定價

Cloud Machine Learning Engine 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。當您使用模型訓練和預測服務時,Cloud ML Engine 會向您收取相關費用。不過,您可以免費在雲端環境中管理機器學習資源。

定價總覽

如要瞭解各地區使用 Cloud ML Engine 進行訓練和預測工作的費用,請參考下方的摘要表格。

訓練工作定價

下表列出了各種訓練設定的「每小時費率」,以及每個設定所使用的「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是以該機器設定所使用的訓練單位數量乘上該地區的訓練費用來計算。

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 Cloud ML Engine 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。如要計算費用,請在下方加速器表格中找出您所使用的各種加速器類型,以該類型的價格乘上您所使用的數量,再加總即可。

美洲

訓練工作的費用在所有提供這項功能的美洲地區是每小時每訓練單位 $0.49 美元。

預先定義的資源調度層級 - 每小時費率 (訓練單位)
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「自訂」,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。
Cloud ML Engine 機器類型 - 每小時費率 (訓練單位)
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)
cloud_tpu6 $4.5000 美元 (9.1840) 如果自行加裝加速器,則沒有這項費用6
Compute Engine 機器類型 (Beta 版) - 每小時費率 (訓練單位)
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)
加速器 - 每小時費率 (訓練單位)
NVIDIA_TESLA_K80 $0.4500 美元 (0.9184)
NVIDIA_TESLA_P4 (Beta 版) $0.6000 美元 (1.2245)
NVIDIA_TESLA_P100 $1.4600 美元 (2.9796)
NVIDIA_TESLA_V100 $2.4800 美元 (5.0612)
八顆 TPU_V2 核心6 $4.5000 美元 (9.1840)

歐洲

訓練工作的費用在所有提供這項功能的歐洲地區是每小時每訓練單位 $0.54 美元。

預先定義的資源調度層級 - 每小時費率 (訓練單位)
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「自訂」,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。
Cloud ML Engine 機器類型 - 每小時費率 (訓練單位)
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)
cloud_tpu6 (不適用)
Compute Engine 機器類型 (Beta 版) - 每小時費率 (訓練單位)
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)
加速器 - 每小時費率 (訓練單位)
NVIDIA_TESLA_K80 $0.4900 美元 (0.9074)
NVIDIA_TESLA_P4 (Beta 版) $0.6500 美元 (1.2037)
NVIDIA_TESLA_P100 $1.6000 美元 (2.9630)
NVIDIA_TESLA_V100 $2.5500 美元 (4.7222)
八顆 TPU_V2 核心6 (不適用)

亞太地區

訓練工作的費用在所有提供這項功能的亞太地區是每小時每訓練單位 $0.54 美元。

預先定義的資源調度層級 - 每小時費率 (訓練單位)
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「自訂」,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。
Cloud ML Engine 機器類型 - 每小時費率 (訓練單位)
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)
cloud_tpu6 (不適用)
Compute Engine 機器類型 (Beta 版) - 每小時費率 (訓練單位)
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)
加速器 - 每小時費率 (訓練單位)
NVIDIA_TESLA_K80 $0.4900 美元 (0.9074)
NVIDIA_TESLA_P4 (Beta 版) (不適用)
NVIDIA_TESLA_P100 $1.6000 美元 (2.9630)
NVIDIA_TESLA_V100 $2.5500 美元 (4.7222)
八顆 TPU_V2 核心6 (不適用)

預測工作定價

這份表格列出了批次預測和線上預測的「節點時數」單位價格。「節點時數」代表預測工作在虛擬機器上的執行時間。進一步瞭解節點時數

美洲

預測 - 每節點時數價格
批次預測 $0.0791 美元
線上預測
機器類型 - 每節點時數價格
mls1-c1-m2 (預設)

$0.0401 美元

mls1-c4-m2 (Beta 版)

$0.1349 美元

歐洲

預測 - 每節點時數價格
批次預測 $0.0861 美元
線上預測
機器類型 - 每節點時數價格
mls1-c1-m2 (預設)

$0.0441 美元

mls1-c4-m2 (Beta 版)

$0.1484 美元

亞太地區

預測 - 每節點時數價格
批次預測 $0.0861 美元
線上預測
機器類型 - 每節點時數價格
mls1-c1-m2 (預設)

$0.0515 美元

mls1-c4-m2 (Beta 版)

$0.1733 美元

附註:

  1. 所有使用情形皆須符合 Cloud ML Engine 配額政策的規定。
  2. 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 ML 單位」不同。作業時間已計入「已使用的 ML 單位」。詳情請參閱下方說明
  3. 在 Cloud ML Engine 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
  4. 如要瞭解適用於大量處理作業的折扣方案,請與銷售小組聯絡
  5. 如果您使用美元以外的貨幣付費,系統將按照 Cloud Platform SKU 頁面上列出的相應貨幣價格來計費。
  6. cloud_tpu 機器類型目前提供搭載 8 個核心的 TPU v2 裝置,不論您是否自行為您設定的機器加裝加速器,適用的費率均相同。

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

當您在雲端環境中進行模型訓練時,系統會依照下列計費方式向您收取費用:

  • 以分鐘為計費單位。
  • 以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量計算而得,並須視您開始執行訓練工作時選用的處理設定而定)。
  • 每項訓練工作至少須執行 10 分鐘。
  • 系統為訓練工作提供資源時即開始計費,工作結束後則停止計費。

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。

範例: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

範例:

  • 位在美洲地區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。

  • 位在美洲地區的電腦科學教授使用 CUSTOM 資源調度層級來執行訓練工作。他們使用的模型十分龐大,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。

範例: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

範例:

  • 位在美洲地區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。

  • 位在美洲地區的電腦科學教授使用 CUSTOM 資源調度層級來執行訓練工作。他們使用的模型十分龐大,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 + $2.3680 + $2.2688) per hour / 60) * 146 minutes
    

    因此,這項工作的總費用為 $11.97 美元。

範例:根據「已使用的 ML 單位」計算訓練費用

「工作詳細資料」頁面上顯示的「已使用的 ML 單位」(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 ML 單位」來計算費用,請使用下列公式:

Consumed ML units * $0.49

範例:

  • 位在美洲地區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 ML 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。

關於預測費用的詳細說明

向 Cloud ML Engine 託管的已訓練模型版本發出要求時,系統會根據預測的計費方式向您收取相關費用。

計費方式如下:

  • 根據執行預測作業的處理叢集中所有節點的使用時間計費。
  • 以分鐘為計費單位。
  • 以上方表格所列價格來計算每節點時數費用。
  • 每項預測工作至少須執行 10 分鐘。

節點時數

Cloud ML Engine 為您的模型執行預測作業時使用的線上處理資源稱為「節點」,您可以將節點視為虛擬機器。Cloud ML Engine 可彈性調整使用的節點數量,以便滿足線上和批次預測作業所需的工作負載量。

系統會根據您的模型在節點上執行的時間計算費用,當中包含:

  • 處理批次預測工作的時間。
  • 處理線上預測要求的時間。
  • 將準備就緒的模型用於執行線上預測的時間。

批次預測:

  • 資源配置調整功能的優先順序可減少工作的總經過時間。
  • 資源配置調整功能應該不會影響工作成本,但增加新的節點有時可能會衍生出額外費用。
  • 如要控管資源配置方式,您可以設定批次預測工作可使用的節點數量上限,或是在部署模型時設定要持續執行的節點數量。

線上預測:

  • 資源配置調整功能的優先順序可減少個別要求的延遲時間。
  • 這項服務可讓您的模型在回應要求後幾分鐘的閒置時間內保持就緒狀態。
  • 資源配置調整功能會影響每月的總費用:如果您的要求次數和頻率較高,系統就會使用較多節點。
  • 您可以選擇讓這項服務依據流量調整資源配置 (自動調整資源配置),或是指定要持續運作的節點數量,以免發生延遲。
  • 選擇自動調整資源配置功能之後,系統就會自動調整節點數量,甚至可在無流量期間將節點數量調整為零。
  • 如果您選擇指定節點數量,而不選用自動調整資源配置功能,系統就會依據節點運作的總時間向您收費,部署資源時即開始計費,直到您刪除模型版本為止。

請注意,線上預測使用的是未搭載 GPU 或其他加速器的單核心機器。

您可以進一步瞭解節點分配和資源調度功能

預測作業費用計算範例

您可以使用下列公式來計算特定月分的預測作業費用:

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

範例:

  • 位在美洲地區的某家房地產公司每週都會針對其服務區域的房價進行預測。他們在某個月執行了四週的批次預測作業,分別使用 3920427738493961 個節點,預測作業處理時間平均為 0.72 節點秒。

    系統是以單一工作為單位來計算處理費用 (雖然本範例使用的是平均值,但實際上會以個別工作的實際值來計算):

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

    由於範例中的每項工作皆超過 10 分鐘,因此系統會根據處理時間 (分鐘) 計費:

    ($0.0791 / 60) * 48 = $0.06328
    ($0.0791 / 60) * 52 = $0.06855
    ($0.0791 / 60) * 47 = $0.06196
    ($0.0791 / 60) * 48 = $0.06328
    

    因此,該月的總費用為 $0.26 美元。

請注意,範例中顯示的分鐘數並不會等於實際的經過時間。這是因為批次和線上預測都是使用一或多部機器來處理資料,因此實際經過時間通常會少於以節點時數或分鐘數呈現的時間。

Google Cloud Storage 使用須知

除了本篇文章中提及的費用之外,在 Cloud ML Engine 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。儲存上述項目時,您必須遵守《Cloud Storage 計價政策》的規定。

在下列情況下,您必須使用 Cloud Storage:

  • 在預備環境中佈建您的訓練應用程式套件。

  • 儲存訓練輸入資料。

  • 在您準備好部署模型版本時測試您的模型檔案。

  • 儲存批次預測作業的輸入資料。

  • 儲存批次預測工作的輸出資料。Cloud ML Engine 不會要求您長期儲存這些資料,因此您可以在作業完成後刪除這些檔案。

  • 儲存訓練工作的輸出資料。Cloud ML Engine 不會要求您長期儲存這些資料,因此您可以在作業完成後刪除這些檔案。

免費的資源管理操作功能

您可以免費使用 Cloud ML Engine 提供的資源管理操作功能。不過請注意,Cloud ML Engine 配額政策對部分操作項目設有限制。

資源 免費操作功能
模型 create、get、list、delete
版本 create、get、list、delete、setDefault
工作 get、list、cancel
作業 get、list、cancel、delete

後續步驟

  • 選擇要搭配 Cloud ML Engine 使用的機器學習架構
  • 瞭解 Cloud ML Engine 服務要求和資源適用的配額限制。
本頁內容對您是否有任何幫助?請提供意見:

傳送您對下列選項的寶貴意見...

這個網頁
AI Platform