料金

Cloud Machine Learning Engine には、プロジェクトや予算に合わせて選べるさまざまな料金オプションが用意されています。Cloud ML Engine では、モデルのトレーニングや予測の実行に対して料金が発生します。ただし、クラウド内の機械学習リソースの管理は無料で行うことができます。

料金の概要

次の表は、トレーニング、バッチ予測、オンライン予測のリージョン別の料金をまとめたものです。

米国

トレーニング(米国)

トレーニング ジョブの料金は 1 トレーニング ユニット2 につき 1 時間あたり $0.49 です。トレーニング ユニットの数は、ジョブの実行に選択したマシン構成によって決まります。事前定義されたスケール階層、または特定のマシンタイプのカスタム構成を選択できます。詳細については、以下の各表を参照してください。

事前定義のスケール階層 - トレーニング ユニットごとの 1 時間あたりの料金
BASIC

$0.2774(0.5661)

STANDARD_1

$2.9025(5.9234)

PREMIUM_1

$24.1683(49.323)

BASIC_GPU

$1.2118(2.4731)

BASIC_TPU(ベータ版)

$6.8474(13.9743)

CUSTOM

スケール階層として CUSTOM を選択した場合、トレーニング ジョブに使用する仮想マシンの数やタイプを調整できます。マシンタイプについては、表を参照してください。

マシンタイプ - トレーニング ユニットごとの 1 時間あたりの料金
standard

$0.2774(0.5661)

large_model

$0.6915(1.4111)

complex_model_s

$0.4141(0.845)

complex_model_m

$0.8281(1.69)

complex_model_l

$1.6562(3.38)

standard_gpu

$1.2118(2.4731)

complex_model_m_gpu

$3.7376(7.6278)

complex_model_l_gpu

$7.4752(15.2555)

standard_p100

$2.6864(5.4824)

complex_model_m_p100

$9.636(19.6653)

standard_v100(ベータ版)

$4.1756(8.5216)

large_model_v100(ベータ版)

$4.3123(8.8005)

complex_model_m_v100(ベータ版)

$15.5928(31.8220)

complex_model_l_v100(ベータ版)

$31.1856(63.6441)

cloud_tpu(ベータ版)

$6.5700(13.4082)

バッチ予測(米国) ノード時間3 あたり $0.09262
オンライン予測(米国) ノード時間3 あたり $0.056

ヨーロッパ

トレーニング(ヨーロッパ)

トレーニング ジョブの料金は 1 トレーニング ユニット2 につき 1 時間あたり $0.54 です。トレーニング ユニットの数は、ジョブの実行に選択したマシン構成によって決まります。事前定義されたスケール階層、または特定のマシンタイプのカスタム構成を選択できます。詳細については、以下の各表を参照してください。

事前定義のスケール階層 - トレーニング ユニットごとの 1 時間あたりの料金
BASIC

$0.3212(0.5948)

STANDARD_1

$3.3609(6.2239)

PREMIUM_1

$27.9794(51.8138)

BASIC_GPU

$1.3578(2.5144)

BASIC_TPU(ベータ版)

(使用できません)

CUSTOM

スケール階層として CUSTOM を選択した場合、トレーニング ジョブに使用する仮想マシンの数やタイプを調整できます。マシンタイプについては、表を参照してください。

マシンタイプ - トレーニング ユニットごとの 1 時間あたりの料金
standard

$0.3212(0.5948)

large_model

$0.8001(1.4816)

complex_model_s

$0.4795(0.8879)

complex_model_m

$0.9589(1.7758)

complex_model_l

$1.9179(3.5516)

standard_gpu

$1.3578(2.5144)

complex_model_m_gpu

$4.1464(7.6785)

complex_model_l_gpu

$8.2928(15.357)

standard_p100

$2.9784(5.5156)

complex_model_m_p100

$10.6288(19.6830)

standard_v100(ベータ版)

$4.3339(8.0257)

large_model_v100(ベータ版)

$4.4834(8.3025)

complex_model_m_v100(ベータ版)

$16.1137(29.8402)

complex_model_l_v100(ベータ版)

$32.2275(59.6805)

cloud_tpu(ベータ版)

(使用できません)

バッチ予測(ヨーロッパ) ノード時間3 あたり $0.10744
オンライン予測(ヨーロッパ) ノード時間3 あたり $0.061

アジア太平洋

トレーニング(アジア太平洋)

トレーニング ジョブの料金は 1 トレーニング ユニット2 につき 1 時間あたり $0.54 です。トレーニング ユニットの数は、ジョブの実行に選択したマシン構成によって決まります。事前定義されたスケール階層、または特定のマシンタイプのカスタム構成を選択できます。詳細については、以下の各表を参照してください。

事前定義のスケール階層 - トレーニング ユニットごとの 1 時間あたりの料金
BASIC

$0.3212(0.5948)

STANDARD_1

$3.3609(6.2239)

PREMIUM_1

$27.9794(51.8138)

BASIC_GPU

$1.3578(2.5144)

BASIC_TPU(ベータ版)

(使用できません)

CUSTOM

スケール階層として CUSTOM を選択した場合、トレーニング ジョブに使用する仮想マシンの数やタイプを調整できます。マシンタイプについては、表を参照してください。

マシンタイプ - トレーニング ユニットごとの 1 時間あたりの料金
standard

$0.3212(0.5948)

large_model

$0.8001(1.4816)

complex_model_s

$0.4795(0.8879)

complex_model_m

$0.9589(1.7758)

complex_model_l

$1.9179(3.5516)

standard_gpu

$1.3578(2.5144)

complex_model_m_gpu

$4.1464(7.6785)

complex_model_l_gpu

$8.2928(15.357)

standard_p100

$2.9784(5.5156)

complex_model_m_p100

$10.6288(19.6830)

standard_v100(ベータ版)

$4.3339(8.0257)

large_model_v100(ベータ版)

$4.4834(8.3025)

complex_model_m_v100(ベータ版)

$16.1137(29.8402)

complex_model_l_v100(ベータ版)

$32.2275(59.6805)

cloud_tpu(ベータ版)

(使用できません)

バッチ予測(アジア太平洋) ノード時間3 あたり $0.10744
オンライン予測(アジア太平洋) ノード時間3 あたり $0.071

注:

  1. 利用はすべて Cloud ML Engine の割り当てポリシーの対象となります。
  2. このページで使用される「トレーニング ユニット」は、[ジョブの詳細] ページに表示される [消費した ML ユニット] とは異なります。「消費した ML ユニット」には継続時間がすでに考慮されています。詳しくは下記をご覧ください。
  3. ノード時間は、仮想マシンで予測ジョブを実行した時間を表します。詳細については、ノード時間をご覧ください。
  4. Cloud ML Engine のライフサイクル中は、データとプログラムのファイルを Google Cloud Storage のバケットに保存する必要があります。詳しくは、Cloud Storage の使用方法をご覧ください。
  5. ボリューム ベースの割引については、セールスチームにお問い合わせください。
  6. 米ドル以外の通貨でお支払いの場合は、Cloud Platform SKU に記載されている該当通貨の料金が適用されます。

料金計算ツール

料金計算ツールを使用して、トレーニングと予測の料金を見積もることができます。

トレーニング料金の詳細

クラウドでモデルをトレーニングする際の料金は以下に基づいて計算されます。

  • 1 分単位で課金。
  • 上の表に示す 1 時間あたりの料金に基づく。1 時間あたりの料金は基本料金とトレーニング ユニット数で計算され、トレーニング ユニット数はトレーニング ジョブの開始時に選択した処理構成によって決まる。
  • トレーニング ジョブの最短時間は 10 分。
  • ジョブにリソースがプロビジョニングされたときからジョブが完了するまで。

事前定義された構成のスケール階層

ユーザーは、モデルをトレーニングする際に使用する処理クラスタのタイプを調整できます。簡単な方法として、「スケール階層」という事前に定義された構成の中から 1 つを選択することもできます。詳細については、スケール階層をご覧ください。

カスタム構成のマシンタイプ

スケール階層として CUSTOM を選択した場合、クラスタのマスター、ワーカー、パラメータ サーバーとして使用する仮想マシンの数やタイプを調整できます。詳細については、マシンタイプをご覧ください。

カスタム処理クラスタを使用したトレーニングの料金は、指定した全マシンの合計になります。個々のマシンのアクティブな処理時間ではなくジョブの合計時間に対して課金されます。

例: トレーニング ユニットを使用してトレーニング料金を計算する

トレーニング ユニットを使用してトレーニング ジョブの料金を計算するには、次の式を使用します。

(training units * base price / 60) * job duration in minutes

例:

  • 米国に住むデータ サイエンティストが、STANDARD_1 スケール階層を選択して、トレーニング ジョブを実行したとします。このスケール階層は 5.9234 のトレーニング ユニットを使用します。このジョブに 15 分かかりました。

    (5.9234 training units * $0.49 per hour / 60) * 15 minutes
    

    このジョブの料金は、総額 $0.73 になります。

  • 米国に住むコンピュータ科学者が、CUSTOM スケール階層を使用して、トレーニング ジョブを実行したとします。モデルが非常に大きいため、大規模モデルの VM をパラメータ サーバーとして利用したいと考えています。そこで、処理クラスタを次のように構成しました。

    • マスターに complex_model_s マシン(0.845 トレーニング ユニット)
    • large_model VM を利用した 5 台のパラメータ サーバー(1.4111 × 5 = 7.0555 トレーニング ユニット)
    • complex_model_s VM を利用した 8 台のワーカー(0.845 × 8 = 6.76 トレーニング ユニット)

    そして、ジョブを 2 時間 26 分実行しました。

    (14.6605 training units * $0.49 per hour / 60) * 146 minutes
    

    このジョブの料金は、総額 $17.48 になります。

例: 1 時間あたりの料金を使用してトレーニング料金を計算する

トレーニング ユニットの代わりに、上の表に示す 1 時間あたりの料金を使用できます。式は次のとおりです。

(Price per hour / 60) * job duration in minutes

例:

  • 米国に住むデータ サイエンティストが、STANDARD_1 スケール階層を選択して、トレーニング ジョブを実行したとします。このジョブに 15 分かかりました。

    ($2.9025 per hour / 60) * 15 minutes
    

    このジョブの料金は、総額 $0.73 になります。

  • 米国に住むコンピュータ科学者が、CUSTOM スケール階層を使用して、トレーニング ジョブを実行したとします。モデルが非常に大きいため、大規模モデルの VM をパラメータ サーバーとして利用したいと考えています。そこで、処理クラスタを次のように構成しました。

    • マスターに complex_model_s マシン($0.4141)
    • large_model VM を利用した 5 台のパラメータ サーバー($0.6915 × 5 = $3.4575)
    • complex_model_s VM を利用した 8 台のワーカー($0.4141 × 8 = $3.3128)

    そして、ジョブを 2 時間 26 分実行しました。

    (($0.41406 + $3.4573 + $3.31248) per hour / 60) * 146 minutes
    

    このジョブの料金は、総額 $17.48 になります。

例: 「消費した ML ユニット」を使用してトレーニング料金を計算する

[ジョブの詳細] ページに表示される [消費した ML ユニット](消費した機械学習ユニット)は、ジョブの継続時間を考慮したトレーニング ユニット数に相当します。「消費した ML ユニット」を計算に使用する場合は、次の式を使用します。

Consumed ML units * $0.49

例:

  • 米国に住むデータ サイエンティストが、トレーニング ジョブを実行したとします。[ジョブの詳細] ページの [消費した ML ユニット] フィールドに「55.75」と表示されています。計算は次のとおりです。

    55.75 consumed ML units * $0.49
    

    このジョブの料金は、総額 $27.32 になります。

[ジョブの詳細] ページを開くには、ジョブリストに移動し、特定のジョブのリンクをクリックします。

予測料金の詳細

予測料金は、Cloud ML Engine がホストするトレーニング モデル バージョンに対するリクエストに適用されます。

以下の料金がかかります。

  • 予測を実行する際に処理クラスタの各ノードを使用した時間に応じた料金。
  • 1 分単位で課金。
  • 上の表に示すノード時間あたりの料金に基づく。
  • 予測ジョブの最短時間は 10 分。

ノード時間

Cloud ML Engine が予測用モデルの実行に使用するオンライン処理リソースを「ノード」といいます。ノードは仮想マシンと考えることができます。Cloud ML Engine では、オンライン予測とバッチ予測の処理に対応するため、使用するノード数がスケーリングされます。

ノードでモデルを実行した時間に対して料金が発生します。以下が課金対象の時間となります。

  • バッチ予測ジョブの処理時間
  • オンライン予測リクエストの処理時間
  • モデルがオンライン予測の準備状態になっている時間

バッチ予測の場合:

  • スケーリングでは、ジョブの合計経過時間を短縮することが優先されます。
  • スケーリングが行われた場合、新しいノードに関連するオーバーヘッドが若干発生しますが、ジョブの料金にはほとんど影響しません。
  • バッチ予測ジョブに使用するノードの最大数を設定し、モデルのデプロイ時に実行を続けるノード数を設定することで、スケーリングに影響を与えることができます。

オンライン予測の場合:

  • スケーリングでは、個々のリクエストのレイテンシを短縮することが優先されます。
  • このサービスでは、リクエストへの対応後、数分間、モデルが待機状態に維持されます。
  • スケーリングは毎月の合計料金に影響します。リクエストの数や頻度が増えるほど、使用されるノード数も多くなります。
  • トラフィック量に応じてサービスがスケーリングを行うようにするか(自動スケーリング)、レイテンシを回避するために、継続して実行されるノード数を設定できます。
  • 自動スケーリングを選択した場合、ノード数は自動的にスケーリングされ、トラフィックがない期間はゼロにスケールダウンされます。
  • 自動スケーリングではなくノード数を指定する場合、デプロイから始まり、モデル バージョンを削除するまで、ノードが実行されているすべての時間が課金対象になります。

オンライン予測では、GPU やその他のアクセラレータを持たないシングルコアのマシンが使用されることに注意してください。

詳細は、ノードの割り当てとスケーリングをご覧ください。

予測の計算の例

1 か月間の予測料金を計算するには、次の式を使用します。

(Price per hour / 60) * job duration in node minutes

例:

  • 米国の不動産会社が、営業対象地域の住宅価値の週次予測を実行したとします。1 か月間で 4 週のバッチ予測(3920427738493961)を実行しました。予測の処理には平均で 0.72 ノード秒かかりました。

    そして、処理時間に基づく料金がジョブごとに発生します(この例では平均値を使用していますが、実際には各ジョブの本当の値を使用して料金を計算します)。

    3920 * 0.72 = 47.04 minutes
    4277 * 0.72 = 51.324 minutes
    3849 * 0.72 = 46.188 minutes
    3961 * 0.72 = 47.532 minutes
    

    どのジョブも 10 分を超えているため、最低料金の基準は上回っています。したがって、そのまま処理時間 1 分ごとに課金されます。

    ($0.09262 / 60) * 48 = $0.0741
    ($0.09262 / 60) * 52 = $0.08027
    ($0.09262 / 60) * 47 = $0.07255
    ($0.09262 / 60) * 48 = $0.0741
    

    1 か月の総額は $0.30 になります。

例に示す分数は、実際の経過時間に対応していません。バッチ予測とオンライン予測はいずれの場合も、データの処理に 1 台以上のマシンが使用されます。したがって、実際の経過時間は通常、ノード時間またはノード分で表される時間よりも短くなります。

Google Cloud Storage の利用

このドキュメントに記載されている費用のほかに、Cloud ML Engine のライフサイクルの間、データやプログラム ファイルを Google Cloud Storage バケットに保存する必要があります。このストレージは、Cloud Storage 料金ポリシーの対象になります。

次の場面で Cloud Storage の利用が必須となります。

  • トレーニング アプリケーション パッケージをステージングする。

  • トレーニングの入力データを保存する。

  • モデル バージョンのデプロイ準備ができたら、モデルファイルをステージングする。

  • バッチ予測で使用する入力データを保存する。

  • バッチ予測ジョブの出力を保存する。Cloud ML Engine の場合、こうした出力を長期間保存する必要はありません。オペレーションが完了したら、すぐにファイルを削除できます。

  • トレーニング ジョブの出力を保存する。Cloud ML Engine の場合、こうした出力を長期間保存する必要はありません。オペレーションが完了したら、すぐにファイルを削除できます。

リソースを管理する無料のオペレーション

Cloud ML Engine が提供するリソース管理オペレーションは、無料で利用できます。ただし、Cloud ML Engine 割り当てポリシーにより、オペレーションの一部が制限されることがあります。

リソース 無料のオペレーション
モデル create、get、list、delete
バージョン create、get、list、delete、setDefault
ジョブ get、list、cancel
オペレーション get、list、cancel、delete

次のステップ

このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

Cloud Machine Learning Engine(Cloud ML Engine)