使用 Tabular Workflow 訓練模型時，系統會依據基礎架構和相依服務的費用向您收取費用。使用此模型進行預測時，系統會依據基礎架構費用向您收費。
基礎架構的費用取決於下列因素：
- 您使用的機器數量。您可以在模型訓練、批次預測或線上預測期間設定相關參數。
- 您使用的機器類型。您可以在模型訓練、批次預測或線上預測期間設定這個參數。
- 機器的使用時間長度。
- 如果您正在訓練模型或進行批次預測，這會測量作業的總處理時間。
- 如果您要進行線上預測，這是指將模型部署至端點的時間測量結果。
Tabular Workflows 可代表您在專案中執行多項相依服務，包括：Dataflow、BigQuery、Cloud Storage、Vertex AI Pipelines、Vertex AI Training。系統會直接向您收取這些服務的費用。
訓練費用計算範例
示例 1：110 MB 資料集 (CSV 格式)，訓練時間為一小時，並採用預設硬體設定。
採用架構搜尋和訓練的預設工作流程費用明細如下：
| Service | 費用 |
|---|---|
| Dataflow 範例和統計資料產生 | $2 美元 (Dataflow 執行時間：7 分鐘) |
| Dataflow 資料與特徵轉換 | $3 美元 (Dataflow 執行時間：10 分鐘) |
| Vertex AI Training | 0.8 小時 x $20 美元 + 0.2 小時 x $20 美元 + $3.3 美元 SSD 費用 + 管道容器費用 = $24 美元 (調整 48 分鐘，訓練 12 分鐘) |
| Vertex AI Pipelines | 1 次執行作業 x $0.03 美元 = $0.03 美元 |
| 模型蒸餾的排除總數 | $27.03 美元 |
您也可以選擇啟用模型蒸餾，減少產生的模型大小。費用明細如下：
| Service | 費用 |
|---|---|
| 排除模型蒸餾的總數 | $27.03 美元 |
| 適用於蒸餾模型的 Vertex AI 訓練 | $1 美元 |
| Dataflow 資料、模型蒸餾的特徵轉換 | $3 美元 (Dataflow 執行時間：10 分鐘) |
| 模型蒸餾的批次預測 | $7 美元 |
| 模型擷取總數 | $38.03 美元 |
示例 2：BigQuery 中的 1.84 TB 資料集，經過硬體覆寫設定的訓練時間為 20 小時。
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_Repli_count | 200 |
| distill_batch_predict_max_copy_count | 200 |
採用架構搜尋和訓練的預設工作流程費用明細如下：
| Service | 費用 |
|---|---|
| Dataflow 範例和統計資料產生 | $518 美元 (Dataflow 執行時間：6 小時) |
| Dataflow 資料、特徵轉換 | $471 美元 (Dataflow 執行時間：6 小時) |
| Vertex AI Training | 17 小時 x $20 美元 + 3 小時 x $20 美元 + $41.5 美元 SSD 費用 + 管道容器費用 = $555 美元 (調整 17 小時，訓練 3 小時) |
| Vertex AI Pipelines | 1 次執行作業 x $0.03 美元 = $0.03 美元 |
| 總計 | $1544.03 美元 |