基礎架構費用取決於下列因素：
- 你使用的機器數量。您可以在模型訓練、批次推論或線上推論期間設定相關聯的參數。
- 你使用的機器類型。您可以在模型訓練、批次推論或線上推論期間設定這個參數。
- 機器使用時間長度。
- 如果您訓練模型或進行批次推論，這項指標會顯示作業的總處理時間。
- 如果您進行線上推論，這項指標會測量模型部署至端點的時間。
Tabular Workflows 會代表您在專案中執行多項相依服務：Dataflow、BigQuery、Cloud Storage、Vertex AI Pipelines、Vertex AI Training。這些服務會直接向你收費。
訓練費用計算範例
範例 1：110 MB 的 CSV 格式資料集，以預設硬體設定訓練一小時。
使用架構搜尋和訓練的預設工作流程費用明細如下：
| 服務 | 費用 |
|---|---|
| Dataflow 範例和統計資料產生 | $2 (Dataflow 執行 7 分鐘) |
| Dataflow 資料和特徵轉換 | $3 (Dataflow 執行 10 分鐘) |
| Vertex AI 訓練 | 0.8 小時 x $20 美元 + 0.2 小時 x $20 美元 + $3.3 美元 SSD 費用 + 管道容器費用 = $24 美元 (48 分鐘的調整作業，12 分鐘的訓練作業) |
| Vertex AI Pipelines | 1 次執行 x $0.03 美元 = $0.03 美元 |
| 總計 (不含模型蒸餾) | $27.03 美元 |
您可以選擇啟用模型蒸餾，縮減產生的模型大小。 費用明細如下：
| 服務 | 費用 |
|---|---|
| 不含模型蒸餾的總金額 | $27.03 美元 |
| 使用 Vertex AI Training 進行模型蒸餾 | $1 美元 |
| Dataflow 資料、模型蒸餾的特徵轉換 | $3 (Dataflow 執行 10 分鐘) |
| 模型蒸餾的批次推論 | $7 美元 |
| 總計 (包括模型蒸餾) | $38.03 美元 |
範例 2：BigQuery 中 1.84 TB 的資料集，使用硬體覆寫訓練 20 小時。
這個範例的硬體設定如下：
| 硬體設定名稱 | 值 |
|---|---|
| stats_and_example_gen_dataflow_machine_type | n1-standard-16 |
| stats_and_example_gen_dataflow_max_num_workers | 100 |
| stats_and_example_gen_dataflow_disk_size_gb | 40 |
| transform_dataflow_machine_type | n1-standard-16 |
| transform_dataflow_max_num_workers | 100 |
| transform_dataflow_disk_size_gb | 200 |
| distill_batch_predict_machine_type | n1-standard-2 |
| distill_batch_predict_starting_replica_count | 200 |
| distill_batch_predict_max_replica_count | 200 |
使用架構搜尋和訓練的預設工作流程費用明細如下：
| 服務 | 費用 |
|---|---|
| Dataflow 範例和統計資料產生 | $518 (Dataflow 執行 6 小時) |
| Dataflow 資料、特徵轉換 | $471 (Dataflow 執行 6 小時) |
| Vertex AI 訓練 | 17 小時 x $20 美元 + 3 小時 x $20 美元 + $41.5 美元 SSD 費用 + 管道容器費用 = $555 美元 (17 小時調整，3 小時訓練) |
| Vertex AI Pipelines | 1 次執行 x $0.03 美元 = $0.03 美元 |
| 總計 | $1544.03 |