在追求卓越的影像合成效果時，預算往往是不可忽視的一環。延續 Day 25 我們測試開源模型 ControlCom 的主題，今天我們將深入探討如何在取得理想效果的同時，精打細算，以最少的成本達成目標。這篇文章將聚焦於 Colab 的運行成本分析，幫助你在不同的方案間做出最佳選擇。

Colab 方案選擇策略

根據 Colab (截至 2024/10) 提供的定價，使用 Colab 運算資源時，有四種付費方案可供選擇：

對於僅需短期測試模型效果的情境，「Pay As You Go」方案下的 90 天 100 運算單元就足夠應付需求。

在購買了「Pay As You Go」、「Colab Pro」或「Colab Pro+」後，這些方案均允許使用更高規格的顯卡。經過測試，我們發現 L4 Tensor Core GPU 是最易搶到的資源，其運算能力約為 10 TFLOPS，且在運行過程中相對穩定，避免了中途斷線的風險。

實際運行分析

1. **運行過程：**因為 L4 Tensor Core GPU (一張10萬台幣) 可以穩定使用，故我們不使用 A100 GPU。在算圖時 GPU RAM 需 12 GB，故必須使用付費方案，無法取巧使用免費方案。而本次測試過程中，並非時時刻刻運算資源的需求都維持在高峰，我們發現僅在環境建置時需較多運算單元，算圖階段則每張 30 秒即完成，相較之下的費用消耗不高。

   

2. **費用方面：**在建置專案環境時，我們會需要較多的運算單元，但建置完畢後每張圖的算圖時間其實僅需 30 秒。整個測試流程約消耗 20 個運算單元，花費估計：

   (22.14/100) * 340 ~= 75.276 NTD
   

其他選擇?

除了「Pay As You Go」，我們也評估了 Colab Enterprise 在台灣地區 (asia-east1) 的定價，如下表所示：

除了 GPU 外，其他硬體規格選擇了足以完成任務的最低標準。整體預估使用 Colab Enterprise 的總花費約為 137 NTD (美元匯率 32)，相較之下，這一選擇成本略高於「Pay As You Go」方案。

(0.15 + 0.244 + 3.89 + 0.01) * 32 = 137 NTD

適合的方案選擇

這兩種方案各有優缺點，選擇時需考量實際需求和預算：

• 預算有限且算圖要求不高時，「Pay As You Go」方案是較為靈活的選擇。
• 需要更強大的運算能力和更快的算圖速度時，可考慮「Colab Enterprise」，享受更高規格的硬體資源。

未來方向

根據 ControlCom 的測試結果，未來可考慮以下兩個改進方向：

• 調整圖片輸入大小：目前使用 512*512 pixels，可以嘗試調整以評估對效能和品質的影響。
• 修改模型解碼器：透過修改解碼器來提高細節或改變風格，進一步優化生成圖像的方式。

無論採用哪一個方案，費用都將大幅增加，因此在開始之前應仔細評估模型是否值得訓練。如果雲端服務成本過高，也可考慮地端部署，或利用 API 服務，如 Adobe 等行業領先公司提供的解決方案。總之，在進行 AI 影像處理時，創意與成本間的平衡至關重要。選擇合適的工具和資源，可以幫助你在控制預算的同時，實現高品質的視覺效果。

撰文者: Winston