Preise

Cloud Machine Learning Engine bietet skalierbare, flexible Preismodelle, die sich an Ihr Projekt und Budget anpassen lassen. Bei Verwendung von Cloud ML Engine für Trainingsmodelle und für die Durchführung von Vorhersagen werden Gebühren berechnet. Die Verwaltung Ihrer Ressourcen für maschinelles Lernen in der Cloud ist aber kostenlos.

Preisübersicht

Die folgenden Tabellen fassen die Preise pro Region für Trainings sowie Batch- und Onlinevorhersagen zusammen.

USA

Training (USA)

Die Kosten für einen Trainingsjob betragen 0,49 $ pro Stunde und Trainingseinheit. Die Anzahl der Trainingseinheiten hängt von der Maschinenkonfiguration ab, die Sie für die Ausführung Ihres Jobs auswählen. Sie können sich für eine vordefinierte Skalierungsstufe oder eine benutzerdefinierte Konfiguration ausgewählter Maschinentypen entscheiden. Weitere Informationen finden Sie in den folgenden Tabellen.

Vordefinierte Skalierungsstufen – Preis pro Stunde (und Trainingseinheiten)
BASIC

0,2774 $ (0,5661)

STANDARD_1

2,9025 $ (5,9234)

PREMIUM_1

24,1683 $ (49,323)

BASIC_GPU

1,2118 $ (2,4731)

CUSTOM

Wenn Sie CUSTOM als Skalierungsstufe auswählen, können Sie die Anzahl und den Typ der virtuellen Maschinen festlegen, die für den Trainingsjob verwendet werden. Mögliche Maschinentypen finden Sie in der Tabelle.

Maschinentypen – Preis pro Stunde (und Trainingseinheiten)
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 (Beta)

2,6864 $ (5,4824)

complex_model_m_p100 (Beta)

9,636 $ (19,6653)

Batchvorhersage (USA) 0,09262 $ pro Knotenstunde3
Onlinevorhersage (USA) 0,30 $ pro Knotenstunde3

Europa

Training (Europa)

Die Kosten für einen Trainingsjob betragen 0,54 $ pro Stunde und Trainingseinheit. Die Anzahl der Trainingseinheiten hängt von der Maschinenkonfiguration ab, die Sie für die Ausführung Ihres Jobs auswählen. Sie können sich für eine vordefinierte Skalierungsstufe oder eine benutzerdefinierte Konfiguration ausgewählter Maschinentypen entscheiden. Weitere Informationen finden Sie in den folgenden Tabellen.

Vordefinierte Skalierungsstufen – Preis pro Stunde (und Trainingseinheiten)
BASIC

0,3212 $ (0,5948)

STANDARD_1

3,3609 $ (6,2239)

PREMIUM_1

27,9794 $ (51,8138)

BASIC_GPU

1,3578 $ (2,5144)

CUSTOM

Wenn Sie CUSTOM als Skalierungsstufe auswählen, können Sie die Anzahl und den Typ der virtuellen Maschinen festlegen, die für den Trainingsjob verwendet werden. Mögliche Maschinentypen finden Sie in der Tabelle.

Maschinentypen – Preis pro Stunde (und Trainingseinheiten)
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 (Beta)

2,9784 $ (5,5156)

complex_model_m_p100 (Beta)

10,6288 $ (19,6830)

Batchvorhersage (Europa) 0,10744 $ pro Knotenstunde3
Onlinevorhersage (Europa) 0,348 $ pro Knotenstunde3

Asiatisch-pazifischer Raum

Training (asiatisch-pazifischer Raum)

Die Kosten für einen Trainingsjob betragen 0,54 $ pro Stunde und Trainingseinheit. Die Anzahl der Trainingseinheiten hängt von der Maschinenkonfiguration ab, die Sie für die Ausführung Ihres Jobs auswählen. Sie können sich für eine vordefinierte Skalierungsstufe oder eine benutzerdefinierte Konfiguration ausgewählter Maschinentypen entscheiden. Weitere Informationen finden Sie in den folgenden Tabellen.

Vordefinierte Skalierungsstufen – Preis pro Stunde (und Trainingseinheiten)
BASIC

0,3212 $ (0,5948)

STANDARD_1

3,3609 $ (6,2239)

PREMIUM_1

27,9794 $ (51,8138)

BASIC_GPU

1,3578 $ (2,5144)

CUSTOM

Wenn Sie CUSTOM als Skalierungsstufe auswählen, können Sie die Anzahl und den Typ der virtuellen Maschinen festlegen, die für den Trainingsjob verwendet werden. Mögliche Maschinentypen finden Sie in der Tabelle.

Maschinentypen – Preis pro Stunde (und Trainingseinheiten)
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 (Beta)

2,9784 $ (5,5156)

complex_model_m_p100 (Beta)

10,6288 $ (19,6830)

Batchvorhersage (asiatisch-pazifischer Raum) 0,10744 $ pro Knotenstunde3
Onlinevorhersage (asiatisch-pazifischer Raum) 0,348 $ pro Knotenstunde3

Hinweise:

  1. Jede Verwendung unterliegt der Cloud ML Engine-Kontingentrichtlinie.
  2. Sie sind verpflichtet, im Cloud ML Engine-Lebenszyklus Daten und Programmdateien in Google Cloud Storage-Buckets zu speichern. Hier finden Sie weitere Informationen zur Verwendung von Cloud Storage.
  3. Eine Knotenstunde ist die Zeit, die für die Ausführung Ihres Vorhersagejobs auf einer virtuellen Maschine benötigt wird. Hier finden Sie weitere Informationen zu Knotenstunden.
  4. Bei Interesse an volumenbasierten Rabatten wenden Sie sich an das Verkaufsteam.
  5. Wenn Sie in einer anderen Währung als USD bezahlen, gelten die Preise, die in Cloud Platform SKUs in Ihrer Währung angegeben sind.

Preisrechner

Mit dem Preisrechner können Sie Ihre Trainings- und Vorhersagekosten schätzen.

Weitere Informationen zu den Trainingskosten

Das Training Ihrer Modelle in der Cloud wird wie folgt abgerechnet:

  • In Ein-Minuten-Schritten.
  • Zu einem Preis pro Stunde (siehe Tabelle oben), wobei sich dieser aus einem Grundpreis und einer Anzahl von Trainingseinheiten berechnet. Die Anzahl hängt von der Verarbeitungskonfiguration ab, die Sie beim Start Ihres Trainingsjobs ausgewählt haben.
  • Mit mindestens zehn Minuten pro Trainingsjob.
  • Ab dem Zeitpunkt, an dem Ressourcen für einen Job bereitgestellt werden, bis zum Abschluss des Jobs.

Skalierungsstufen für vordefinierte Konfigurationen

Sie können den Typ des Verarbeitungsclusters individuell festlegen, der beim Training Ihres Modells verwendet werden soll. Der einfachste Weg ist dabei die Auswahl des Typs aus vordefinierten Konfigurationen, die als Skalierungsstufen bezeichnet werden. Weitere Informationen zu Skalierungsstufen finden Sie in der Trainingsübersicht.

Maschinentypen für benutzerdefinierte Konfigurationen

Wenn Sie CUSTOM als Skalierungsstufe wählen, können Sie die Anzahl und den Typ der virtuellen Maschinen festlegen, die für Master, Worker und Parameterserver des Clusters verwendet werden. Weitere Informationen zu Maschinentypen finden Sie in der Trainingsübersicht.

Die Kosten für das Training mit einem benutzerdefinierten Verarbeitungscluster ergeben sich aus der Summe aller von Ihnen angegebenen Maschinen. Die Abrechnung erfolgt für die gesamte Laufzeit des Jobs und nicht für die aktive Verarbeitungszeit der einzelnen Maschinen.

Beispiele: Trainingskosten mit Trainingseinheiten berechnen

Verwenden Sie zur Berechnung der Kosten Ihres Trainingsjobs mithilfe von Trainingseinheiten folgende Formel:

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

Beispiele:

  • Ein Data Scientist in den USA führt einen Trainingsjob mit der Skalierungsstufe STANDARD_1 durch, der 5,9234 Trainingseinheiten beansprucht. Sein Job dauert 15 Minuten:

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

    Dies ergibt einen Gesamtpreis von 0,73 $ für den Job.

  • Eine Informatikprofessorin in den USA führt einen Trainingsjob mit der Skalierungsstufe CUSTOM durch. Da sie mit einem sehr großen Modell arbeitet, möchte sie die Vorteile der großen Modell-VMs für ihre Parameterserver nutzen. Dafür konfiguriert sie ihren Verarbeitungscluster wie folgt:

    • Eine complex_model_s-Maschine für den Master (0,845 Trainingseinheiten)
    • 5 Parameterserver auf large_model-VMs (5 x 1,4111 = 7,0555 Trainingseinheiten)
    • 8 Worker auf complex_model_s-VMs (8 x 0,845 = 6,76 Trainingseinheiten)

    Ihr Job dauert 2 Stunden und 26 Minuten:

    (4.6605 training units * $0.49 per hour / 60) * 146 minutes
    

    Dies ergibt einen Gesamtpreis von 17,48 $ für den Job.

Beispiele: Trainingskosten mit Preis pro Stunde berechnen

Anstelle von Trainingseinheiten können Sie den in der obigen Tabelle angegebenen Preis pro Stunde verwenden. Die Formel lautet wie folgt:

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

Beispiele:

  • Ein Data Scientist in den USA führt einen Trainingsjob durch und wählt dafür die Skalierungsstufe STANDARD_1. Sein Job dauert 15 Minuten:

    ($2.9025 per hour / 60) * 15 minutes
    

    Dies ergibt einen Gesamtpreis von 0,73 $ für den Job.

  • Eine Informatikprofessorin in den USA führt einen Trainingsjob mit der Skalierungsstufe CUSTOM durch. Da sie mit einem sehr großen Modell arbeitet, möchte sie die Vorteile der großen Modell-VMs für ihre Parameterserver nutzen. Dafür konfiguriert sie ihren Verarbeitungscluster wie folgt:

    • Eine complex_model_s-Maschine für den Master (0,4141 $)
    • 5 Parameterserver auf large_model-VMs (5 x 0,6915 $ = 3,4575 $)
    • 8 Worker auf complex_model_s-VMs (8 x 0,4141 $ = 3,3128 $)

    Ihr Job dauert 2 Stunden und 26 Minuten:

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

    Dies ergibt einen Gesamtpreis von 17,48 $ für den Job.

Beispiele: Trainingskosten mit "Verbrauchte ML-Einheiten" berechnen

Der Wert von Verbrauchte ML-Einheiten (verbrauchte Machine Learning-Einheiten), der auf der Seite Jobdetails angezeigt wird, entspricht Trainingseinheiten mit einkalkulierter Jobdauer. Bei Verwendung von Verbrauchte ML-Einheiten stellen Sie Ihre Berechnungen mit der folgenden Formel an:

Consumed ML units * $0.49

Beispiel:

  • Ein Data Scientist in den USA führt einen Trainingsjob durch. Das Feld Verbrauchte ML-Einheiten auf der Seite Jobdetails enthält den Wert 55,75. Die Berechnung lautet wie folgt:

    55.75 consumed ML units * $0.49
    

    Dies ergibt einen Gesamtpreis von 27,32 $ für den Job.

Die Seite Jobdetails rufen Sie auf, indem Sie zur Jobliste gehen und auf den Link für einen bestimmten Job klicken.

Weitere Informationen zu den Vorhersagekosten

Die Vorhersagepreise gelten für Anfragen an trainierte Modellversionen, die von Cloud ML Engine gehostet werden.

Die Kosten werden wie folgt abgerechnet:

  • Für die beanspruchte Zeit auf jedem Knoten im Verarbeitungscluster, der die Vorhersagen ausführt.
  • In Ein-Minuten-Schritten.
  • Basierend auf einem Preis pro Knotenstunde, wie in der obigen Tabelle angegeben.
  • Mit mindestens zehn Minuten pro Vorhersagejob.

Knotenstunden

Die Ressourcen zur Onlineverarbeitung, die Cloud ML Engine für die Ausführung Ihres Modells zur Vorhersage verwendet, werden als Knoten bezeichnet. Einen solchen Knoten können Sie sich wie eine virtuelle Maschine vorstellen. Cloud ML Engine passt die Anzahl der verwendeten Knoten so an, dass sowohl Online- als auch Batchvorhersagen durchgeführt werden können.

Es werden Gebühren für den Zeitraum berechnet, in dem Ihr Modell auf einem Knoten ausgeführt wird. Dazu gehören folgende Vorgänge bzw. Zustände:

  • Verarbeitung eines Vorhersagejobs.
  • Verarbeitung einer Anfrage für eine Onlinevorhersage.
  • Bereitschaftszustand Ihres Modells für die Durchführung von Onlinevorhersagen.

Für die Batchvorhersage gilt Folgendes:

  • Die Priorität der Skalierung besteht darin, die Gesamtlaufzeit des Jobs zu reduzieren.
  • Die Skalierung hat in der Regel geringe Auswirkungen auf den Preis Ihres Jobs, auch wenn mit der Bereitstellung eines neuen Knotens ein gewisser Aufwand verbunden ist.
  • Sie können die Skalierung beeinflussen, indem Sie die maximale Anzahl von Knoten festlegen, die für einen Batchvorhersagejob zu verwenden ist, und die Anzahl der Knoten angeben, die für ein Modell ausgeführt werden soll, wenn Sie dieses bereitstellen.

Für die Onlinevorhersage gilt Folgendes:

  • Die Priorität der Skalierung besteht darin, die Latenz einzelner Anfragen zu reduzieren.
  • Der Dienst gewährleistet die Bereitschaft Ihres Modells in den Minuten der Inaktivität nach der Durchführung einer Anfrage.
  • Die Skalierung hat Auswirkungen auf Ihre monatlichen Gesamtkosten: Je zahlreicher und häufiger Sie Anfragen stellen, desto mehr Knoten werden verwendet.
  • Sie können den Dienst die Skalierung in Abhängigkeit vom Traffic ausführen lassen (automatische Skalierung) oder die Anzahl der Knoten festlegen, die dauerhaft ausgeführt werden soll, um eine Latenz zu vermeiden.
  • Wenn Sie die automatische Skalierung auswählen, wird die Anzahl der Knoten automatisch skaliert und kann für die Dauer ohne Traffic auf null reduziert werden.
  • Wenn Sie eine Anzahl von Knoten anstelle der automatischen Skalierung angeben, wird die gesamte Ausführungszeit der Knoten berechnet, ab dem Zeitpunkt der Bereitstellung bis zum Löschen der Modellversion.

Beachten Sie, dass für die Onlinevorhersage Einzelkernmaschinen ohne GPUs oder andere Beschleuniger verwendet werden.

Weitere Informationen zur Knotenzuweisung und -skalierung erhalten Sie im Vorhersageleitfaden.

Beispiele für Vorhersageberechnungen

Verwenden Sie die folgende Formel, um Ihre Vorhersagekosten für einen Monat zu berechnen:

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

Beispiel:

  • Ein Immobilienunternehmen in den USA führt eine wöchentliche Vorhersage der Immobilienwerte in den von ihm betreuten Gegenden durch. In einem Monat werden dabei vier Wochen lang Vorhersagen in vier Schritten mit jeweils 3920, 4277, 3849 und 3961 durchgeführt. Jede Vorhersage benötigt dabei durchschnittlich 0.72 Knotensekunden für die Verarbeitung.

    Die Kosten für die Verarbeitung werden pro Job berechnet (dieses Beispiel nutzt Durchschnittswerte, für reale Kosten werden aber exakte Werte pro Job verwendet):

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

    Jeder Job dauert länger als zehn Minuten, sodass pro Minute Verarbeitung abgerechnet werden kann:

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

    Dies ergibt eine Gesamtgebühr von 0,30 $ für den Monat.

Die in den Beispielen angegebene Anzahl von Minuten entspricht nicht der tatsächlich verstrichenen Zeit. Sowohl die Batch- als auch die Onlinevorhersage verwendet eine oder mehrere Maschinen, um die Daten zu verarbeiten. Daher ist die tatsächlich verstrichene Zeit in der Regel kürzer als die in Knotenstunden oder -minuten angegebene Zeit.

Erforderliche Verwendung von Google Cloud Storage

Zusätzlich zu den in diesem Dokument beschriebenen Kosten sind Sie verpflichtet, im Cloud ML Engine-Lebenszyklus Daten und Programmdateien in Google Cloud Storage-Buckets zu speichern. Diese Speicherung wird über das Cloud Storage-Preismodell abgerechnet.

Die erforderliche Nutzung von Cloud Storage umfasst Folgendes:

  • Staging Ihres Trainingsanwendungspakets beim Trainieren Ihres Modells.

  • Speicherung Ihrer Trainingseingabedaten.

  • Staging Ihrer Modelldateien, wenn eine Version bereitgestellt werden kann.

  • Speicherung Ihrer Eingabedaten für die Batchvorhersage.

  • Speicherung der Ausgabe Ihrer Batchvorhersagejobs. Cloud ML Engine erfordert keine langfristige Speicherung dieser Dateien. Sie können sie entfernen, sobald der Vorgang abgeschlossen ist.

  • Speicherung der Ausgabe Ihrer Trainingsjobs. Cloud ML Engine erfordert keine langfristige Speicherung dieser Dateien. Sie können sie entfernen, sobald der Vorgang abgeschlossen ist.

Kostenlose Verwaltung Ihrer Ressourcen

Für die Ressourcenverwaltung von Cloud ML Engine fallen keine Kosten an. Die Kontingentrichtlinie von Cloud ML Engine beschränkt aber damit verbundene Vorgänge.

Ressource Kostenlose Vorgänge
Modelle erstellen, abrufen, auflisten, löschen
Versionen erstellen, abrufen, auflisten, löschen, setDefault
Jobs abrufen, auflisten, abbrechen
Vorgänge abrufen, auflisten, abbrechen, löschen

Weitere Informationen

Hat Ihnen diese Seite weitergeholfen? Teilen Sie uns Ihr Feedback mit:

Feedback geben zu...