Vertex AI 定價
使用 Tabular Workflow 訓練模型時，系統會根據基礎架構和相關服務的費用向您收費。使用這個模型進行推論時，系統會根據基礎架構的費用向您收費。基礎架構的費用取決於下列因素：
- 使用的機器數量。您可以在模型訓練、批次推論或線上推論期間設定相關參數。
- 使用的機器類型。您可以在模型訓練、批次推論或線上推論期間設定這個參數。
- 機器使用時間長度。
- 如果您訓練模型或進行批次推論，這項指標會顯示作業的總處理時間。
- 如果進行線上推論，這項指標會測量模型部署至端點的時間。
表格工作流程會代表您在專案中執行多項相依服務，包括 Dataflow、BigQuery、Cloud Storage、Vertex AI Pipelines 和 Vertex AI Training。這些服務會直接向你收費。
訓練費用計算範例
範例 1：110 MB 的 CSV 格式資料集，使用預設硬體設定訓練一小時。
使用 Architecture Search 和 Training 的預設工作流程成本明細如下：
| 服務 | 費用 |
|---|---|
| Dataflow 範例和統計資料生成 | $2 (Dataflow 執行 7 分鐘) |
| Dataflow 資料和特徵轉換 | $3 (Dataflow 執行 10 分鐘) |
| Vertex AI 訓練 | 0.8 小時 x $20 美元 + 0.2 小時 x $20 美元 + $3.3 美元 SSD 費用 + pipeline container 費用 = $24 美元 (48 分鐘調整、12 分鐘訓練) |
| Vertex AI Pipelines | 1 次執行 x $0.03 美元 = $0.03 美元 |
| 總計 (不含模型蒸餾) | $27.03 |
您也可以選擇啟用模型蒸餾，縮減產生的模型大小。 費用明細如下：
| 服務 | 費用 |
|---|---|
| 總數 (不含模型蒸餾) | $27.03 |
| Vertex AI Training for model distillation | $1 美元 |
| Dataflow 資料、模型壓縮的特徵轉換 | $3 (Dataflow 執行 10 分鐘) |
| 模型蒸餾的批次推論 | $7 美元 |
| 總計 (含模型蒸餾) | $38.03 |
範例 2：BigQuery 中 1.84 TB 的資料集，訓練時間為 20 小時，並採用硬體覆寫。
這個範例的硬體設定如下：
| 硬體設定名稱 | 值 |
|---|---|
| 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 |
使用 Architecture Search 和 Training 的預設工作流程成本明細如下：
| 服務 | 費用 |
|---|---|
| Dataflow 範例和統計資料生成 | $518 (Dataflow 執行 6 小時) |
| Dataflow 資料、特徵轉換 | $471 (Dataflow 執行 6 小時) |
| Vertex AI 訓練 | 17 小時 x $20 美元 + 3 小時 x $20 美元 + $41.5 美元 SSD 費用 + pipeline container 費用 = $555 美元 (17 小時調整、3 小時訓練) |
| Vertex AI Pipelines | 1 次執行 x $0.03 美元 = $0.03 美元 |
| 總計 | $1544.03 |