Quando addestri un modello utilizzando un flusso di lavoro tabulare, l'addebito viene effettuato in base al costo dell'infrastruttura e dei servizi dipendenti. Quando effettui previsioni con questo modello, gli addebiti vengono effettuati in base al costo dell'infrastruttura.
Il costo dell'infrastruttura dipende dai seguenti fattori:
- Il numero di macchine che utilizzi. Puoi impostare i parametri associati durante l'addestramento del modello, la previsione batch o la previsione online.
- Il tipo di macchine che utilizzi. Puoi impostare questo parametro durante l'addestramento del modello, la previsione batch o la previsione online.
- La durata dell'utilizzo delle macchine.
- Se stai addestrando un modello o eseguendo previsioni batch, si tratta di una misura del tempo di elaborazione totale dell'operazione.
- Se esegui previsioni online, si tratta di una misura del tempo di deployment del modello in un endpoint.
Tabular Workflows esegue per tuo conto più servizi dipendenti nel tuo progetto: Dataflow, BigQuery, Cloud Storage, Vertex AI Pipelines, Vertex AI Training. L'importo ti verrà addebitato direttamente da questi servizi.
Esempi di calcolo del costo dell'addestramento
Esempio 1: set di dati di 110 MB in formato CSV, addestrato per un'ora con la configurazione hardware predefinita.
La suddivisione dei costi per il flusso di lavoro predefinito con Ricerca dell'architettura e formazione è la seguente:
| Servizio | Costo |
|---|---|
| Esempio di Dataflow e generazione di statistiche | 2 $ (Dataflow è stato eseguito per 7 minuti) |
| Trasformazioni di dati e funzionalità di Dataflow | 3 $ (Dataflow è stato eseguito per 10 minuti) |
| Vertex AI Training | 0,8 ore x 20 $+ 0,2 ore x 20 $+ 3,3 $di costo dell'SSD + costo del contenitore della pipeline = 24 $ (ottimizzazione di 48 minuti, addestramento di 12 minuti) |
| Vertex AI Pipelines | 1 esecuzione x 0,03 $= 0,03 $ |
| Totale esclusa la distillazione del modello | 27,03$ |
Facoltativamente, puoi attivare la distillazione del modello per ridurre le dimensioni del modello risultante. La suddivisione dei costi è la seguente:
| Servizio | Costo |
|---|---|
| Totale esclusa la distillazione del modello | 27,03 $ |
| Vertex AI Training per la distillazione del modello | 1 $ |
| Dati di Dataflow, trasformazioni delle funzionalità per la distillazione del modello | 3 $ (Dataflow è stato eseguito per 10 minuti) |
| Previsione batch per la distillazione del modello | $ 7 |
| Totale inclusa la distillazione del modello | 38,03$ |
Esempio 2: set di dati di 1,84 TB in BigQuery, addestrato per 20 ore con override hardware.
La configurazione hardware per questo esempio è la seguente:
| Nome configurazione hardware | Valore |
|---|---|
| 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 |
La suddivisione dei costi per il flusso di lavoro predefinito con Ricerca dell'architettura e formazione è la seguente:
| Servizio | Costo |
|---|---|
| Esempio di Dataflow e generazione di statistiche | 518 $ (Dataflow è stato eseguito per 6 ore) |
| Dati di Dataflow, trasformazioni delle funzionalità | 471 $ (Dataflow è stato eseguito per 6 ore) |
| Vertex AI Training | 17 ore x 20 $+ 3 ore x 20 $+ costo SSD 41,5 $+ costo contenitore pipeline = 555 $ (ottimizzazione di 17 ore, addestramento di 3 ore) |
| Vertex AI Pipelines | 1 esecuzione x 0,03 $= 0,03 $ |
| Totale | 1544,03$ |