Orte

Google Cloud verwendet in Zonen unterteilte Regionen, um den geografischen Standort von physischen Computerressourcen zu definieren. Google speichert und verarbeitet Ihre Daten nur in der Region, die Sie für alle Features von Vertex AI angeben, mit Ausnahme von Aufgaben zur Labelerstellung und jeglichen Funktionen im experimentellen oder Vorschau-Status.

Standort auswählen

Sie können einen beliebigen unterstützten Standort auswählen, wenn Sie ein Dataset erstellen, ein benutzerdefiniertes Modell trainieren, das kein verwaltetes Dataset verwendet, oder wenn Sie vorhandenes Modell importieren. Sie sollten in der Regel die Region verwenden, die Ihrem Standort (oder dem Standort Ihrer Nutzer) am nächsten ist. Achten Sie jedoch darauf, dass die zu verwendende Vertex-KI-Funktion in Ihrer Region unterstützt wird. Es gibt keinen globalen Standort.

Für andere Vorgänge als das Erstellen eines Datasets oder das Importieren eines Modells müssen Sie den Speicherort der Ressourcen verwenden, mit denen Sie arbeiten. Wenn Sie beispielsweise eine Trainingspipeline erstellen, die ein verwaltetes Dataset verwendet, müssen Sie die Region verwenden, in der sich das Dataset befindet.

Standort mit der Cloud Console angeben

Wenn Sie die Google Cloud Console verwenden, geben Sie den Speicherort mit dem Drop-down-Menü für den Standort an:

Drop-down-Menü „Standorte“

Standort mit der Vertex AI API angeben

Sie geben den Speicherort für eine Vertex AI API-Anfrage mithilfe des entsprechenden regionalen Endpunkts an.

Um beispielsweise eine Anfrage in der Region europe-west4 zu stellen, verwenden Sie den folgenden Endpunkt:

https://europe-west4-aiplatform.googleapis.com

Verwenden Sie den folgenden Endpunkt, um eine Anfrage in der Region us-central1 zu stellen:

https://us-central1-aiplatform.googleapis.com

Wenn Sie eine Ressource angeben, verwenden Sie den Namen der Region der Ressource als Standort. Zum Beispiel wird ein Dataset in der Region us-central1 mit folgendem Pfad angegeben:

projects/PROJECT/locations/us-central1/datasets/DATASET_ID

Siehe die Liste der unterstützten Dienstendpunkte.

Verfügbare Regionen

Vertex AI ist in den folgenden Regionen verfügbar:

Amerika

  • Oregon (us-west1)
  • Iowa (us-central1)
  • South Carolina (us-east1)
  • N. Virginia (us-east4)
  • Montreal (northamerica-northeast1)

Europa

  • London (europe-west2)
  • Belgien (europe-west1)
  • Niederlande (europe-west4)

Asiatisch-pazifischer Raum

  • Singapur (asia-southeast1)
  • Taiwan (asia-east1)
  • Tokio (asia-northeast1)
  • Sydney (australia-southeast1)
  • Seoul (asia-northeast3)

Google Cloud bietet auch zusätzliche Regionen für andere Produkte als Vertex AI.

Verfügbarkeit der Funktion

Einige Vertex AI-Features sind nicht in allen Regionen verfügbar. In der folgenden Tabelle sind die Funktionen aufgeführt, die in den einzelnen Regionen verfügbar sind:

Amerika

Region Oregon
us-west1
Iowa
us-central1
South Carolina
us-east1
N. Virginia
us-east4
Montreal
northamerica-northeast1
Dataset-Ressourcen erstellen und verwenden
AutoML für Bilddaten (Training, Onlinevorhersagen und Batchvorhersagen)
AutoML für Tabellendaten, Klassifizierungs- und Regressionsziele (Training, Online- und Batchvorhersagen und Erläuterungen)
AutoML für Tabellendaten, Prognoseziel (Training, Online- und Batchvorhersagen und Erläuterungen)
AutoML für Textdaten (Training, Onlinevorhersagen und Batchvorhersagen)
AutoML für Videodaten (Trainings- und Batchvorhersagen)
Training von benutzerdefiniertem Modell
Interaktive Shell für benutzerdefiniertes Training
Onlinevorhersagen und Erläuterungen für benutzerdefinierte Modelle
Batchvorhersagen und Erläuterungen für benutzerdefinierte Modelle
Data Labeling
Vertex Vizier
Vertex Pipelines
Vertex ML Metadata
Vertex Feature Store
Vertex Model Monitoring
Vertex-Abgleichsmodul
Vertex TensorBoard

Europa

Region London
europe-west2
Belgien
europe-west1
Niederlande
europe-west4
Dataset-Ressourcen erstellen und verwenden
AutoML für Bilddaten (Training, Onlinevorhersagen und Batchvorhersagen)
AutoML für Tabellendaten, Klassifizierungs- und Regressionsziele (Training, Online- und Batchvorhersagen und Erläuterungen)
AutoML für Tabellendaten, Prognoseziel (Training, Online- und Batchvorhersagen und Erläuterungen)
AutoML für Textdaten (Training, Onlinevorhersagen und Batchvorhersagen)
AutoML für Videodaten (Trainings- und Batchvorhersagen)
Training von benutzerdefiniertem Modell
Interaktive Shell für benutzerdefiniertes Training
Onlinevorhersagen und Erläuterungen für benutzerdefinierte Modelle
Batchvorhersagen und Erläuterungen für benutzerdefinierte Modelle
Data Labeling
Vertex Vizier
Vertex Pipelines
Vertex ML Metadata
Vertex Feature Store
Vertex Model Monitoring
Vertex-Abgleichsmodul
Vertex TensorBoard

Asiatisch-pazifischer Raum

Region Singapur
asia-southeast1
Taiwan
asia-east1
Tokio
asia-northeast1
Sydney
australia-southeast1
Seoul
asia-northeast3
Dataset-Ressourcen erstellen und verwenden
AutoML für Bilddaten (Training, Onlinevorhersagen und Batchvorhersagen)
AutoML für Tabellendaten, Klassifizierungs- und Regressionsziele (Training, Online- und Batchvorhersagen und Erläuterungen)
AutoML für Tabellendaten, Prognoseziel (Training, Online- und Batchvorhersagen und Erläuterungen)
AutoML für Textdaten (Training, Onlinevorhersagen und Batchvorhersagen)
AutoML für Videodaten (Trainings- und Batchvorhersagen)
Training von benutzerdefiniertem Modell
Interaktive Shell für benutzerdefiniertes Training
Onlinevorhersagen und Erläuterungen für benutzerdefinierte Modelle
Batchvorhersagen und Erläuterungen für benutzerdefinierte Modelle
Data Labeling
Vertex Vizier
Vertex Pipelines
Vertex ML Metadata
Vertex Feature Store
Vertex Model Monitoring
Vertex-Abgleichsmodul
Vertex TensorBoard

Hinweise zu Regionen

Beschleuniger verwenden

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

Amerika

Region Oregon
us-west1
Iowa
us-central1
South Carolina
us-east1
N. Virginia
us-east4
Montreal
northamerica-northeast1
NVIDIA A100 *
NVIDIA Tesla K80 *
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100

Europa

Region London
europe-west2
Belgien
europe-west1
Niederlande
europe-west4
NVIDIA A100 *
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100
NVIDIA Tesla T4
NVIDIA Tesla V100

Asiatisch-pazifischer Raum

Region Singapur
asia-southeast1
Taiwan
asia-east1
Tokio
asia-northeast1
Sydney
australia-southeast1
Seoul
asia-northeast3
NVIDIA A100 *
NVIDIA Tesla K80
NVIDIA Tesla P4
NVIDIA Tesla P100 *
NVIDIA Tesla T4
NVIDIA Tesla V100 *

* Mit Sternchen markierte Zellen stellen Regionen dar, in denen die angegebene GPU für das Training verfügbar ist, aber nicht für die Bereitstellung von Batch- oder Onlinevorhersagen.

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 NVIDIA Tesla T4-GPUs, NVIDIA Tesla K80-GPUs und NVIDIA Tesla P100-GPUs ausführen. 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.

Standortanforderungen für BigQuery

Wenn Sie eine BigQuery-Tabelle als Quelle für ein verwaltetes tabellarisches Dataset oder tabellarische Vorhersagedaten verwenden, muss es die folgenden Standortanforderungen erfüllen:

Amerika

  • BigQuery-Tabellen können entweder multiregional (US) oder regional (us-central1) sein.

  • BigQuery-Ansichten müssen regional sein (us-central1).

  • Wenn sich die Tabelle oder Ansicht nicht in der Region befindet, in der der Vertex AI-Job ausgeführt wird, sorgen Sie dafür, dass Vertex AI die richtigen Rollen hat.

Europa

  • BigQuery-Tabellen und -Ansichten müssen regional sein (europe-west4).
  • Standort: Die Region, in der Ihr Vertex AI-Job ausgeführt wird, z. B. us-central1, europe-west4 oder asia-east1.

  • Wenn sich die Tabelle oder Ansicht nicht im selben Projekt befindet, in dem der Vertex AI-Job ausgeführt wird, sorgen Sie dafür, dass Vertex AI die richtigen Rollen hat.

Anforderungen an Cloud Storage-Buckets

Einige Vertex AI-Aufgaben, z. B. das Importieren von Daten, verwenden einen Cloud Storage-Bucket.

  • Verwenden Sie beim Erstellen von Cloud Storage-Buckets die folgenden Einstellungen, um Daten für Ihren Vertex AI-Job zu lesen und zu schreiben.

    • Standorttyp: Region
    • Standort: Die Region, in der Ihr Vertex AI-Job ausgeführt wird, z. B. us-central1, europe-west4 oder asia-east1.
    • Storage-Klasse: Standard (wird im Cloud Storage-Browser manchmal als Regional angezeigt)
  • Wenn sich der Bucket nicht im selben Projekt befindet, in dem der Vertex AI-Job ausgeführt wird, sorgen Sie dafür, dass Vertex AI die richtigen Rollen hat.

Ressourcenstandorte einschränken

Administratoren von Organisationsrichtlinien können die verfügbaren Regionen, in denen Sie Vertex AI verwenden können, durch Erstellen einer Einschränkung für Ressourcenstandorte einschränken. Einschränkungen für Ressourcenstandorte für Vertex AI

Einschränkungen für Ressourcenstandorte gelten nicht für DataLabelingJob-Ressourcen.