地區

Google Cloud Platform 利用地區,再細分為區域,來定義實體運算資源的地理位置。在 AI Platform 上執行工作時,您會指定要執行工作的地區。

一般來說,您應該使用離自己或目標使用者實際位置最近的地區,但請注意每項服務都有可用地區,如下所示。

可用地區

AI Platform 提供以下地區:

美洲

地區 奧勒岡州
us-west1
洛杉磯
us-west2
愛荷華州
us-central1
南卡羅來納州
us-east1
北維吉尼亞州
us-east4
訓練
線上預測
批次預測 * *

歐洲

地區 比利時
europe-west1
荷蘭
europe-west4
芬蘭
europe-north1
訓練
線上預測
批次預測 * *

亞太地區

地區 新加坡
asia-southeast1
台灣
asia-east1
東京
asia-northeast1
訓練
線上預測
批次預測 * *

地區注意事項

使用加速器進行訓練

我們會依據地區提供加速器,下表列出每個地區可用的加速器:

美洲

地區 奧勒岡州
us-west1
洛杉磯
us-west2
愛荷華州
us-central1
南卡羅來納州
us-east1
北維吉尼亞州
us-east4
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (Beta 版)

歐洲

地區 比利時
europe-west1
荷蘭
europe-west4
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (Beta 版)

亞太地區

地區 新加坡
asia-southeast1
台灣
asia-east1
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100
TPU v2
TPU v3 (Beta 版)

如果您的訓練工作使用多種 GPU 類型,這些 GPU 類型必須全部皆能夠在您地區中的單一區域中使用。舉例來說,您不能在 us-central1 裡使用 NVIDIA Tesla V100 GPU 的主工作站、使用 NVIDIA Tesla K80 GPU 的參數伺服器,以及使用 NVIDIA Tesla P100 GPU 的工作站執行工作。因為儘管 us-central1 中可使用上述所有的 GPU 執行訓練工作,但這個地區中沒有任何區域同時提供這三種 GPU。如要進一步瞭解 GPU 在各區域的可用情形,請參閱 GPU 的運算工作負載比較

資源不足

us-central1 地區對 GPU 和運算資源的需求很高。您可能會在工作記錄檔中看見以下錯誤訊息:Resources are insufficient in region: <region>. Please try a different region.

如要解決此問題,請嘗試使用其他區域或稍後再試。

Cloud Storage

  • 執行 AI Platform 工作的地區應與您用來讀取和寫入工作資料的 Cloud Storage 值區地區相同。

  • 您應針對用於讀取及寫入 AI Platform 工作資料的任何 Cloud Storage 值區採用 Standard Storage 級別

線上預測

批次預測

  • 您無法在 us-west1us-west2europe-west4europe-north1asia-east1asia-southeast1 中部署模型或模型版本,但可以在這些地區中使用儲存在 Cloud Storage 中的 TensorFlow SavedModel 執行批次預測。
  • 如要獲得最佳批次預測成效,請在同一個地區中執行預測工作並儲存輸入和輸出資料,而資料集極為龐大時更要如此。
  • 部署批次預測模型時,應該指定要執行預測的預設地區。開始批次預測工作時,您可以指定執行工作的地區來覆寫預設地區設定。

後續步驟