Configurazione delle risorse di calcolo per la previsione

Vertex AI alloca i nodi per gestire le previsioni online e batch. Quando esegui il deployment di un modello con addestramento personalizzato o di un modello AutoML in una risorsa Endpoint per fornire previsioni online o quando richiedi previsioni batch, puoi personalizzare il tipo di macchina virtuale utilizzato dal servizio di previsione per questi nodi. Facoltativamente, puoi configurare nodi di previsione per l'utilizzo delle GPU.

I tipi di macchina differiscono per alcuni aspetti:

  • Numero di CPU virtuali (vCPU) per nodo
  • Quantità di memoria per nodo
  • Prezzi

Selezionando un tipo di macchina con più risorse di calcolo, puoi fornire previsioni con minore latenza o gestire più richieste di previsione contemporaneamente.

Dove specificare le risorse di computing

Previsione online

Se vuoi utilizzare un modello con addestramento personalizzato o un modello tabulare AutoML per fornire previsioni online, devi specificare un tipo di macchina quando esegui il deployment della risorsa Model come DeployedModel in un Endpoint. Per altri tipi di modelli AutoML, Vertex AI configura automaticamente i tipi di macchina.

Specifica il tipo di macchina (e, facoltativamente, la configurazione GPU) nel campo dedicatedResources.machineSpec di DeployedModel.

Scopri come eseguire il deployment di ogni tipo di modello:

Previsione batch

Se vuoi ottenere previsioni batch da un modello con addestramento personalizzato o da un modello tabulare AutoML, devi specificare un tipo di macchina quando crei una risorsa BatchPredictionJob. Specifica il tipo di macchina (e, facoltativamente, la configurazione GPU) nel campo dedicatedResources.machineSpec di BatchPredictionJob.

Tipi di macchina

La tabella seguente confronta i tipi di macchina disponibili per fornire previsioni da modelli con addestramento personalizzato e modelli tabulari AutoML:

Serie E2

Nome vCPUs Memoria (GB)
e2-standard-2 2 8
e2-standard-4 4 16
e2-standard-8 8 32
e2-standard-16 16 64
e2-standard-32 32 128
e2-highmem-2 2 16
e2-highmem-4 4 32
e2-highmem-8 8 64
e2-highmem-16 16 128
e2-highcpu-2 2 2
e2-highcpu-4 4 4
e2-highcpu-8 8 8
e2-highcpu-16 16 16
e2-highcpu-32 32 32

Serie N1

Nome vCPUs Memoria (GB)
n1-standard-2 2 7,5
n1-standard-4 4 15
n1-standard-8 8 30
n1-standard-16 16 60
n1-standard-32 32 120
n1-highmem-2 2 13
n1-highmem-4 4 26
n1-highmem-8 8 52
n1-highmem-16 16 104
n1-highmem-32 32 208
n1-highcpu-4 4 3,6
n1-highcpu-8 8 7,2
n1-highcpu-16 16 14,4
n1-highcpu-32 32 28,8

Serie N2

Nome vCPUs Memoria (GB)
n2-standard-2 2 8
n2-standard-4 4 16
n2-standard-8 8 32
n2-standard-16 16 64
n2-standard-32 32 128
n2-standard-48 48 192
n2-standard-64 64 256
n2-standard-80 80 320
n2-standard-96 96 384
n2-standard-128 128 512
n2-highmem-2 2 16
n2-highmem-4 4 32
n2-highmem-8 8 64
n2-highmem-16 16 128
n2-highmem-32 32 256
n2-highmem-48 48 384
n2-highmem-64 64 512
n2-highmem-80 80 640
n2-highmem-96 96 768
n2-highmem-128 128 864
n2-highcpu-2 2 2
n2-highcpu-4 4 4
n2-highcpu-8 8 8
n2-highcpu-16 16 16
n2-highcpu-32 32 32
n2-highcpu-48 48 48
n2-highcpu-64 64 64
n2-highcpu-80 80 80
n2-highcpu-96 96 96

Serie N2D

Nome vCPUs Memoria (GB)
n2d-standard-2 2 8
n2d-standard-4 4 16
n2d-standard-8 8 32
n2d-standard-16 16 64
n2d-standard-32 32 128
n2d-standard-48 48 192
n2d-standard-64 64 256
n2d-standard-80 80 320
n2d-standard-96 96 384
n2d-standard-128 128 512
n2d-standard-224 224 896
n2d-highmem-2 2 16
n2d-highmem-4 4 32
n2d-highmem-8 8 64
n2d-highmem-16 16 128
n2d-highmem-32 32 256
n2d-highmem-48 48 384
n2d-highmem-64 64 512
n2d-highmem-80 80 640
n2d-highmem-96 96 768
n2d-highcpu-2 2 2
n2d-highcpu-4 4 4
n2d-highcpu-8 8 8
n2d-highcpu-16 16 16
n2d-highcpu-32 32 32
n2d-highcpu-48 48 48
n2d-highcpu-64 64 64
n2d-highcpu-80 80 80
n2d-highcpu-96 96 96
n2d-highcpu-128 128 128
n2d-highcpu-224 224 224

Serie C2

Nome vCPUs Memoria (GB)
c2-standard-4 4 16
c2-standard-8 8 32
c2-standard-16 16 64
c2-standard-30 30 120
c2-standard-60 60 240

Serie C2D

Nome vCPUs Memoria (GB)
c2d-standard-2 2 8
c2d-standard-4 4 16
c2d-standard-8 8 32
c2d-standard-16 16 64
c2d-standard-32 32 128
c2d-standard-56 56 224
c2d-standard-112 112 448
c2d-highcpu-2 2 4
c2d-highcpu-4 4 8
c2d-highcpu-8 8 16
c2d-highcpu-16 16 32
c2d-highcpu-32 32 64
c2d-highcpu-56 56 112
c2d-highcpu-112 112 224
c2d-highmem-2 2 16
c2d-highmem-4 4 32
c2d-highmem-8 8 64
c2d-highmem-16 16 128
c2d-highmem-32 32 256
c2d-highmem-56 56 448
c2d-highmem-112 112 896

Serie C3

Nome vCPUs Memoria (GB)
c3-highcpu-4 4 8
c3-highcpu-8 8 16
c3-highcpu-22 22 44
c3-highcpu-44 44 88
c3-highcpu-88 88 176
c3-highcpu-176 176 352

Serie A2

Nome vCPUs Memoria (GB) GPU (NVIDIA A100)
a2-highgpu-1g 12 85 1 (A100 da 40 GB)
a2-highgpu-2g 24 170 2 (A100 da 40 GB)
a2-highgpu-4g 48 340 4 (A100 da 40 GB)
a2-highgpu-8g 96 680 8 (A100 da 40 GB)
a2-megagpu-16g 96 1360 16 (A100 da 40 GB)
a2-ultragpu-1g 12 170 1 (A100 da 80 GB)
a2-ultragpu-2g 24 340 2 (A100 da 80 GB)
a2-ultragpu-4g 48 680 4 (A100 da 80 GB)
a2-ultragpu-8g 96 1360 8 (A100 da 80 GB)

Serie A3

Nome vCPUs Memoria (GB) GPU (NVIDIA H100)
a3-highgpu-8g 208 1872 8 (H100 da 80 GB)

Serie G2

Nome vCPUs Memoria (GB) GPU (NVIDIA L4)
g2-standard-4 4 16 1
g2-standard-8 8 32 1
g2-standard-12 12 48 1
g2-standard-16 16 64 1
g2-standard-24 24 96 2
g2-standard-32 32 128 1
g2-standard-48 48 192 4
g2-standard-96 96 384 8

Scopri di più sui prezzi per ciascun tipo di macchina. Scopri di più sulle specifiche dettagliate di questi tipi di macchina nella documentazione di Compute Engine sui tipi di macchina.

Trova il tipo di macchina ideale

Previsione online

Per trovare il tipo di macchina ideale per il tuo caso d'uso, ti consigliamo di caricare il modello su più tipi di macchine e misurare caratteristiche come latenza, costo, contemporaneità e velocità effettiva.

Un modo per farlo è eseguire questo blocco note su più tipi di macchine e confrontare i risultati per trovare quello più adatto alle tue esigenze.

Vertex AI riserva circa 1 vCPU su ogni replica per l'esecuzione dei processi di sistema. Ciò significa che l'esecuzione del blocco note su un tipo di macchina con core singolo sarebbe paragonabile all'utilizzo di un tipo di macchina a 2 core per fornire previsioni.

Quando valuti i costi di previsione, ricorda che, anche se le macchine più grandi hanno un costo maggiore, possono ridurre i costi complessivi perché sono necessarie meno repliche per gestire lo stesso carico di lavoro. Questo è particolarmente evidente per le GPU, che tendono a costare di più all'ora, ma possono fornire una latenza minore e costi complessivi inferiori.

Previsione batch

Per saperne di più, vedi Scegliere il tipo di macchina e il conteggio delle repliche.

Acceleratori GPU facoltativi

Alcune configurazioni, ad esempio la serie A2 e la serie G2, hanno un numero fisso di GPU integrate.

Altre configurazioni, come la serie N1, consentono di aggiungere facoltativamente GPU per accelerare ogni nodo di previsione.

Per aggiungere acceleratori GPU facoltativi, devi tenere conto di diversi requisiti:

  • Puoi utilizzare le GPU solo se la risorsa Model si basa su TensorFlow saveModel o quando utilizzi un container personalizzato progettato per sfruttare al meglio le GPU. Non puoi utilizzare GPU per i modelli scikit-learn o XGBoost.
  • La disponibilità di ogni tipo di GPU varia in base all'area geografica utilizzata per il modello. Scopri quali tipi di GPU sono disponibili e in quali regioni.
  • Puoi utilizzare un solo tipo di GPU per la tua risorsa DeployedModel o BatchPredictionJob e il numero di GPU che puoi aggiungere è limitato a seconda del tipo di macchina utilizzato. La tabella seguente descrive questi limiti.

La seguente tabella mostra le GPU facoltative disponibili per la previsione online e il numero di GPU di ciascun tipo che puoi utilizzare con ogni tipo di macchina Compute Engine:

Numeri validi di GPU per ciascun tipo di macchina
Tipo di macchina NVIDIA Tesla K80 NVIDIA Tesla P100 NVIDIA Tesla V100 NVIDIA Tesla P4 NVIDIA Tesla T4
n1-standard-2 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-standard-4 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-standard-8 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-standard-16 2, 4, 8 1, 2, 4 2, 4, 8 1, 2, 4 1, 2, 4
n1-standard-32 4, 8 2, 4 4, 8 2, 4 2, 4
n1-highmem-2 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-highmem-4 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-highmem-8 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-highmem-16 2, 4, 8 1, 2, 4 2, 4, 8 1, 2, 4 1, 2, 4
n1-highmem-32 4, 8 2, 4 4, 8 2, 4 2, 4
n1-highcpu-2 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-highcpu-4 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-highcpu-8 1, 2, 4, 8 1, 2, 4 1, 2, 4, 8 1, 2, 4 1, 2, 4
n1-highcpu-16 2, 4, 8 1, 2, 4 2, 4, 8 1, 2, 4 1, 2, 4
n1-highcpu-32 4, 8 2, 4 4, 8 2, 4 2, 4

Le GPU facoltative comportano costi aggiuntivi.

Passaggi successivi