Ao treinar um modelo usando um fluxo de trabalho tabular, você é cobrado com base no custo da infraestrutura e dos serviços dependentes. Quando você faz previsões com esse modelo, a cobrança é feita com base no custo da infraestrutura.
O custo da infraestrutura depende dos seguintes fatores:
- O número de máquinas usadas. Defina os parâmetros associados durante o treinamento do modelo, a previsão em lote ou a previsão on-line.
- O tipo de máquinas que você usa. Ele pode ser definido durante o treinamento do modelo, a previsão em lote ou a previsão on-line.
- O tempo de uso das máquinas.
- Se você estiver treinando um modelo ou fazendo previsões em lote, essa é uma medida do tempo de processamento total da operação.
- Se você estiver fazendo previsões on-line, essa será uma medida do tempo em que seu modelo será implantado em um endpoint.
O fluxo de trabalho tabular executa em seu nome vários serviços dependentes no projeto: Dataflow, BigQuery, Cloud Storage, Vertex AI Pipelines e Vertex AI Training. Você receberá cobranças diretamente por esses serviços.
Exemplos de cálculo de custos de treinamento
Exemplo 1: conjunto de dados de 110 MB em formato CSV, treinado por uma hora com a configuração de hardware padrão.
O detalhamento do custo do fluxo de trabalho padrão com pesquisa e treinamento de arquitetura é assim:
| Serviço | Custo |
|---|---|
| Geração de estatísticas e exemplo do Dataflow | $ 2 (o Dataflow foi executado por 7 minutos) |
| Transformações de atributos e dados do Dataflow | $ 3 (o Dataflow foi executado por 10 minutos) |
| Treinamento da Vertex AI | 0,8 h x $ 20 + 0,2 h x $ 20 + $ 3,3 de custo de SSD + custo do contêiner do pipeline = $ 24 (ajuste de 48 min, treinamento de 12 min) |
| Pipelines da Vertex AI | 1 execução x $ 0,03 = $ 0,03 |
| Total sem a destilação de modelo | $ 27,03 |
É possível também ativar a destilação de modelo para reduzir o tamanho do modelo resultante. O detalhamento do custo é assim:
| Serviço | Custo |
|---|---|
| Total sem a destilação de modelo | $ 27,03 |
| Treinamento da Vertex AI para destilação de modelo | US$ 1 |
| Dados do Dataflow, transformações de atributos para destilação de modelo | $ 3 (o Dataflow foi executado por 10 minutos) |
| Previsão em lote para destilação de modelo | US$ 7 |
| Total com a destilação de modelo | $ 38,03 |
Exemplo 2: conjunto de dados de 1,84 TB no BigQuery, treinado por 20 horas com modificação de hardware.
A configuração de hardware para este exemplo é assim:
| Nome da configuração de hardware | Valor |
|---|---|
| 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 |
O detalhamento do custo do fluxo de trabalho padrão com pesquisa e treinamento de arquitetura é assim:
| Serviço | Custo |
|---|---|
| Geração de estatísticas e exemplo do Dataflow | $ 518 (o Dataflow foi executado por 6 horas) |
| Dados do Dataflow, transformações de atributos | $ 471 (o Dataflow foi executado por 6 horas) |
| Treinamento da Vertex AI | 17 h x $ 20 + 3 h x $ 20 + $ 41,5 de custo de SSD + custo do contêiner do pipeline = $ 555 (ajuste de 17 horas, treinamento de 3 horas) |
| Pipelines da Vertex AI | 1 execução x $ 0,03 = $ 0,03 |
| Total | $ 1544,03 |