已使用的機器學習單位」欄位顯示為 55.75 個單位。計算公式如下:
55.75 consumed ML units * $0.49
因此,這項工作的總費用為 $27.32 美元。
如要查看您的「工作詳細資料」頁面,請前往工作清單,並按一下特定工作的連結。
必須使用 Cloud Storage
除了本文所述的費用外,在 AI 平台訓練的生命週期內,您還必須將資料和程式檔案儲存在 Cloud Storage 值區中。儲存上述項目時,您必須遵守《Cloud Storage 定價政策》的規定。
在下列情況下,您必須使用 Cloud Storage:
暫存訓練應用程式套件。
儲存訓練輸入資料。
儲存訓練工作的輸出資料。AI 平台訓練不會要求您長期儲存這些資料,因此您可以在作業完成後移除這些檔案。
免費的資源管理操作功能
您可以免費使用 AI 平台訓練提供的資源管理操作功能。不過請注意,AI 平台訓練配額政策對部分操作項目設有限制。
資源 | 免費操作項目 |
---|---|
工作 | get、list、cancel |
作業 | get、list、cancel、delete |