Saat melatih model menggunakan Tabular Workflow, Anda akan ditagih berdasarkan biaya infrastruktur dan layanan dependen. Saat membuat prediksi dengan model ini, Anda dikenai biaya berdasarkan biaya infrastruktur.
Biaya infrastruktur bergantung pada faktor-faktor berikut:
- Jumlah mesin yang digunakan. Anda dapat menetapkan parameter terkait selama pelatihan model, prediksi batch, atau prediksi online.
- Jenis mesin yang Anda gunakan. Anda dapat menetapkan parameter ini selama pelatihan model, prediksi batch, atau prediksi online.
- Durasi waktu saat mesin digunakan.
- Jika Anda melatih model atau membuat prediksi batch, ini adalah ukuran total waktu pemrosesan operasi.
- Jika Anda membuat prediksi online, ini adalah ukuran waktu model Anda di-deploy ke endpoint.
Tabular Workflows menjalankan beberapa layanan dependen dalam project Anda atas nama: Dataflow, BigQuery, Cloud Storage, Vertex AI Pipelines, Vertex AI Training. Anda akan ditagih untuk penggunaan layanan ini secara langsung.
Contoh penghitungan biaya pelatihan
Contoh 1: Set data 110 MB dalam format CSV, yang dilatih selama satu jam dengan konfigurasi hardware default.
Perincian biaya untuk alur kerja default dengan Pelatihan dan Penelusuran Arsitektur adalah sebagai berikut:
| Layanan | Biaya |
|---|---|
| Contoh Dataflow dan pembuatan statistik | $2 (Dataflow berjalan 7 menit) |
| Data Dataflow dan transformasi fitur | $3 (Dataflow berjalan 10 menit) |
| Vertex AI Training | 0,8 jam x $20 + 0,2 jam x $20 + $3,3 biaya SSD + biaya container pipeline = $24 (penyesuaian 48 menit, pelatihan 12 menit) |
| Vertex AI Pipelines | 1 run x $0,03 = $0,03 |
| Total tidak termasuk distilasi model | $27.03 |
Secara opsional, Anda dapat mengaktifkan distilasi model untuk mengurangi ukuran model yang dihasilkan. Perincian biayanya adalah sebagai berikut:
| Layanan | Biaya |
|---|---|
| Total tidak termasuk distilasi model | $27.03 |
| Vertex AI Training untuk distilasi model | $1 |
| Data Dataflow, transformasi fitur untuk distilasi model | $3 (Dataflow berjalan 10 menit) |
| Prediksi batch untuk distilasi model | $7 |
| Total termasuk distilasi model | $38.03 |
Contoh 2: Set data 1,84 TB di BigQuery, dilatih selama 20 jam dengan penggantian hardware.
Konfigurasi hardware untuk contoh ini adalah sebagai berikut:
| Nama Konfigurasi Hardware | Nilai |
|---|---|
| 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 |
Perincian biaya untuk alur kerja default dengan Pelatihan dan Penelusuran Arsitektur adalah sebagai berikut:
| Layanan | Biaya |
|---|---|
| Contoh Dataflow dan pembuatan statistik | $518 (Dataflow berjalan 6 jam) |
| Data Dataflow, transformasi fitur | $471 (Dataflow berjalan 6 jam) |
| Vertex AI Training | 17 jam x $20 + 3 jam x $20 + $41,5 biaya SSD + biaya container pipeline = $555 (penyesuaian 17 jam, pelatihan 3 jam) |
| Vertex AI Pipelines | 1 run x $0,03 = $0,03 |
| Total | $1544.03 |