Regionen

Google Cloud verwendet in Zonen unterteilte Regionen, um den geografischen Standort von physischen Rechenressourcen zu definieren. Wenn Sie in AI Platform Training einen Job ausführen, geben Sie die Region an, in der er ausgeführt werden soll.

Sie sollten möglichst die Region verwenden, die Ihrem Standort (oder dem Standort Ihrer Nutzer) am nächsten ist. Beachten Sie jedoch die verfügbaren Regionen für jeden Dienst, die unten aufgeführt sind.

Verfügbare Regionen

AI Platform Training ist in folgenden Regionen verfügbar:

Amerika

  • Oregon (us-west1)
  • Los Angeles (us-west2)
  • Salt Lake City (us-west3)
  • Iowa (us-central1)
  • South Carolina (us-east1)
  • N. Virginia (us-east4)
  • Montreal (northamerica-northeast1)
  • São Paulo (southamerica-east1)

Europa

  • London (europe-west2)
  • Belgien (europe-west1)
  • Niederlande (europe-west4)
  • Zürich (europe-west6)
  • Frankfurt (europe-west3)
  • Finnland (europe-north1)

Asiatisch-pazifischer Raum

  • Mumbai (asia-south1)
  • Singapur (asia-southeast1)
  • Hongkong (asia-east2)
  • Taiwan (asia-east1)
  • Tokio (asia-northeast1)
  • Osaka (asia-northeast2)
  • Sydney (australia-southeast1)
  • Seoul (asia-northeast3)

Für andere Produkte als AI Platform Training bietet Google Cloud zusätzliche Regionen.

Hinweise zu Regionen

Training mit Beschleunigern

Beschleuniger sind regional verfügbar. In der nachfolgenden Tabelle sind alle verfügbaren Beschleuniger für jede Region aufgeführt:

Nord- und Südamerika

Region Oregon
us-west1
Los Angeles
us-west2
Salt Lake City
us-west3
Iowa
us-central1
South Carolina
us-east1
N. Virginia
us-east4
Montreal
northamerica-northeast1
São Paulo
southamerica-east1
NVIDIA A100
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (Beta)
TPU v3 Pods (Vorschau)
TPU v3 Pods (Vorschau)

Europa

Region London
europe-west2
Belgien
europe-west1
Niederlande
europe-west4
Zürich
europe-west6)
Frankfurt
europe-west3
Finnland
europe-north1
NVIDIA A100
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (Beta)
TPU v3 Pods (Vorschau)
TPU v3 Pods (Vorschau)

Asiatisch-pazifischer Raum

Region Mumbai
asia-south1
Singapur
asia-southeast1
Hongkong
asia-east2
Taiwan
asia-east1
Tokio
asia-northeast1
Osaka
asia-northeast2
Sydney
australia-southeast1
Seoul
asia-northeast3
NVIDIA A100
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (Beta)
TPU v3 Pods (Vorschau)
TPU v3 Pods (Vorschau)

Wenn Ihr Trainingsjob mehrere GPU-Typen verwendet, müssen diese alle in einer einzigen Zone in Ihrer Region verfügbar sein. Sie können beispielsweise keinen Job in us-central1 mit einem Master-Worker ausführen, der NVIDIA Tesla T4-GPUs verwendet, mit Parameterservern, die NVIDIA Tesla K80-GPUs nutzen, und mit Workern, die NVIDIA Tesla P100-GPUs verwenden. Obwohl alle diese GPUs für Trainingsjobs in us-central1 verfügbar sind, bietet keine Zone in dieser Region alle drei GPU-Typen. Weitere Informationen zur Zonenverfügbarkeit von GPUs finden Sie im Vergleich von GPUs für Compute-Arbeitslasten.

Unzureichende Ressourcen

Die Nachfrage nach GPUs und Rechenressourcen in der Region us-central1 ist hoch. In den Joblogs wird möglicherweise folgende Fehlermeldung angezeigt: Resources are insufficient in region: <region>. Please try a different region..

Zum Beheben dieses Problems probieren Sie eine andere Region aus oder versuchen Sie es später noch einmal.

Cloud Storage

  • Sie sollten Ihren AI Platform Training-Job in derselben Region ausführen, in der sich der Cloud Storage-Bucket befindet, mit dem Sie Daten für den Job lesen und schreiben.

  • Sie sollten die Klasse Standard Storage für alle Cloud Storage-Buckets verwenden, die Sie zum Lesen und Schreiben von Daten für Ihren AI Platform Training-Job verwenden.

Ressourcenstandorte einschränken

Administratoren von Organisationsrichtlinien können die für Trainingsjobs verfügbaren Regionen durch Erstellen einer Beschränkung für Ressourcenstandorte einschränken. Hier erfahren Sie mehr dazu, wie sich eine Beschränkung für Ressourcenstandorte auf AI Platform Training auswirkt.