价格

Cloud Machine Learning Engine 提供适合您的项目与预算的可调节的灵活价格选项。Cloud ML Engine 会向您收取训练模型和获取预测的费用,但在云端管理机器学习资源是免费的。

价格概览

下表汇总了各个区域的训练、批量预测和在线预测的价格。

美国

训练(美国)

训练作业的费用是每小时每个训练单位 $0.49。训练单位数取决于您选择用于运行作业的机器配置。您可以选择预定义的标度方案,也可以选择由所选机器类型组成的自定义配置。如需了解详情,请参阅下表。

预定义的标度方案 - 每小时价格(和训练单位数)
BASIC

$0.2774 (0.5661)

STANDARD_1

$2.9025 (5.9234)

PREMIUM_1

$24.1683 (49.323)

BASIC_GPU

$1.2118 (2.4731)

CUSTOM

如果选择 CUSTOM 作为标度方案,您可以控制用于训练作业的虚拟机数量和类型。请参阅机器类型表。

机器类型 - 每小时价格(和训练单位数)
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)

批量预测(美国) 每节点小时 $0.09262。3
在线预测(美国) 每节点小时 $0.3。3

欧洲

训练(欧洲)

训练作业的费用是每个训练单位每小时 $0.54。训练单位数取决于您选择用于运行作业的机器配置。您可以选择预定义的标度方案,也可以选择由所选机器类型组成的自定义配置。如需了解详情,请参阅下表。

预定义的标度方案 - 每小时价格(和训练单位数)
BASIC

$0.3212 (0.5948)

STANDARD_1

$3.3609 (6.2239)

PREMIUM_1

$27.9794 (51.8138)

BASIC_GPU

$1.3578 (2.5144)

CUSTOM

如果选择 CUSTOM 作为标度方案,您可以控制用于训练作业的虚拟机数量和类型。请参阅机器类型表。

机器类型 - 每小时价格(和训练单位数)
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)

批量预测(欧洲) 每节点小时 $0.10744。3
在线预测(欧洲) 每节点小时 $0.348。3

亚太地区

训练(亚太地区)

训练作业的费用是每个训练单位每小时 $0.54。训练单位数取决于您选择用于运行作业的机器配置。您可以选择预定义的标度方案,也可以选择由所选机器类型组成的自定义配置。如需了解详情,请参阅下表。

预定义的标度方案 - 每小时价格(和训练单位数)
BASIC

$0.3212 (0.5948)

STANDARD_1

$3.3609 (6.2239)

PREMIUM_1

$27.9794 (51.8138)

BASIC_GPU

$1.3578 (2.5144)

CUSTOM

如果选择 CUSTOM 作为标度方案,您可以控制用于训练作业的虚拟机数量和类型。请参阅机器类型表。

机器类型 - 每小时价格(和训练单位数)
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)

批量预测(亚太地区) 每节点小时 $0.10744。3
在线预测(亚太地区) 每节点小时 $0.348。3

备注:

  1. 所有使用都受 Cloud ML Engine 配额政策的约束。
  2. 在 Cloud ML Engine 生命周期中,您必须将数据和程序文件存储在 Google Cloud Storage 存储分区中。详细了解 Cloud Storage 的用法
  3. 节点小时表示预测作业在虚拟机上运行的时间。详细了解节点小时
  4. 如需批量折扣,请与销售团队联系
  5. 如果您使用非美元货币支付,则请参阅在 Cloud Platform SKU 上以您的币种列出的价格。

价格计算器

您可以使用价格计算器来估算训练和预测费用。

关于训练费用的详细信息

在云端训练模型是需要付费的:

  • 费用按 1 分钟递增。
  • 按照上表所示的每小时价格计费,每小时价格由基本价格和训练单位数计算得出,基本价格和训练单位数由您在开始训练作业时选择的处理配置决定。
  • 每项训练作业最低按 10 分钟计费。
  • 计费时间从为作业提供资源那一刻开始,直到作业完成为止。

适用于预定义配置的标度方案

您可以控制在训练模型时使用的处理集群类型。最简单的方法是选择称为“标度方案”的预定义配置之一。如需详细了解标度方案,请参阅训练概览

适用于自定义配置的机器类型

如果选择 CUSTOM 作为标度方案,您可以控制用于集群主实例、工作器和参数服务器的虚拟机数量和类型。如需详细了解机器类型,请参阅训练概览

使用自定义处理集群进行训练的费用是您指定的所有机器的费用总和。您需要为训练总时间支付费用,而不是按单个机器的活动处理时间付费。

示例:使用训练单位计算训练费用

您可以使用训练单位来计算训练作业的费用,公式如下:

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

示例:

  • 某数据科学家在美国区域启动了一项训练作业,并选择了 STANDARD_1 标度方案(使用 5.9234 个训练单位)。他们的作业持续了 15 分钟:

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

    作业的总费用为 $0.73。

  • 某计算机科学专业教授在美国区域启动了一项训练作业,并使用 CUSTOM 标度方案。他们有一个非常大的模型,所以想要利用大型 VM 作为他们的参数服务器。他们按如下方式配置处理集群:

    • complex_model_s 机器作为主实例(0.845 个训练单位)。
    • 5 个参数服务器在 large_model VM 上(5 @ 1.4111 = 7.0555 个训练单位)。
    • 8 个工作器在 complex_model_s VM 上(8 @ 0.845 = 6.76 个训练单位)。

    作业运行时间为 2 小时 26 分钟:

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

    作业的总费用为 $17.48。

示例:使用每小时价格计算训练费用

除了使用训练单位之外,您还可以使用上表所示的每小时价格计费。公式如下:

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

示例:

  • 某数据科学家在美国区域启动了一项训练作业,并选择了 STANDARD_1 标度方案。他们的作业持续了 15 分钟:

    ($2.9025 per hour / 60) * 15 minutes
    

    作业的总费用为 $0.73。

  • 某计算机科学专业教授在美国区域启动了一项训练作业,并使用 CUSTOM 标度方案。他们有一个非常大的模型,所以想要利用大型 VM 作为他们的参数服务器。他们按如下方式配置处理集群:

    • complex_model_s 机器作为主实例 ($0.4141)。
    • 5 个参数服务器在 large_model VM 上 (5 @ $0.6915 = $3.4575)。
    • 8 个工作器在 complex_model_s VM 上 (8 @ $0.4141 = $3.3128)。

    作业运行时间为 2 小时 26 分钟:

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

    作业的总费用为 $17.48。

示例:利用“已使用的 ML 单位”计算训练费用

“作业详情”页面上显示的已使用的 ML 单位(使用的机器学习单位)是指将作业持续时间考虑在内的训练单位。使用“已使用的 ML 单位”计算费用的公式如下:

Consumed ML units * $0.49

示例:

  • 某数据科学家在美国区域启动了一项训练作业。“作业详情”页面上的已使用的 ML 单位字段显示 55.75。计算公式如下:

    55.75 consumed ML units * $0.49
    

    作业的总费用为 $27.32。

要查找“作业详情”页面,请转到作业列表,然后点击特定作业的链接。

关于预测费用的详细信息

预测价格适用于对由 Cloud ML Engine 托管的经过训练的模型版本发出的请求。

计费方式如下:

  • 根据执行预测的处理集群中每个节点上所用的时间计费。
  • 费用按 1 分钟递增。
  • 根据上表所示的每节点小时价格计费。
  • 每项预测作业最低按 10 分钟计费。

节点小时

Cloud ML Engine 用于运行预测模型的在线处理资源称为节点。您可以将节点视为虚拟机。Cloud ML Engine 会根据在线预测和批量预测的工作量来调节使用的节点数。

您需要为模型在节点上运行的时间支付费用,包括:

  • 在处理批量预测作业时。
  • 在处理在线预测请求时。
  • 在您的模型可以提供在线预测时。

针对批量预测:

  • 调节的优先目标是减少作业的总时间。
  • 调节对作业费用应该没什么影响,不过创建新节点需要一定的开销。
  • 您可以影响调节方式,方法是为批量预测作业设置使用的最大节点数,以及设置部署模型时要保持运行的节点数。

针对在线预测:

  • 调节的优先目标是减少各个请求的延迟时间。
  • 服务会让您的模型在发送请求后的几分钟空闲时间里保持就绪状态。
  • 调节会影响您每个月的总费用:请求次数越多,请求越频繁,使用的节点就越多。
  • 您可以选择让服务根据流量进行调节(自动调节),也可以指定不间断运行多个节点以避免延迟。
  • 如果选择自动调节,节点数量将自动调节,在无流量期间可能会减少至零。
  • 如果您选择指定多个节点(而不是自动调节),您需要为节点的全部运行时间支付费用:从部署时开始,一直到您删除模型版本为止。

请注意,在线预测使用不带 GPU 或其他加速器的单核机器。

您可以在预测指南中详细了解节点分配和调节。

预测费用计算示例

您可以按以下公式来计算一个月的预测费用:

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

示例:

  • 美国一家房地产公司每周都会对他们服务的地区的房屋价值进行预测。在一个月内的四个星期里,他们运行的批量预测作业数为 3920427738493961。预测作业平均需要 0.72 个节点秒的处理时间。

    处理费用是按作业计算的(本例使用平均值,但实际费用依据每项作业的确切值):

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

    每项作业都超过十分钟,因此是按处理分钟数计费:

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

    当月的总费用为 $0.30。

示例中显示的分钟数与实际所用时间不符。批量预测和在线预测都使用一台或多台机器来处理数据。因此,实际所用时间通常比以节点小时或分钟表示的时间短。

必须使用 Google Cloud Storage

除了本文所说明的费用之外,在 Cloud ML Engine 生命周期中,您必须将数据和程序文件存储在 Google Cloud Storage 存储分区中。此存储受 Cloud Storage 价格政策的约束。

必须使用 Cloud Storage 的情况包括:

  • 训练模型时暂存训练应用软件包。

  • 存储训练输入数据。

  • 准备要部署版本时暂存模型文件。

  • 存储进行批量预测所需的输入数据。

  • 存储批量预测作业的输出结果。Cloud ML Engine 不需要长期存储这些项目。操作完成后,您可以立即删除文件。

  • 存储训练作业的输出结果。Cloud ML Engine 不需要长期存储这些项目。操作完成后,您可以立即删除文件。

用于管理资源的免费操作

Cloud ML Engine 提供的资源管理操作是免费的。Cloud ML Engine 配额政策对其中一些操作进行了限制。

资源 免费操作
模型 create、get、list、delete
版本 create、get、list、delete、setDefault
作业 get、list、cancel
操作 get、list、cancel、delete

后续步骤

  • 了解 Cloud ML Engine 服务请求和资源所适用的配额
此页内容是否有用?请给出您的反馈和评价:

发送以下问题的反馈:

此网页
AI 平台