Régions

Google Cloud définit l'emplacement géographique des ressources de calcul physiques à l'aide de régions subdivisées en zones. Lorsque vous exécutez une tâche sur AI Platform Training, vous spécifiez la région dans laquelle vous souhaitez l'exécuter.

En règle générale, utilisez la région la plus proche de votre emplacement physique ou de celui des utilisateurs prévus, mais notez les régions disponibles pour chaque service, comme indiqué ci-dessous.

Régions disponibles

AI Platform Training est disponible dans les régions suivantes :

Amériques

  • Oregon (us-west1)
  • Los Angeles (us-west2)
  • Salt Lake City (us-west3)
  • Iowa (us-central1)
  • Caroline du Sud (us-east1)
  • Virginie du Nord (us-east4)
  • Montréal (northamerica-northeast1)
  • São Paulo (southamerica-east1)

Europe

  • Londres (europe-west2)
  • Belgique (europe-west1)
  • Pays-Bas (europe-west4)
  • Zurich (europe-west6)
  • Francfort (europe-west3)
  • Finlande (europe-north1)

Asie-Pacifique

  • Mumbai (asia-south1)
  • Singapour (asia-southeast1)
  • Hong Kong (asia-east2)
  • Taïwan (asia-east1)
  • Tokyo (asia-northeast1)
  • Osaka (asia-northeast2)
  • Sydney (australia-southeast1)
  • Séoul (asia-northeast3)

Google Cloud fournit également des régions supplémentaires pour les produits autres que AI Platform Training.

Considérations relatives à la région

Entraînement avec des accélérateurs

Les accélérateurs sont disponibles selon la région. Le tableau ci-dessous répertorie tous les accélérateurs disponibles pour chaque région :

Amériques

Région Oregon
us-west1
Los Angeles
us-west2
Salt Lake City
us-west3
Iowa
us-central1
Caroline du Sud
us-east1
Virginie du Nord
us-east4
Montréal
northamerica-northeast1
São Paulo
southamerica-east1
NVIDIA® A100 (version bêta)
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (version bêta)

Europe

Région Londres
europe-west2
Belgique
europe-west1
Pays-Bas
europe-west4
Zurich
europe-west6
Francfort (
europe-west3)
Finlande
europe-north1
NVIDIA® A100 (version bêta)
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (version bêta)

Asie-Pacifique

Région Mumbai
asia-south1
Singapour
asia-southeast1
Hong Kong
asia-east2
Taïwan
asia-east1
Tokyo
asia-northeast1
Osaka
asia-northeast2
Sydney
australia-southeast1
Séoul
asia-northeast3
NVIDIA® A100 (version bêta)
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (version bêta)

Si votre tâche d'entraînement utilise plusieurs types de GPU, ces derniers doivent tous être disponibles dans une même zone de votre région. Par exemple, vous ne pouvez pas exécuter une tâche dans us-central1 avec un nœud de calcul maître ayant recours à des GPU NVIDIA Tesla T4, des serveurs de paramètres utilisant des GPU NVIDIA Tesla K80 et des nœuds de calcul utilisant des GPU NVIDIA Tesla P100. Bien que tous ces GPU soient disponibles pour des tâches d'entraînement dans us-central1, aucune zone de cette région ne fournit les trois types de GPU. Pour en savoir plus sur la disponibilité des GPU dans les différentes zones, consultez le tableau de comparaison des GPU pour les tâches de calcul.

Ressources insuffisantes

La demande en GPU et ressources de calcul est importante dans la région us-central1. Il est possible que le message d'erreur suivant s'affiche dans les journaux de votre tâche : Resources are insufficient in region: <region>. Please try a different region..

Pour contourner ce problème, essayez d’utiliser une autre région ou réessayez plus tard.

Cloud Storage

  • Vous devez exécuter votre tâche AI Platform Training dans la même région que le bucket Cloud Storage que vous utilisez pour lire et écrire les données associées à cette tâche.

  • Vous devez utiliser la classe de stockage standard pour tous les buckets Cloud Storage que vous utilisez pour lire et écrire les données associées à votre tâche AI Platform Training.

Limiter les emplacements de ressources

Les administrateurs de règles d'administration peuvent restreindre les régions disponibles pour les tâches d'entraînement en créant une contrainte d'emplacement des ressources. Découvrez comment une contrainte d'emplacement des ressources s'applique à AI Platform Prediction.