Precios de Vertex AI
Cuando entrenas un modelo con un flujo de trabajo tabular, se te cobra en función del coste de la infraestructura y los servicios dependientes. Cuando haces inferencias con este modelo, se te cobra en función del coste de la infraestructura.El coste de la infraestructura depende de los siguientes factores:
- El número de máquinas que usas. Puedes definir los parámetros asociados durante el entrenamiento del modelo, la inferencia por lotes o la inferencia online.
- El tipo de máquinas que usas. Puedes definir este parámetro durante el entrenamiento del modelo, la inferencia por lotes o la inferencia online.
- El tiempo que se usan las máquinas.
- Si entrenas un modelo o haces inferencias por lotes, esta es una medida del tiempo total de procesamiento de la operación.
- Si haces inferencias online, esta es una medida del tiempo que tu modelo está desplegado 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. Estos servicios te cobran directamente.
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 Architecture Search y Training es el siguiente:
| Servicio | Coste |
|---|---|
| Ejemplo de Dataflow y generación de estadísticas | 2 USD (Dataflow se ejecutó durante 7 minutos) |
| Transformaciones de datos y funciones de Dataflow | 3 USD (Dataflow se ejecutó durante 10 minutos) |
| Vertex AI Training | 0,8 h x 20 USD + 0,2 h x 20 USD + 3,3 USD de coste de SSD + coste de contenedor de la canalización = 24 USD (48 min de ajuste y 12 min de entrenamiento) |
| Vertex AI Pipelines | 1 ejecución x 0,03 USD = 0,03 USD |
| Total sin destilación de modelos | 27,03$ |
De forma opcional, puedes habilitar la destilación de modelos para reducir el tamaño del modelo resultante. El desglose de los costes es el siguiente:
| Servicio | Coste |
|---|---|
| Total sin destilación de modelos | 27,03 USD |
| Vertex AI Training para la destilación de modelos | 1 USD |
| Datos de Dataflow, transformaciones de características para la destilación de modelos | 3 USD (Dataflow se ejecutó durante 10 minutos) |
| Inferencia por lotes para la destilación de modelos | 7 USD |
| Total, incluida la destilación de modelos | 38,03 USD |
Ejemplo 2: conjunto de datos de 1,84 TB en BigQuery, entrenado durante 20 horas con hardware de sustitución.
La configuración de hardware de este ejemplo es la siguiente:
| Nombre de la configuración 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 |
El desglose de costes del flujo de trabajo predeterminado con Architecture Search y Training es el siguiente:
| Servicio | Coste |
|---|---|
| Ejemplo de Dataflow y generación de estadísticas | 518 USD (Dataflow se ejecutó durante 6 horas) |
| Datos de Dataflow, transformaciones de características | 471 USD (Dataflow se ejecutó durante 6 horas) |
| Vertex AI Training | 17 h x 20 USD + 3 h x 20 USD + 41, 5 USD de coste de SSD + coste de contenedor de canalización = 555 USD (17 horas de ajuste y 3 horas de entrenamiento) |
| Vertex AI Pipelines | 1 ejecución x 0,03 USD = 0,03 USD |
| Total | 1544,03 USD |