Preise

Die Preise für AutoML Vision hängen vom verwendeten Feature ab: Klassifizierung von Bildern, Objekterkennung oder AutoML Vision Edge.

Klassifizierung von Bildern

Mit AutoML Vision Image Classification können Sie benutzerdefinierte Modelle für das maschinelle Lernen trainieren, um Bilder nach benutzerdefinierten Kategorien klassifizieren zu lassen.

Die Preise für die Nutzung von AutoML Vision Image Classification basieren auf der Ressourcennutzung, und zwar sowohl für das Training als auch für die Onlinevorhersage.

Kostenlos testen

Seit dem 21. November 2019 um 12 Uhr pazifischer Zeit gilt folgender Preis:

Sie können AutoML Vision Image Classification kostenlos testen. Dabei stehen Ihnen pro Rechnungskonto 40 kostenlose Stunden für das Training und 1 kostenlose Knotenstunde für die Batchvorhersage zur Verfügung. Die kostenlosen Knotenstunden werden Ihnen für die Erstellung Ihres ersten Modells bereitgestellt. Für die Batchvorhersage wird die kostenlose Knotenstunde bei der ersten Batchvorhersage bereitgestellt. Sie haben dann ein Jahr Zeit, um sie zu nutzen.

Preise sind in US-Dollar ($) angegeben. Wenn Sie in einer anderen Währung als US-Dollar bezahlen, gelten die Preise, die unter Cloud Platform SKUs für Ihre Währung angegeben sind.

Kosten für das Training zur Klassifizierung von Bildern

Die Kosten für das Training eines Klassifizierungsmodells für Bilder in AutoML Vision betragen 3,15 $ pro Knotenstunde.

Für jede Zeiteinheit verwenden wir parallel 8 Knoten. Dabei entspricht jeder Knoten einer n1-standard-8-Maschine mit einer angehängten NVIDIA® Tesla® V100-GPU. Siehe Tabelle unten*.

Die erforderliche Trainingszeit des Modells hängt von Umfang und Komplexität der Trainingsdaten ab. Nach der Erfahrung vieler Kunden reichen 8 Knotenstunden (ca. 1 Zeitstunde) zum Erstellen eines experimentellen Modells aus. Durch zusätzliche Trainingszeit erhöht sich die Genauigkeit bis auf Produktionsniveau. Dank der Funktion für frühzeitiges Anhalten wird das Training gestoppt, wenn die Genauigkeit nicht weiter verbessert werden kann.

Dabei bezahlen Sie nur für die aufgewendeten Computerstunden. Wenn das Training aus einem anderen Grund als durch einen vom Nutzer veranlassten Abbruch fehlschlägt, wird Ihnen die Zeit nicht in Rechnung gestellt. Wenn Sie den Vorgang selbst abbrechen, wird Ihnen die Trainingszeit jedoch berechnet.

Trainingsbeispiel

Beispiel 1 – Cloud-Modell mit Wiederaufnahme des Trainings

Sie haben ein Cloud-Image-Klassifizierungsmodell für den experimentellen Einsatz mit 40 Knotenstunden trainiert und zwei Tage später 16 Knotenstunden für die Wiederaufnahme des Trainings aufgewendet, um das Modell für den produktiven Einsatz vorzubereiten.

Sie erhalten dann so eine Rechnung:

(3,15 $ pro Knotenstunde) × (40 Knotenstunden) = 126,00 $ für das Anfangstraining
(3,15 $ pro Knotenstunde) × (16 Knotenstunden) = 50,40 $ für das wiederaufgenommene Training

Beispiel 2 – Cloud-Modell mit frühzeitigem Anhalten

Sie haben ein Cloud-Image-Klassifizierungsmodell trainiert, für dessen Training 32 Knotenstunden erforderlich waren. Dafür haben Sie ein Budget von 40 Knotenstunden festgelegt und die Funktion für ein frühzeitiges Anhalten aktiviert. In diesem Beispiel sind nur 4 Stunden vergangen. Das Training erfolgte jedoch parallel auf 8 Knoten. Die akkumulierte Trainingszeit betrug 32,12 Knotenstunden, sodass Folgendes berechnet wurde:

(3,15 $ pro Knotenstunde) × (32,12 Knotenstunden) = 101,18 $ (US-Dollar) für das Training

Klassifizierung von Bildern – Bereitstellungs- und Vorhersagekosten

Modelle müssen bereitgestellt werden, bevor sie Onlinevorhersagen zur Verfügung stellen können.

GPUs und/oder CPUs bleiben dem Modell zugewiesen, damit Ihre Vorhersagen nicht durch die Startlatenz verzögert werden.

Die Kosten für die Bereitstellung und Vorhersage betragen 1,25 $ pro Knotenstunde. Ein Knoten ist für einen Großteil des experimentellen Traffics in der Regel ausreichend. Sie können die Anzahl der Knoten anpassen, wenn Sie Ihr Modell bereitstellen. Wenn Sie in der integrierten Benutzeroberfläche die Anzahl der Knoten für die Bereitstellung auswählen, erhalten Sie eine Schätzung der Vorhersageabfragen pro Sekunde, die Ihr Modell unterstützen wird.

Für die Batch-Vorhersage beträgt der Preis 2,02 $ pro verwendeter Knotenstunde. Dabei ist die erste Knotenstunde pro Konto kostenlos (einmalig).

Entsprechend der Maschinenkonfiguration für diesen Knoten würde eine Gebühr von ca. 40 $ für einen Batch von 1 Million Bildern veranschlagt. Diese Gebühr kann erheblich höher sein, wenn komplexe Modelle oder Bilder mehr Rechenzeit benötigen, um Vorhersagen zu generieren.

Beachten Sie, dass die Gebühr nur für die verbrauchten Knotenstunden und nicht für die tatsächlich verstrichene Zeit gilt. Ein Abbruch der Batchvorhersageanforderung nach Beginn der Berechnung führt derzeit nicht zu einer Gebühr für die verbrauchten Knotenstunden. Möglicherweise erhalten Sie keine Teilergebnisse der Vorhersage, da die gesamte Pipeline ohne erforderliche Nachbearbeitung abgebrochen und Ressourcen freigegeben werden. Wenden Sie sich am nächsten Tag an den Google Cloud Platform Support, wenn der Vorgang innerhalb des erwarteten Zeitrahmens keine Ergebnisse geliefert hat.

Bereitstellungs- und Vorhersagebeispiele

Beispiel 1: Onlinevorhersage für alte Vorhersagedienste

Dies gilt nur für Modelle, die vor der Beta-Aktualisierung am 9. Oktober 2019 trainiert wurden. Diese Modelle werden in der integrierten Benutzeroberfläche als mit "0 Knoten" bereitgestellt angezeigt. Sie liefern so lange Onlinevorhersagen gemäß der alten Preisstruktur, bis Sie sie erneut bereitstellen. Onlinevorhersagen dieser Modelle werden am 21. Februar 2020 eingestellt, sofern Sie sie nicht erneut bereitstellen.

Sie haben in Ihrem monatlichen Abrechnungszeitraum 1 Million Bilder zur Vorhersage an das Cloud-Image-Klassifizierungsmodell gesendet. Die ersten 1.000 Bilder sind kostenlos. Die übrigen 999.000 Bilder werden Ihnen so in Rechnung gestellt:

(3 $/1.000 Bilder) * (999.000 Bilder) = 2.997,00 $ für Onlinevorhersageservices

Beispiel 2 – Cloud-Modell mit automatischer Bereitstellung

Die Abrechnung für die Modellbereitstellung wird nur dann eingestellt, wenn Sie die Bereitstellung des trainierten Modells aufheben. Angenommen, Sie haben sich beim Training für die automatische Bereitstellung entschieden, sodass Ihr Modell nach Abschluss des Trainings automatisch auf 1 Knoten bereitgestellt wurde. Danach haben Sie nicht mehr an die automatische Modellbereitstellung gedacht. In diesem Fall erhalten Sie innerhalb eines Monats eine Rechnung über:

(1,25 $ pro Knotenstunde) * (1 Knoten) * (24 Stunden pro Tag) * (30 Tage) = 900 $ (US-Dollar) für die Bereitstellung und Onlinevorhersage

Beispiel 3: Bereitstellung, Onlinevorhersage und Aufheben der Bereitstellung

Andererseits können Sie festlegen, dass eine automatische Bereitstellung nicht erforderlich ist, und bei Bedarf später bereitstellen. Ihr bereitgestelltes Modell wurde für Onlinevorhersagen verwendet. Anschließend haben Sie die Bereitstellung umgehend aufgehoben. Ab dem Zeitpunkt, an dem das bereitgestellte Modell für die Onlinevorhersage bereit war, bis zu dem Zeitpunkt, an dem die API zum Aufheben der Bereitstellung aufgerufen wurde, betrug die tatsächlich verstrichene Zeit 0,242 Stunden. Daher erhalten Sie eine Rechnung über:

(1,25 $ pro Knotenstunde) × (1 Knoten) × (0,242 Stunden) = 0,30 $ (US-Dollar)

Beispiel 4 – Batchvorhersage

Sie haben im monatlichen Abrechnungszeitraum 100.000 Bilder in einem einzelnen Job zur Batchvorhersage gesendet. Angenommen die Batchpipeline hat die Vorhersagen erhalten, indem sie für 0,75 Stunden 3 Knoten parallel verwendet hat. Das führte dazu, dass 2,25 Knotenstunden Rechenzeit abgerechnet wurden. Möglicherweise stellen Sie fest, dass statt 0,75 Stunden tatsächlich 1 Zeitstunde verstrichen ist, bevor die Ergebnisse zurückgegeben wurden. Dies ist darauf zurückzuführen, dass vor und nach den Batchvorhersagen Vorlauf- und Nachlaufphasen sowie Wartezeiten zwischen den einzelnen Phasen vorhanden sind.

Sie erhalten folgende Abrechnung:

(2,02 $ pro Knotenstunde) × (2,25 Knotenstunden) = 4,55 $ für Batchvorhersagedienste

Seit dem 21. November 2019 um 12 Uhr pazifischer Zeit gilt folgender Preis:

Klassifizierung von Bildern	Kostenlos	Kostenpflichtig
Training	Die ersten 40 Knotenstunden sind kostenlos (einmalig)	3,15 $ (US-Dollar) pro Knotenstunde
Bereitstellung und Onlinevorhersage (Einzelvorhersage)	Die ersten 40 Knotenstunden sind kostenlos (einmalig)	1,25 $ (US-Dollar) pro Knotenstunde
Batchvorhersage	Die erste Knotenstunde ist kostenlos (einmalig)	2,02 $ (US-Dollar) pro Knotenstunde

Wenn Sie in einer anderen Währung als US-Dollar bezahlen, gelten die unter Cloud Platform SKUs für Ihre Währung angegebenen Preise.

Objekterkennung

Mit AutoML Vision Object Detection können Sie benutzerdefinierte Objekterkennungsmodelle trainieren, um einen benutzerdefinierten Satz an Objekten in den Bildern zu lokalisieren.

Die Preise für AutoML Vision Object Detection basieren auf der Ressourcennutzung, und zwar sowohl für das Training als auch für die Onlinevorhersageklassifizierung.

Kostenlos testen

Sie können AutoML Vision Object Detection kostenlos testen. Dabei stehen Ihnen pro Rechnungskonto 40 kostenlose Knotenstunden für das Training und 1 kostenlose Knotenstunde für die Batchvorhersage zur Verfügung. Die kostenlosen Knotenstunden werden Ihnen für die Erstellung des ersten Modells bereitgestellt. Für die Batchvorhersage wird die kostenlose Knotenstunde bei der ersten Batchvorhersage bereitgestellt. Sie haben dann ein Jahr Zeit, um sie zu nutzen.

Preise sind in US-Dollar ($) angegeben. Wenn Sie in einer anderen Währung als US-Dollar bezahlen, gelten die Preise, die unter Cloud Platform SKUs für Ihre Währung angegeben sind.

Kosten für das Training zur Objekterkennung

Die Kosten für das Training eines AutoML Vision Object Detection-Modells betragen 3,15 $ pro Knotenstunden.

Für jede Zeiteinheit verwenden wir parallel 9 Knoten, wobei jeder Knoten einer n1-standard-8-Maschine mit einer angehängten NVIDIA® Tesla® V100-GPU entspricht. Siehe Tabelle unten*.

Die erforderliche Trainingszeit des Modells hängt von Umfang und Komplexität der Trainingsdaten ab. Nach der Erfahrung vieler Kunden reichen 40 Knotenstunden (ca. 5 Zeitstunden) aus, um ein Modell mit bis zu 5.000 beschrifteten Bildern zu erstellen.

Dabei bezahlen Sie nur für die aufgewendeten Computerstunden. Wenn das Training aus einem anderen Grund als einem vom Nutzer veranlassten Abbruch fehlschlägt, wird Ihnen die Zeit nicht in Rechnung gestellt. Wenn Sie den Vorgang jedoch selbst abbrechen, wird Ihnen die Trainingszeit berechnet.

Trainingsbeispiel

Sie haben ein Cloud Object Detection-Modell trainiert, für dessen Training 38,207 Knotenstunden erforderlich waren. Dafür haben Sie ein Budget von 40 Knotenstunden festgelegt und die Funktion für ein frühzeitiges Anhalten aktiviert. Die tatsächlich verstrichene Zeit während des Trainings beträgt möglicherweise nur 5 Stunden. Es wurden für den Trainingsjob jedoch 9 Knoten parallel verwendet. Dies erklärt, warum die abgerechneten Knotenstunden mit 38,207 deutlich höher liegen. Sie erhalten eine Rechnung über:

(3,15 $ pro Knotenstunde) × (38,207 Knotenstunden) = 120,35 $ für das Training

Objekterkennung – Bereitstellungs- und Vorhersagekosten

Modelle müssen bereitgestellt werden, bevor sie Onlinevorhersagen zur Verfügung stellen können.

Beachten Sie, dass GPUs dem Modell zugewiesen bleiben, damit die Vorhersagen nicht durch die Startlatenz verzögert werden.

Die Kosten für die Bereitstellung und Vorhersage betragen 1,82 $ pro Knotenstunde. Für jede Zeiteinheit verwenden wir einen Knoten, der einer n1-standard-4-Maschine mit einer NVIDIA® P100-GPU entspricht. Siehe Tabelle unten**.

Nach den Erfahrungen vieler Kunden ist eine Knotenstunde ausreichend für maximal 1,5 Abfragen pro Sekunde. Sie können die Anzahl der Knoten anpassen, wenn Sie Ihr Modell bereitstellen.

Bereitstellungs- und Vorhersagebeispiele

Sie sollten, wenn möglich, Modellbereitstellungen entfernen, wenn diese nicht benötigt werden. Sie können Modelle später wieder bereitstellen, wenn sie für Vorhersagen benötigt werden.

Beispiel 1 – Bereitstellung und Onlinevorhersage

Sie haben Ihr Cloud Object Detection-Modell auf 10 Knoten bereitgestellt und über einen Zeitraum von 20,25 Stunden 1 Million Bilder zur Vorhersage gesendet. Nachdem Sie den Vorhersageservice verwendet haben, heben Sie die Bereitstellung dieses in der Cloud gehosteten Modells auf. Da Sie die Bereitstellung des Modells aufgehoben haben, ist Ihre Abrechnung für jeden der 10 Knoten auf 20,25 Stunden begrenzt, sodass insgesamt 202,5 Knotenstunden anfallen. Obwohl Sie 1 Million Bilder zur Vorhersage gesendet haben, fallen keine Gebühren pro Bild an. Sie erhalten daher eine Rechnung über:

(1,82 $ pro Knotenstunde) × (202,5 Knotenstunden) = 368,55 $ für die Bereitstellung und die Vorhersage

Beispiel 2 – Bereitstellung und Onlinevorhersage

Die Gebühren für die Bereitstellung des Object Detection-Modells fallen so lange an, bis Sie die Bereitstellung des trainierten Modells aufheben. Angenommen, Sie haben sich beim Training für die automatische Bereitstellung entschieden, sodass Ihr Modell nach Abschluss des Trainings automatisch auf einem Knoten bereitgestellt wurde. Danach haben Sie nicht mehr an die automatische Modellbereitstellung gedacht. In diesem Fall erhalten Sie innerhalb eines Monats eine Rechnung über:

(1,82 $ pro Knotenstunde) * (1 Knoten) * (24 Stunden pro Tag) * (30 Tage) = 1.310,40 $ für die Bereitstellung und Vorhersage

Beispiel 3 – Batchvorhersage

Sie haben im monatlichen Abrechnungszeitraum 100.000 Bilder in einem einzelnen Job zur Batchvorhersage gesendet. Angenommen die Batchpipeline hat die Vorhersagen erhalten, indem sie für durchschnittlich 5,45 Stunden 3 Knoten parallel verwendet hat. Das führte dazu, dass 16,35 Knotenstunden Rechenzeit abgerechnet wurden. Möglicherweise stellen Sie fest, dass tatsächlich 6 Zeitstunden verstrichen sind, bevor die Ergebnisse zurückgegeben wurden. Dies liegt daran, dass Batchvorhersagen zwischen Vor- und Nachverarbeitungsphasen ausgeführt werden. Außerdem gibt es zwischen den einzelnen Phasen auch Wartezeiten.

Sie erhalten folgende Abrechnung:

(2,02 $ pro Knotenstunde) × (16,35 Knotenstunden) = 33,03 $ für die Batchvorhersage

Objekterkennung	Kostenlos	Kostenpflichtig
Training	Die ersten 40 Knotenstunden sind kostenlos (einmalig)	3,15 $ (US-Dollar) pro Knotenstunde
Bereitstellung und Onlinevorhersage (Einzelvorhersage)	Die ersten 40 Knotenstunden sind kostenlos (einmalig)	1,82 $ (US-Dollar) pro Knotenstunde
Batchvorhersage	Die erste Knotenstunde ist kostenlos (einmalig)	2,02 $ (US-Dollar) pro Knotenstunde

Wenn Sie in einer anderen Währung als US-Dollar bezahlen, gelten die unter Cloud Platform SKUs für Ihre Währung angegebenen Preise.

AutoML Vision Edge

Die Edge-Modelle werden auf TPUs trainiert.

Klassifizierung von Bildern: Die Kosten für das Training eines AutoML Vision Edge-Modells für die Klassifizierung von Bildern betragen 4,95 $ pro Stunde.
Objekterkennung: Die Kosten für das Training eines AutoML Vision Edge-Modells zur Objekterkennung betragen 18 $ pro Stunde.

Sie verwenden pro Zeiteinheit 1 Knoten. Dabei entspricht der Knoten einer Cloud TPU v2-Maschine.

Kostenlos testen

Sie können Edge kostenlos testen, indem Sie pro Abrechnungskonto 15 kostenlose Knotenstunden für das Training verwenden. Die kostenlosen Knotenstunden werden Ihnen vor der Erstellung des ersten Modells bereitgestellt. Sie haben ein Jahr Zeit, sie zu nutzen.

Nach den Erfahrungen vieler Kunden sind 3 Knotenstunden ausreichend, um ein Modell mit bis zu 5.000 beschrifteten Bildern zu erstellen.

AutoML Vision Edge	Kostenlos	Kostenpflichtig
Training zur Klassifizierung von Bildern	Kostenloses Training von 15 Knotenstunden pro Konto (einmalig)*	Für weitere Trainingsknotenstunden fallen 4,95 $ (US-Dollar) pro Stunde an
Training zur Objekterkennung	Kostenloses Training von 15 Knotenstunden pro Konto (einmalig)*	Für weitere Trainingsknotenstunden fallen 18,00 $ pro Stunde an
Modelle in Edge-Geräte exportieren	Kostenlos	Kostenlos

* Gültig seit 7. Mai 2019

Wenn Sie in einer anderen Währung als US-Dollar bezahlen, gelten die unter Cloud Platform SKUs für Ihre Währung angegebenen Preise.

Trainingsbeispiel für die Klassifizierung von Edge-Bildern

Sie haben für die Entwicklung ein Image Classification Edge-Modell trainiert, für dessen Training 1,506 Knotenstundenerforderlich waren. Dafür haben Sie die Funktion für ein frühzeitiges Anhalten aktiviert. Sie erhalten eine Rechnung über:

(4,95 $ pro Knotenstunde) × (1,506 Knotenstunden) = 7,45 $ für das Training

Trainingsbeispiel für die Edge-Objekterkennung

Sie haben für die Entwicklung ein Object Detection Edge-Modell trainiert, für dessen Training 1,506 Knotenstundenerforderlich waren. Dafür haben Sie die Funktion für ein frühzeitiges Anhalten aktiviert. Sie erhalten eine Rechnung über:

(18,00 $ pro Knotenstunde) * (1,506 Knotenstunden) = 27,11 $ für das Training

Google Cloud Platform-Kosten

Da Sie Bilder für die Analyse in Google Cloud Storage speichern und gegebenenfalls andere Google Cloud Platform-Ressourcen in Verbindung mit AutoML Vision nutzen (z. B. Google AI Platform, Container und Datenbankinstanzen), wird Ihnen die Anwendung dieser Dienste in Rechnung gestellt. Der Preis für die über den AI Platform Data Labeling Service erhältliche Kennzeichnung kann in der entsprechenden Preisübersicht eingesehen werden. Im Google Cloud Platform-Preisrechner können Sie die weiteren Kosten anhand der aktuellen Preise ermitteln.

Ihren aktuellen Abrechnungsstatus einschließlich Nutzung und Ihrer aktuellen Rechnung finden Sie in der Cloud Console auf der Abrechnungsseite. Weitere Informationen zur Kontoverwaltung finden Sie in der Cloud Billing-Dokumentation und unter Support zu Abrechnung und Zahlungen.

Kontingente auf der Google Cloud Console prüfen

Es gibt zwei Möglichkeiten, Ihre aktuellen Kontingentlimits in der Google Cloud Console aufzurufen:

Auf der Seite Kontingente finden Sie eine Liste mit der Kontingentnutzung und den Kontingentlimits aller Ihrer Projekte.
In der Console finden Sie Kontingentinformationen zu einer bestimmten API, z. B. zur Ressourcennutzung in einem bestimmten Zeitraum.

Suchen Sie auf der Seite Kontingente nach bestimmten Vorgangskontingenten. Wählen Sie dazu zuerst im Menü Dienst die Option Cloud AutoML API aus. Nachdem Sie den Service (Dienst): Cloud AutoML API ausgewählt haben, können Sie den entsprechenden Metric (Messwert) auswählen.

Beispiele:

Beschreibung des Vorgangs	Methodenname	Messwertname in der Console
Klassifizierung von Bildern: Simultanes Modelltraining	`projects.locations.models.create`	"Concurrent image classification model creation requests" (Gleichzeitige Anfragen zur Erstellung von Bildklassifikationsmodellen)
Bildklassifizierung: Onlinevorhersage	`projects.locations.models.predict`	"Online image classification prediction requests per minute" (Vorhersageanfragen für Online-Bildklassifizierung pro Minute)
Objekterkennung: Simultanes Modelltraining	`projects.locations.models.create`	"Image object detection concurrent model creation requests" (Anfragen zur gleichzeitigen Modellerstellung zur Objekterkennung in Bildern)
Objekterkennung: Simultane Offline-Batchvorhersage	`projects.locations.models.batchPredict`	"Image object detection concurrent batch prediction requests" (Anfragen für gleichzeitige Batchvorhersage zur Objekterkennung in Bildern)

Grafik: Kontingentseite:

Kontingentseite mit aufgeführten AutoML Vision-Kontingenten