Cuando entrenas un modelo con un flujo de trabajo tabular, se te cobra en función del costo de la infraestructura y los servicios dependientes. Cuando haces predicciones con este modelo, se te cobra en función del costo de la infraestructura.
El costo de la infraestructura depende de los siguientes factores:
- Es la cantidad de máquinas que usas. Puedes configurar los parámetros asociados durante el entrenamiento de modelos, la predicción por lotes o la predicción en línea.
- El tipo de máquinas que usas. Puedes configurar este parámetro durante el entrenamiento de modelos, la predicción por lotes o la predicción en línea.
- Es el tiempo durante el cual las máquinas están en uso.
- Si entrenas un modelo o haces predicciones por lotes, esta es una medida del tiempo total de procesamiento de la operación.
- Si estás haciendo predicciones en línea, esta es una medida del tiempo que tu modelo se implementa en un extremo.
El flujo de trabajo tabular ejecuta múltiples servicios dependientes en tu proyecto en tu nombre: Dataflow, BigQuery, Cloud Storage, Vertex AI Pipelines y Vertex AI Training. Estos servicios te cobrarán directamente.
Ejemplos de cálculo de costos de entrenamiento
Ejemplo 1: Conjunto de datos de 110 MB en formato CSV, entrenado durante una hora con configuración de hardware predeterminada
El desglose de costos para el flujo de trabajo predeterminado con la búsqueda y el entrenamiento de arquitectura es el siguiente:
| Servicio | Costo |
|---|---|
| Ejemplo de Dataflow y generación de estadísticas | $2 (Dataflow se ejecutó 7 min) |
| Transformaciones de atributos y datos de Dataflow | $3 (Dataflow se ejecutó 10 min) |
| Vertex AI Training | 0.8 h x $20 + 0.2 h x $20 + $3.3 de costo de SSD + costo del contenedor de canalización = $24 (ajuste de 48 min, entrenamiento de 12 min) |
| Vertex AI Pipelines | 1 ejecución x $0.03 = $0.03 |
| Total sin incluir la síntesis del modelo | $27.03 |
De manera opcional, puedes habilitar la síntesis de modelos para reducir el tamaño del modelo resultante. El desglose de costos es el siguiente:
| Servicio | Costo |
|---|---|
| Total que excluye la síntesis de modelos | $27.03 |
| Vertex AI Training para la síntesis de modelos | $1 |
| Datos de Dataflow, transformaciones de atributos para la síntesis de modelos | $3 (Dataflow se ejecutó 10 min) |
| Predicción por lotes para la síntesis de modelos | $7 |
| Total con la síntesis de modelos | $38.03 |
Ejemplo 2: Conjunto de datos de 1.84 TB en BigQuery, entrenado durante 20 horas con anulación de hardware
La configuración de hardware para este ejemplo es la siguiente:
| Nombre de configuración del 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 costos para el flujo de trabajo predeterminado con la búsqueda y el entrenamiento de arquitectura es el siguiente:
| Servicio | Costo |
|---|---|
| Ejemplo de Dataflow y generación de estadísticas | $518 (Dataflow se ejecutó 6 horas) |
| Datos de Dataflow, transformaciones de atributos | $471 (Dataflow se ejecutó 6 horas) |
| Vertex AI Training | 17 horas x $20 + 3 h x $20 + $41.5 de costo de SSD + costo del contenedor de canalización = $555 (ajuste de 17 horas, 3 horas de entrenamiento) |
| Vertex AI Pipelines | 1 ejecución x $0.03 = $0.03 |
| Total | $1,544.03 |