Cuando entrenas un modelo con un flujo de trabajo tabular, se te cobra en función del coste de la infraestructura y de los servicios que dependen de él. Si haces predicciones con este modelo, se te cobrará en función del coste de la infraestructura.
El coste de la infraestructura depende de los siguientes factores:
- El número de máquinas que utilizas. Puedes definir los parámetros asociados durante el entrenamiento de modelos, la predicción por lotes o la predicción online.
- El tipo de máquinas que utilizas. Puedes definir este parámetro durante el entrenamiento de los modelos, la predicción por lotes o la predicción online.
- Tiempo durante el que se usan las máquinas.
- Si entrenas un modelo o haces predicciones por lotes, el tiempo de procesamiento total de la operación corresponde a esta medida.
- Si haces predicciones online, se trata de la medida del tiempo que tu modelo se despliega en un endpoint.
Tabular Workflows ejecuta varios servicios dependientes en tu proyecto en tu nombre: Dataflow, BigQuery, Cloud Storage, Vertex AI Pipelines y Vertex AI Training. Se te cobrará directamente a través de estos servicios.
Ejemplos de cálculo del coste de entrenamiento
Ejemplo 1: Conjunto de datos de 110 MB en formato CSV entrenado durante una hora con la configuración de hardware predeterminada.
El desglose de costes del flujo de trabajo predeterminado con la búsqueda de arquitectura y el entrenamiento es el siguiente:
| Servicios | Coste |
|---|---|
| Ejemplo y generación de estadísticas de Dataflow | 2 $ (Dataflow se ha ejecutado durante 7 minutos) |
| Transformación de datos y funciones de Dataflow | 3 USD (Dataflow se ha ejecutado durante 10 minutos) |
| Vertex AI Training | 0,8 h x 20 USD + 0,2 h x 20 USD + 3,3 USD coste de SSD + coste del contenedor de flujos de procesamiento = 24 USD (afinamiento de 48 minutos, entrenamiento de 12 minutos) |
| Vertex AI Pipelines | 1 carrera x 0,03 USD = 0,03 USD |
| Total sin extracción de modelos | 27,03$ |
También puedes habilitar la extracción de modelos para reducir el tamaño del modelo resultante. El desglose de los costes es el siguiente:
| Servicios | Coste |
|---|---|
| Total sin extracción del modelo | 27,03 USD |
| Vertex AI Training para la extracción de modelos | 1 USD |
| Datos de Dataflow, transformaciones de funciones para extraer modelos | 3 USD (Dataflow se ha ejecutado durante 10 minutos) |
| Predicción por lotes para la extracción de modelos | 7 USD |
| Total con la extracción del modelo incluida | 38,03$ |
Ejemplo 2: Conjunto de datos de 1,84 TB en BigQuery, entrenado durante 20 horas con anulación de hardware.
La configuración de hardware de este ejemplo es la siguiente:
| Nombre de configuración de hardware | Valor |
|---|---|
| estadísticas_y_tipo_de_flujo_de_datos_de_generación_de_ejemplo | n1‑standard‑16 |
| estadísticas_y_número_de_trabajadores_de_flujo_de_datos_de_ejemplo | 100 |
| estadísticas_y_ejemplo_de_flujo_de_datos_del_disco_de_la_generación_gb | 40 |
| tipo_máquina_flujo_datos_transformación | n1‑standard‑16 |
| número_máximo_de_trabajadores_de_flujo_de_datos | 100 |
| tamaño_del_disco_del_flujo_de_datos_transformación | 200 |
| tipo_de_predicción_de_la_máquina_de_los_lotes_de_distill | n1‑standard‑2 |
| recuento_de_replicaciones_de_predicción_del_lote_de_distill | 200 |
| recuento_de_replicaciones_de_distill_batch_predict_max_replica_count | 200 |
El desglose de costes del flujo de trabajo predeterminado con la búsqueda de arquitectura y el entrenamiento es el siguiente:
| Servicios | Coste |
|---|---|
| Ejemplo y generación de estadísticas de Dataflow | 518 USD (Dataflow se ha ejecutado durante 6 horas) |
| Datos de Dataflow y transformaciones de funciones | 471 USD (Dataflow se ha ejecutado durante 6 horas) |
| Vertex AI Training | 17 horas x 20 USD + 3 horas x 20 USD + coste de SSD 41,5 USD + coste del contenedor de flujos de procesamiento = 555 USD (17 horas de ajuste, 3 horas de entrenamiento) |
| Vertex AI Pipelines | 1 carrera x 0,03 USD = 0,03 USD |
| Total | 1544,03$ |