Prezzi di Vertex AI
Quando addestri un modello utilizzando un flusso di lavoro tabulare, ti viene addebitato il costo dell'infrastruttura e dei servizi dipendenti. Quando fai inferenze con questo modello, ti viene addebitato il 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, l'inferenza batch o l'inferenza online.
- Il tipo di macchine che utilizzi. Puoi impostare questo parametro durante l'addestramento del modello, l'inferenza batch o l'inferenza online.
- La durata di utilizzo delle macchine.
- Se addestri un modello o fai inferenze in batch, questa è una misura del tempo di elaborazione totale dell'operazione.
- Se esegui inferenze online, questa è una misura del tempo in cui il modello viene distribuito a un endpoint.
Tabular Workflows esegue più servizi dipendenti nel tuo progetto per tuo conto: Dataflow, BigQuery, Cloud Storage, Vertex AI Pipelines e Vertex AI Training. Questi servizi ti addebitano direttamente i costi.
Esempi di calcolo dei costi di addestramento
Esempio 1: set di dati da 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 addestramento è la seguente:
| Servizio | Costo |
|---|---|
| Generazione di statistiche ed esempi di Dataflow | 2 $ (Dataflow è stato eseguito per 7 min) |
| Trasformazioni di dati e caratteristiche Dataflow | 3 $ (Dataflow in esecuzione per 10 min) |
| Vertex AI Training | 0,8 ore x 20 $+ 0,2 ore x 20 $+ 3,3 $di costo SSD + costo container pipeline = 24 $ (48 min di ottimizzazione, 12 min di addestramento) |
| Vertex AI Pipelines | 1 esecuzione x 0,03 $= 0,03 $ |
| Totale escluso il modello di distillazione | 27,03$ |
Facoltativamente, puoi abilitare la distillazione del modello per ridurre le dimensioni del modello risultante. La ripartizione dei costi è la seguente:
| Servizio | Costo |
|---|---|
| Totale escludendo la distillazione del modello | 27,03 $ |
| Vertex AI Training per la distillazione del modello | 1 $ |
| Dati Dataflow, trasformazioni delle caratteristiche per la distillazione del modello | 3 $ (Dataflow in esecuzione per 10 min) |
| Inferenzia batch per la distillazione del modello | 7 $ |
| Totale inclusa la distillazione del modello | 38,03$ |
Esempio 2: set di dati da 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 addestramento è la seguente:
| Servizio | Costo |
|---|---|
| Generazione di statistiche ed esempi di Dataflow | 518 $ (Dataflow è stato eseguito per 6 ore) |
| Dati Dataflow, trasformazioni delle caratteristiche | 471 $ (Dataflow è stato eseguito per 6 ore) |
| Vertex AI Training | 17 ore x 20 $+ 3 ore x 20 $+ 41,5 $di costo SSD + costo container pipeline = 555 $ (17 ore di ottimizzazione, 3 ore di addestramento) |
| Vertex AI Pipelines | 1 esecuzione x 0,03 $= 0,03 $ |
| Totale | 1544,03$ |