Precios

Cloud Machine Learning Engine pone a tu disposición opciones de precios escalables y flexibles que se adaptan a tu proyecto y a tu presupuesto. Tanto la preparación de modelos como la elaboración de predicciones son funciones de pago. Sin embargo, la administración de los recursos de aprendizaje automático en la nube es gratuita.

Resumen de precios

En las siguientes tablas se detallan los precios según la región para los servicios de preparación y predicción online y por lotes.

EE. UU.

Preparación (EE. UU.)

El coste de una tarea de preparación es de 0,49 $ por hora, por unidad de preparación. El número de unidades de preparación viene determinado por la configuración de la máquina que elijas para ejecutar la tarea. Puedes elegir un nivel de escalabilidad predefinido o una configuración personalizada en los tipos de máquina seleccionados. Consulta las siguientes tablas para obtener más detalles.

Niveles de escalabilidad predefinidos: precio por hora (y unidades de preparación)
BASIC

0,2774 $ (0,5661)

STANDARD_1

2,9025 $ (5,9234)

PREMIUM_1

24,1683 $ (49,323)

BASIC_GPU

1,2118 $ (2,4731)

CUSTOM

Si seleccionas un nivel de escalabilidad personalizado, podrás controlar el número y el tipo de máquinas virtuales utilizadas para la tarea de preparación. Consulta la tabla de tipos de máquinas.

Tipos de máquinas: precio por hora (y unidades de preparación)
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)

Predicción por lotes (EE. UU.) 0,09262 $ por hora de nodo3
Predicción online (EE. UU.) 0,3 $ por hora de nodo3

Europa

Preparación (Europa)

El coste de una tarea de preparación es de 0,54 $ por hora, por unidad de preparación. El número de unidades de preparación viene determinado por la configuración de la máquina que elijas para ejecutar la tarea. Puedes elegir un nivel de escalabilidad predefinido o una configuración personalizada en los tipos de máquina seleccionados. Consulta las siguientes tablas para obtener más detalles.

Niveles de escalabilidad predefinidos: precio por hora (y unidades de preparación)
BASIC

0,3212 $ (0,5948)

STANDARD_1

3,3609 $ (6,2239)

PREMIUM_1

27,9794 $ (51,8138)

BASIC_GPU

1,3578 $ (2,5144)

CUSTOM

Si seleccionas un nivel de escalabilidad personalizado, podrás controlar el número y el tipo de máquinas virtuales utilizadas para la tarea de preparación. Consulta la tabla de tipos de máquinas.

Tipos de máquinas: precio por hora (y unidades de preparación)
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)

Predicción por lotes (Europa) 0,10744 $ por hora de nodo3
Predicción online (Europa) 0,348 $ por hora de nodo3

Asia-Pacífico

Preparación (Asia-Pacífico)

El coste de una tarea de preparación es de 0,54 $ por hora, por unidad de preparación. El número de unidades de preparación viene determinado por la configuración de la máquina que elijas para ejecutar la tarea. Puedes elegir un nivel de escalabilidad predefinido o una configuración personalizada en los tipos de máquina seleccionados. Consulta las siguientes tablas para obtener más detalles.

Niveles de escalabilidad predefinidos: precio por hora (y unidades de preparación)
BASIC

0,3212 $ (0,5948)

STANDARD_1

3,3609 $ (6,2239)

PREMIUM_1

27,9794 $ (51,8138)

BASIC_GPU

1,3578 $ (2,5144)

CUSTOM

Si seleccionas un nivel de escalabilidad personalizado, podrás controlar el número y el tipo de máquinas virtuales utilizadas para la tarea de preparación. Consulta la tabla de tipos de máquinas.

Tipos de máquinas: precio por hora (y unidades de preparación)
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)

Predicción por lotes (Asia-Pacífico) 0,10744 $ por hora de nodo3
Predicción online (Asia-Pacífico) 0,348 $ por hora de nodo3

Notas:

  1. Todo uso está sujeto a la política de cuotas de Cloud Machine Learning Engine.
  2. Durante el ciclo de vida de Cloud Machine Learning Engine, deberás almacenar tus datos y archivos de programa en los segmentos de Google Cloud Storage. Más información sobre el uso de Cloud Storage
  3. La unidad "hora de nodo" representa el tiempo que la tarea de predicción pasa ejecutándose en una máquina virtual. Más información sobre las horas de nodo
  4. Para conseguir descuentos por volumen, ponte en contacto con el equipo de Ventas.
  5. Si pagas en una moneda que no sea el dólar estadounidense, se aplicarán los precios que figuran para tu divisa en los SKU de Cloud Platform.

Calculadora de precios

Utiliza la calculadora de precios para estimar los costes de preparación y predicción.

Información sobre los costes de preparación

Se te cobra por preparar tus modelos en la nube:

  • En incrementos de un minuto.
  • En precio por hora (como se muestra en la tabla anterior). Este se calcula a partir de un precio base y del número de unidades de preparación, determinados por la configuración de procesamiento que seleccionas al comenzar la tarea de preparación.
  • Por un mínimo de 10 minutos en cada tarea de preparación.
  • Desde el momento en que se aprovisionan los recursos para una tarea hasta que esta finaliza.

Niveles de escalabilidad para configuraciones predefinidas

Puedes elegir el tipo de clúster de procesamiento que se utilizará cuando prepares el modelo. Lo más sencillo es elegir una de las configuraciones predefinidas, llamadas niveles de escalabilidad. Obtén más información sobre los niveles de escalabilidad en la página de información general sobre la preparación.

Tipos de máquinas para configuraciones personalizadas

Si seleccionas un nivel de escalabilidad CUSTOM (personalizado), podrás controlar la cantidad y el tipo de máquinas virtuales que se utilizarán para los servidores maestros, de trabajo y de parámetros del clúster. Obtén más información sobre los tipos de máquinas en la página de información general sobre la preparación.

El coste de la preparación con un clúster de procesamiento personalizado es la suma del coste de todas las máquinas que especifiques, es decir, que se te cobrará por el tiempo total de la tarea y no por el tiempo de procesamiento activo de cada máquina.

Ejemplos: Calcular el coste de la preparación mediante unidades de preparación

Utiliza las unidades de preparación para estimar el coste de la tarea de preparación con la siguiente fórmula:

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

Ejemplos:

  • Un científico de datos de la región de EE. UU. ejecuta una tarea de preparación y selecciona el nivel de escalabilidad STANDARD_1, que emplea 5,9234 unidades de preparación. Esta tarea dura 15 minutos:

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

    El coste total de la tarea es de 0,73 $.

  • Un profesor de informática de la región de EE. UU. ejecuta una tarea de preparación con un nivel de escalabilidad CUSTOM. Tiene un modelo muy grande, por lo que quiere aprovechar las máquinas virtuales de gran tamaño para sus servidores de parámetros. Configura su clúster de procesamiento de la siguiente manera:

    • Una máquina complex_model_s para su instancia maestra (0,845 unidades de preparación)
    • 5 servidores de parámetros en máquinas virtuales large_model (5 x 1,4111 = 7,0555 unidades de preparación)
    • 8 trabajadores en máquinas virtuales complex_model_s (8 x 0,845 = 6,76 unidades de preparación)

    Su tarea dura 2 horas y 26 minutos:

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

    El coste total de la tarea es de 17,48 $.

Ejemplos: Calcular el coste de preparación mediante el precio por hora

En lugar de unidades de preparación, puedes utilizar el precio por hora que se muestra en la tabla anterior. La fórmula es la siguiente:

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

Ejemplos:

  • Un científico de datos de la región de EE. UU. ejecuta una tarea de preparación y selecciona el nivel de escalabilidad STANDARD_1. Esta tarea dura 15 minutos:

    ($2.9025 per hour / 60) * 15 minutes
    

    El coste total de la tarea es de 0,73 $.

  • Un profesor de informática de la región de EE. UU. ejecuta una tarea de preparación con un nivel de escalabilidad CUSTOM. Tiene un modelo muy grande, por lo que quiere aprovechar las máquinas virtuales de gran tamaño para sus servidores de parámetros. Configura su clúster de procesamiento de la siguiente manera:

    • Una máquina complex_model_s para su instancia maestra (0,4141 $)
    • 5 servidores de parámetros en máquinas virtuales large_model (5 x 0,6915 $ = 3,4575 $)
    • 8 trabajadores en máquinas virtuales complex_model_s (8 x 0,4141 $ = 3,3128 $)

    Su tarea dura 2 horas y 26 minutos:

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

    El coste total de la tarea es de 17,48 $.

Ejemplos: Calcular el coste de preparación con unidades ML consumidas

Las unidades ML consumidas (unidades de Machine Learning consumidas) que se muestran en la página "Detalles de la tarea" son las unidades de preparación con la duración de la tarea incluida. Al incluir las unidades ML consumidas en tus cálculos, utiliza la siguiente fórmula:

Consumed ML units * $0.49

Ejemplo:

  • Un científico de datos de la región de EE. UU. ejecuta una tarea de preparación. En el campo Unidades ML consumidas de la página "Detalles de la tarea" se muestra 55,75. El cálculo es el siguiente:

    55.75 consumed ML units * $0.49
    

    El coste total de la tarea es de 27,32 $.

Para acceder a "Detalles de la tarea", ve a la lista de tareas y haz clic en el enlace de una tarea específica.

Información sobre los costes de predicción

El precio de las predicciones se aplica a las peticiones realizadas a versiones de modelos preparados alojados por Cloud ML Engine.

Se te cobra:

  • Por el tiempo utilizado en cada nodo en el clúster de procesamiento que realiza las predicciones.
  • En incrementos de un minuto.
  • Según un precio por hora de nodo, como se muestra en la tabla anterior.
  • Por un mínimo de 10 minutos en cada tarea de predicción.

Horas de nodo

Los recursos de procesamiento online que utiliza Cloud Machine Learning Engine para ejecutar tu modelo de predicción se llaman nodos. Puedes considerar que un nodo es una máquina virtual. Cloud Machine Learning Engine escala el número de nodos que utiliza para ajustarse a la tarea de predicción online y por lotes.

Se te cobra por el tiempo que se ejecuta tu modelo en un nodo y por los conceptos siguientes:

  • Por procesar una tarea de predicción por lotes.
  • Por procesar una petición de predicción online.
  • Cuando tu modelo está listo para publicar predicciones online.

Para la predicción por lotes:

  • La prioridad de la escalabilidad es reducir el tiempo total de la tarea.
  • La escalabilidad no debería afectar apenas al precio de la tarea, si bien es cierto que hay algunos gastos indirectos relacionados con la creación de un nuevo nodo.
  • Puedes modificar la escalabilidad si determinas un número máximo de nodos para una tarea de predicción por lotes o si estableces el número de nodos que se seguirán ejecutando para un modelo cuando lo despliegues.

Para la predicción online:

  • La prioridad de la escalabilidad es reducir la latencia de peticiones concretas.
  • El servicio mantiene tu modelo listo durante unos minutos de inactividad tras procesar una petición.
  • La escalabilidad afecta a tus cargos totales cada mes, ya que cuanto más numerosas y frecuentes sean tus peticiones, más nodos se utilizarán.
  • Puedes permitir que el servicio se escale en función del tráfico (escalado automático) o puedes especificar el número de nodos que se ejecutarán de forma constante para evitar la latencia.
  • Si eliges el escalado automático, la cantidad de nodos aumentará automáticamente y se reducirá a cero cuando no haya tráfico.
  • Si eliges especificar el número de nodos, en lugar del escalado automático, se te cobrará mientras los nodos se estén ejecutando, desde que los despliegues hasta que elimines la versión del modelo.

Para la predicción online se utilizan máquinas de un solo núcleo sin GPUs ni otros aceleradores.

Obtén más información sobre la asignación y el escalado de nodos en la guía de predicción.

Ejemplos de cálculos de predicción

Utiliza la fórmula que aparece a continuación para calcular el coste de predicción de un mes:

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

Ejemplo:

  • Una compañía inmobiliaria de EE. UU. realiza una predicción semanal de los valores de la vivienda en las áreas donde prestan servicio. En el transcurso de un mes, ejecutan predicciones para cuatro semanas por lotes de 3920, 4277, 3849 y 3961. Las predicciones emplean una media de 0.72 segundos de nodo de procesamiento.

    El coste del procesamiento se calcula por tarea (en este ejemplo se usa una media, pero en los costes reales se usan valores exactos para cada tarea):

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

    Todas las tareas duran más de 10 minutos y se cobran por minuto de procesamiento:

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

    El coste total del mes es de 0,30 $.

El número de minutos que se muestra en los ejemplos no se corresponde con el tiempo real que ha transcurrido. Tanto en la predicción por lotes como en la online se utilizan una o más máquinas para procesar los datos. Por tanto, el tiempo real que ha transcurrido suele ser más corto que el expresado en horas o minutos de nodo.

Uso obligatorio de Google Cloud Storage

Además de los costes descritos en este documento, debes almacenar datos y archivos de programa en los segmentos de Google Cloud Storage durante el ciclo de vida de Cloud Machine Learning Engine. Este almacenamiento está sujeto a la política de precios de Cloud Storage.

En el uso obligatorio de Cloud Storage se incluye:

  • Preparar el paquete de aplicaciones de preparación cuando prepares tu modelo.

  • Almacenar tus datos de entrada de preparación.

  • Preparar los archivos de modelo cuando vayas a desplegar una versión.

  • Almacenar tus datos de entrada para la predicción por lotes.

  • Almacenar los resultados de las tareas de predicción por lotes. Cloud Machine Learning Engine no requiere que estos elementos se almacenen a largo plazo. Puedes retirar los archivos en cuanto se complete la operación.

  • Almacenar los resultados de las tareas de preparación. Cloud Machine Learning Engine no requiere que estos elementos se almacenen a largo plazo. Puedes retirar los archivos en cuanto se complete la operación.

Operaciones gratuitas para administrar recursos

Las operaciones de administración de recursos de Cloud Machine Learning Engine están disponibles de forma gratuita. La política de cuotas de Cloud Machine Learning Engine limita algunas de estas operaciones.

Recurso Operaciones gratuitas
models create, get, list, delete
versions create, get, list, delete, setDefault
jobs get, list, cancel
operations get, list, cancel, delete

Siguientes pasos

¿Te ha resultado útil esta página? Enviar comentarios:

Enviar comentarios sobre...