リージョン

Google Cloud Platform では、ゾーンに分割されたリージョンを使用して、物理的なコンピューティング リソースの地理的なロケーションを定義します。AI Platform でジョブを実行する際に、ジョブを実行するリージョンを指定します。

通常は、自分の物理的ロケーションまたは対象ユーザーの物理的ロケーションに最も近いリージョンを使用する必要がありますが、以下に示す各サービスの利用可能なリージョンに注意してください。

利用可能なリージョン

AI Platform は次のリージョンで利用できます。

南北アメリカ

リージョン オレゴン
us-west1
アイオワ
us-central1
サウスカロライナ
us-east1
バージニア北部
us-east4
トレーニング
オンライン予測
バッチ予測

ヨーロッパ

リージョン ベルギー
europe-west1
オランダ
europe-west4
トレーニング
オンライン予測
バッチ予測

アジア太平洋

リージョン シンガポール
asia-southeast1
台湾
asia-east1
東京
asia-northeast1
トレーニング
オンライン予測
バッチ予測 * *

リージョンに関する考慮事項

アクセラレータを使用するトレーニング

アクセラレータはリージョン単位で利用できます。以下の表に、各リージョンで使用可能なアクセラレータを示します。

南北アメリカ

リージョン オレゴン
us-west1
アイオワ
us-central1
サウスカロライナ
us-east1
NVIDIA Tesla K80
NVIDIA Tesla P4(ベータ版)
NVIDIA Tesla P100
NVIDIA Tesla T4(ベータ版)
NVIDIA Tesla V100
TPU v2

ヨーロッパ

リージョン ベルギー
europe-west1
オランダ
europe-west4
NVIDIA Tesla K80
NVIDIA Tesla P4(ベータ版)
NVIDIA Tesla P100
NVIDIA Tesla T4(ベータ版)
NVIDIA Tesla V100
TPU v2

アジア太平洋

リージョン シンガポール
asia-southeast1
台湾
asia-east1
NVIDIA Tesla K80
NVIDIA Tesla P4(ベータ版)
NVIDIA Tesla P100
NVIDIA Tesla T4(ベータ版)
NVIDIA Tesla V100
TPU v2

トレーニング ジョブで複数のタイプの GPU を使用する場合、それらの GPU のすべてがリージョン内の同じゾーンで使用可能でなければなりません。たとえば us-central1 内では、NVIDIA Tesla V100 GPU を使用するマスター ワーカー、NVIDIA Tesla K80 GPU を使用するワーカー、NVIDIA Tesla P100 GPU を使用するパラメータ サーバーによってジョブを実行することはできません。us-central1 内ではこれらすべての GPU をトレーニング ジョブに使用できますが、このリージョンには、3 タイプの GPU をすべて提供しているゾーンはありません。ゾーンでの GPU の可用性については、コンピューティング ワークロード用 GPU の比較をご覧ください。

リソースの不足

us-central1 は GPU とコンピューティング リソースの需要が高いリージョンです。ジョブログに、リージョン内に十分なリソースがないことを伝える次のエラー メッセージが表示されることがあります。Resources are insufficient in region: <region>. Please try a different region.

この問題を解決するには、別のリージョンを使用するか後で再試行してください。

Cloud Storage

  • AI Platform のジョブは、ジョブのデータの読み書きに使用している Cloud Storage バケットと同じリージョンで実行する必要があります。

  • AI Platform のジョブデータの読み書きに使用する Cloud Storage バケットには、Regional Storage タイプを選択する必要があります。

オンライン予測

  • オンライン予測に使用するモデルをデプロイするときに、予測を実行するリージョンを指定します。オンライン予測は、常にモデルに指定されたデフォルトのリージョンで処理されます。

バッチ予測

  • asia-east1 または asia-southeast1 ではモデルまたはモデル バージョンをデプロイできませんが、Cloud Storage に保存されている TensorFlow SavedModel を使用して、これらのリージョンでバッチ予測を行うことは可能です。
  • バッチ予測のパフォーマンスを最適化するには、予測ジョブを実行して、入力データと出力データを同じリージョンに格納する必要があります(特にきわめて大きなデータセットの場合)。
  • バッチ予測に使用するモデルをデプロイするときに、予測を実行するデフォルトのリージョンを指定します。バッチ予測ジョブを開始するときに、ジョブを実行するリージョンを指定することで、デフォルトのリージョンをオーバーライドできます。

次のステップ

このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

Google Cloud 機械学習ドキュメント