使用 Tabular Workflow 訓練模型時,系統會根據基礎架構和相關服務的費用向您收費。使用這個模型進行推論時,系統會根據基礎架構成本向您收費。
基礎架構的費用取決於下列因素:
Tabular Workflows 會在您的專案中執行多項相依服務,包括 Dataflow、BigQuery、Cloud Storage、Gemini Enterprise Agent Platform Pipelines 和 Agent Platform Training。這些服務會直接向你收費。
訓練費用計算範例
範例 1:110 MB 的 CSV 格式資料集,使用預設硬體設定訓練一小時。
使用 Architecture Search 和 Training 的預設工作流程,費用明細如下:
服務 | 費用 |
|---|---|
Dataflow 範例和統計資料生成 | $2 (Dataflow 執行 7 分鐘) |
Dataflow 資料和特徵轉換 | $3 (Dataflow 執行 10 分鐘) |
Agent Platform Training | 0.8 小時 x $20 + 0.2 小時 x $20 + $3.3 SSD 費用 + pipeline container 費用 = $24 (48 分鐘調整、12 分鐘訓練) |
Agent Platform Pipelines | 1 次執行 x $0.03 = $0.03 |
總計 (不含模型蒸餾) | $27.03 |
您也可以選擇啟用模型蒸餾,縮減產生的模型大小。費用細目如下:
服務 | 費用 |
|---|---|
總計 (不含模型蒸餾) | $27.03 |
Agent Platform 模型蒸餾訓練 | $1 美元 |
Dataflow 資料、模型蒸餾的特徵轉換 | $3 (Dataflow 執行 10 分鐘) |
模型蒸餾的批次推論 | $7 美元 |
總計 (含模型精煉) | $38.03 |
範例 2:BigQuery 中 1.84 TB 的資料集,使用硬體覆寫功能訓練 20 小時。
本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 Architecture Search 和 Training 的預設工作流程,費用明細如下:
服務 | 費用 |
|---|---|
Dataflow 範例和統計資料生成 | $518 (Dataflow 執行 6 小時) |
Dataflow 資料、特徵轉換 | $471 美元 (Dataflow 執行 6 小時) |
Agent Platform Training | 17 小時 x $20 美元 + 3 小時 x $20 美元 + $41.5 美元 SSD 費用 + pipeline container 費用 = $555 美元 (17 小時調整,3 小時訓練) |
Agent Platform Pipelines | 1 次執行 x $0.03 = $0.03 |
總計 | $1544.03 |