Salīdzinot TPU izmantošanu Google Cloud ar Google Colab, ir jāņem vērā vairākas papildu izmaksas:
1. Aprēķina motora VM izmaksas: Google Cloud TPU darbībai ir nepieciešama aprēķina motora virtuālā mašīna (VM), kurai ir papildu izmaksas par CPU, atmiņu, glabāšanu un tīkla izmantošanu. Šīs izmaksas nav tieši saistītas ar TPU izmantošanu Google Colab, jo Colab nodrošina pārvaldītu vidi bez nepieciešamības iestatīt VM [9].
2. Uzglabāšanas un tīkla izmaksas: Google Cloud maksa par datu glabāšanu un tīkla izmantošanu, kas var pievienot kopējās izmaksas. Kolabā šīs izmaksas parasti neuztrauc lietotājus, jo tās nodrošina bezmaksas glabāšanu un tīklošanu tās robežās [6].
3. Iestatīšana un pārvaldība: izmantojot Google Cloud TPU, lietotājiem ir jāpārvalda un jāiestata vide, kas var ietvert papildu laiku un, iespējams, izmaksas IT resursiem. Kolabs vienkāršo šo procesu, nodrošinot gatavu lietošanu [9].
4. Mērogojamība un elastība: lai gan Google Cloud piedāvā lielāku elastību un mērogojamību, tas nozīmē arī to, ka lietotājiem var rasties augstākas izmaksas, ja viņiem ir nepieciešami vairāk resursu. Colab bezmaksas līmenis ierobežo projektu mērogu, bet tādas maksas iespējas kā Colab Pro+ piedāvā vairāk resursu bez mākoņu vides pārvaldības sarežģītības [2].
5. Priekšlikuma cenu noteikšana: Google Cloud piedāvā TPU preventable cenu noteikšanu, kas var būt ievērojami lētāka, bet ir saistīta ar pārtraukumu risku. COLAB nepiedāvā preventablam TPU tieši, bet lietotāji varētu apsvērt Google Cloud, kas ir izmaksu ietaupījumu ietaupījumi, var apsvērt [7].
Kopumā, lai arī Google Cloud TPU piedāvā lielāku kontroli un mērogojamību, tiem nepieciešama papildu iestatīšana un pārvaldība, kas var palielināt izmaksas, salīdzinot ar racionalizētāku Google Colab pieredzi.
Atsauces:[1] https://www.dataknobs.com/generativeai/tpu/tpu-gpu-cost.html
[2] https://www.reddit.com/r/googlecolab/comments/14h2ap4/can_anyone_please_tell_me_how_many_compute_units/
[3] https://www.reddit.com/r/machinelearning/comments/epx5vg/d_google_cloud_tpu_pod_pricing_grid_a_512core_tpu/
[4] https://openmetal.io/docs/product-guides/private-cloud/tpu-vs-gpu-pros-and-cons/
[5] https://cloud.google.com/tpu
[6.]
[7] https://cloudplatform.googleBlog.com/2018/06/cloud-tpu-now-futers-preempible-preing-and-global-Apasability.html
[8] https://cloud.google.com/tpu/docs/quota
[9] https://www.syntio.net/en/labs-musings/machine-learning-on-gcp-cloud-tpu-vs-cloud-functions/