Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

Standorte für Dienste für maschinelles Lernen

Die Unterstützung für Gemini Enterprise Agent Platform-Funktionen für maschinelles Lernen variiert je nach Region. Auf dieser Seite wird die Verfügbarkeit bestimmter Funktionen in verschiedenen Regionen aufgeführt. Google speichert und verarbeitet Ihre Daten nur in der Region, die Sie für alle Funktionen der Agent Platform angeben, mit Ausnahme von Aufgaben zur Labelerstellung und jeglichen Funktionen im experimentellen oder Vorschau-Status.

Informationen dazu, wo Google- und Partnermodelle und generative KI-Funktionen unterstützt werden, finden Sie unter Bereitstellungen und Endpunkte.

Eine Liste der unterstützten Standorte für Agents finden Sie unter Unterstützte Standorte.

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 ein vorhandenes Modell importieren. Sie sollten möglichst die Region verwenden, die Ihrem Standort (oder dem Standort Ihrer Nutzer) am nächsten ist. Achten Sie jedoch darauf, dass die Agent Platform-Funktion, die Sie verwenden möchten, in Ihrer Region unterstützt wird. Die Agent Platform unterstützt 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 Google 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 Agent Platform API angeben

Sie geben den Speicherort für eine Agent Platform API-Anfrage mithilfe des entsprechenden Standortendpunkts 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

Liste der unterstützten Dienstendpunkte

Verfügbare Standorte für Dienste für maschinelles Lernen

Die Machine-Learning-Dienste der Agent Platform sind in den folgenden Regionen verfügbar:

USA

Columbus, Ohio (us-east5)
Dallas, Texas (us-south1)
Iowa (us-central1)
Las Vegas, Nevada (us-west4)
Los Angeles, Kalifornien (us-west2)
Moncks Corner, South Carolina (us-east1)
Virginia (us-east4)
Oregon (us-west1)
Salt Lake City, Utah (us-west3)

Kanada

Montreal (northamerica-northeast1)
Toronto (northamerica-northeast2)

Südamerika

Santiago, Chile (southamerica-west1)
São Paulo, Brasilien (southamerica-east1)

Afrika

Johannesburg, Südafrika (africa-south1)

Europa

Belgien (europe-west1)
Finnland (europe-north1)
Frankfurt, Deutschland (europe-west3)
London, Vereinigtes Königreich (europe-west2)
Madrid, Spanien (europe-southwest1)
Mailand, Italien (europe-west8)
Niederlande (europe-west4)
Paris, Frankreich (europe-west9)
Turin, Italien (europe-west12)
Warschau, Polen (europe-central2)
Zürich, Schweiz (europe-west6)

Asiatisch-pazifischer Raum

Hongkong, China (asia-east2)
Jakarta, Indonesien (asia-southeast2)
Melbourne, Australien (australia-southeast2)
Mumbai, Indien (asia-south1)
Delhi, Indien (asia-south2)
Osaka, Japan (asia-northeast2)
Seoul, Korea (asia-northeast3)
Singapur (asia-southeast1)
Sydney, Australien (australia-southeast1)
Taiwan (asia-east1)
Tokio, Japan (asia-northeast1)

Naher Osten

Dammam, Saudi-Arabien (me-central2)
Doha, Katar (me-central1)
Tel Aviv (me-west1)

Google Cloud bietet auch zusätzliche Regionen für andere Produkte als Agent Platform.

Verfügbarkeit der Funktion

Einige Funktionen der Agent Platform sind nicht in allen Regionen verfügbar. In der folgenden Tabelle sind die Features aufgeführt, die in den einzelnen Regionen verfügbar sind.

In der folgenden sortierbaren Tabelle können Sie verschiedene Optionen auswählen, um zu sehen, wo Funktionen der Agent-Plattform verfügbar sind. Wenn Sie beispielsweise eine Liste der Regionen sehen möchten, in denen Agent Platform Feature Store in Europa verfügbar ist, können Sie Europa aus dem Drop-down-Menü Standort auswählen und Agent Platform Feature Store aus dem Drop-down-Menü Feature auswählen auswählen.

Region	Standort	Features
`asia-east1`	Bezirk Changhua, Taiwan, asiatisch-pazifischer Raum	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Daten-Labeling Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`africa-south1`	Johannesburg, Südafrika, Afrika	Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`asia-east2`	Hongkong, asiatisch-pazifischer Raum	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`asia-northeast1`	Tokio, Japan, asiatisch-pazifischer Raum	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`asia-northeast2`	Osaka, Japan, asiatisch-pazifischer Raum	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier
`asia-northeast3`	Seoul, Südkorea, asiatisch-pazifischer Raum	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`asia-south1`	Mumbai, Indien, Asiatisch-pazifischer Raum	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`asia-southeast1`	Jurong West, Singapur, Asiatisch-pazifischer Raum	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`asia-southeast2`	Jakarta, Indonesien, asiatisch-pazifischer Raum	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`australia-southeast1`	Sydney, Australien, asiatisch-pazifischer Raum	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`australia-southeast2`	Melbourne, Australien, asiatisch-pazifischer Raum	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier
`europe-central2`	Warschau, Polen, Europa	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-north1` Niedriger CO₂-Wert	Hamina, Finnland, Europa	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier
`europe-southwest1` Niedriger₂-Wert	Madrid, Spanien, Europa	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-west1` Niedriger CO₂-Wert	St. Ghislain, Belgien, Europa	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-west2` Niedriger CO₂-Wert	London, England, Europa	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Daten-Labeling Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-west3`	Frankfurt, Deutschland, Europa	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Daten-Labeling Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-west4` Niedriger CO₂-Wert	Eemshaven, Niederlande, Europa	AutoML für Bilddaten AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Daten-Labeling Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-west6` Niedriger CO₂-Wert	Zürich, Schweiz, Europa	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-west8`	Mailand, Italien, Europa	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier
`europe-west9` Niedriger CO₂-Wert	Paris, Frankreich, Europa	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`europe-west12`	Turin, Italien, Europa	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`me-central1`	Doha, Katar, Naher Osten	Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`me-central2`	Dammam, Saudi-Arabien, Naher Osten	Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`me-west1`	Tel Aviv, Israel, Naher Osten	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`northamerica-northeast1` Niedriger CO₂-Wert	Montreal, Québec, Nordamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`northamerica-northeast2` Niedriger CO₂-Wert	Toronto, Ontario, Nordamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`southamerica-east1` Niedriger CO₂-Wert	Osasco, São Paulo, Brasilien, Südamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`southamerica-west1` Niedriger CO₂-Wert	Santiago, Chile, Südamerika	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier
`us-central1` Niedriger CO₂-Wert	Council Bluffs, Iowa, Nordamerika	AutoML für Bilddaten AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Daten-Labeling Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-east1`	Moncks Corner, South Carolina, Nordamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-east4`	Ashburn, Virginia, Nordamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-east5`	Columbus, Ohio, Nordamerika	Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-south1` Niedriger CO₂-Wert	Dallas, Texas, Nordamerika	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-west1` Niedriger CO₂-Wert	The Dalles, Oregon, Nordamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Model Registry Suchfunktion auf Basis einer neuronalen Architektur Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-west2`	Los Angeles, Kalifornien, Nordamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-west3`	Salt Lake City, Utah, Nordamerika	AutoML für Tabellendaten AutoML-Prognosen Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI
`us-west4`	Las Vegas, Nevada, Nordamerika	AutoML für Tabellendaten Batchinferenz mit benutzerdefinierten Modellen Onlineinferenz mit benutzerdefiniertem Modell Training von benutzerdefiniertem Modell Model Monitoring Modell-Registry Vektorsuche Gemini Enterprise Agent Platform-Tests Gemini Enterprise Agent Platform Pipelines Vertex AI TensorBoard Agent Platform Vizier Vertex Explainable AI

* Mit Sternchen markierte Zellen stellen Regionen dar, in denen der Dienst über die Agent Platform API, aber nicht in der Google Cloud -Konsole verfügbar ist.

Agent Platform Workbench-Standorte

Agent Platform Workbench-Instanzen sind in den folgenden Zonen verfügbar.

Region	Standort	Zonen
`asia-east1` *	Bezirk Changhua, Taiwan, asiatisch-pazifischer Raum	`asia-east1-a` `asia-east1-b` `asia-east1-c`
`asia-east2`	Hongkong, asiatisch-pazifischer Raum	`asia-east2-a` `asia-east2-b` `asia-east2-c`
`asia-northeast1`	Tokio, Japan, asiatisch-pazifischer Raum	`asia-northeast1-a` `asia-northeast1-b` `asia-northeast1-c`
`asia-northeast3`	Seoul, Südkorea, asiatisch-pazifischer Raum	`asia-northeast3-a` `asia-northeast3-b` `asia-northeast3-c`
`asia-south1`	Mumbai, Indien, Asiatisch-pazifischer Raum	`asia-south1-a` `asia-south1-b` `asia-south1-c`
`asia-south2`	Delhi, Indien, Asien-Pazifik-Raum	`asia-south2-a` `asia-south2-b` `asia-south2-c`
`asia-southeast1`	Jurong West, Singapur, Asiatisch-pazifischer Raum	`asia-southeast1-a` `asia-southeast1-b` `asia-southeast1-c`
`asia-southeast2` *	Jakarta, Indonesien, asiatisch-pazifischer Raum	`asia-southeast2-a` `asia-southeast2-b` `asia-southeast2-c`
`australia-southeast1`	Sydney, Australien, asiatisch-pazifischer Raum	`australia-southeast1-a` `australia-southeast1-b` `australia-southeast1-c`
`europe-central2` *	Warschau, Polen, Europa	`europe-central2-a` `europe-central2-b` `europe-central2-c`
`europe-west1` Niedriger CO₂-Wert	St. Ghislain, Belgien, Europa	`europe-west1-b` `europe-west1-c` `europe-west1-d`
`europe-west2` * Niedriger CO₂-Wert	London, England, Europa	`europe-west2-a` `europe-west2-b` `europe-west2-c`
`europe-west3` *	Frankfurt, Deutschland, Europa	`europe-west3-a` `europe-west3-b` `europe-west3-c`
`europe-west4` † Niedriger CO₂-Wert	Eemshaven, Niederlande, Europa	`europe-west4-a` `europe-west4-b` `europe-west4-c`
`europe-west6` * NIedriger CO₂-Wert	Zürich, Schweiz, Europa	`europe-west6-a` `europe-west6-b` `europe-west6-c`
`europe-west12` *	Turin, Italien, Europa	`europe-west12-a` `europe-west12-b` `europe-west12-c`
`me-central1` *	Doha, Katar, Naher Osten	`me-central1-a` `me-central1-b` `me-central1-c`
`me-central2` *	Dammam, Saudi-Arabien, Naher Osten	`me-central2-a` `me-central2-b` `me-central2-c`
`me-west1` *	Tel Aviv, Israel, Naher Osten	`me-west1-a` `me-west1-b` `me-west1-c`
`northamerica-northeast1` Niedriger CO₂-Wert	Montreal, Québec, Nordamerika	`northamerica-northeast1-a` `northamerica-northeast1-b` `northamerica-northeast1-c`
`northamerica-northeast2` * Niedriger CO₂-Wert	Toronto, Ontario, Nordamerika	`northamerica-northeast2-a` `northamerica-northeast2-b` `northamerica-northeast2-c`
`southamerica-east1` Niedriger CO₂-Wert	Osasco, São Paulo, Brasilien, Südamerika	`southamerica-east1-a` `southamerica-east1-b` `southamerica-east1-c`
`us-central1` Niedriger CO₂-Wert	Council Bluffs, Iowa, Nordamerika	`us-central1-a` `us-central1-b` `us-central1-c`
`us-east1` *	Moncks Corner, South Carolina, Nordamerika	`us-east1-b` `us-east1-c` `us-east1-d`
`us-east4` *	Ashburn, Virginia, Nordamerika	`us-east4-a` `us-east4-b` `us-east4-c`
`us-east5` *	Columbus, Ohio, Nordamerika	`us-east5-a` `us-east5-b` `us-east5-c`
`us-south1` * Niedriger₂-Wert	Dallas, Texas, Nordamerika	`us-south1-a` `us-south1-b` `us-south1-c`
`us-west1` Niedriger CO₂-Wert	The Dalles, Oregon, Nordamerika	`us-west1-a` `us-west1-b` `us-west1-c`
`us-west2` *	Los Angeles, Kalifornien, Nordamerika	`us-west2-a` `us-west2-b` `us-west2-c`
`us-west3` *	Salt Lake City, Utah, Nordamerika	`us-west3-a` `us-west3-b` `us-west3-c`
`us-west4`	Las Vegas, Nevada, Nordamerika	`us-west4-a` `us-west4-b` `us-west4-c`

* Mit Sternchen markierte Regionen unterstützen das Ausführen oder Planen von Notebooks mit dem Agent Platform Workbench-Executor nicht.

† Mit Kreuzen gekennzeichnete Regionen unterstützen die Planung einer Notebook-Ausführung nicht. Alle anderen Funktionen des Agent Platform Workbench-Executors werden jedoch unterstützt.

Hinweise zu Regionen

Beschleuniger verwenden

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

Sie können nach Standort oder GPU-Modell oder einer Kombination aus beidem suchen.

Als Best Practice sollten Sie nur GPU-Beschleunigertypen verwenden, die in mehreren Zonen verfügbar sind. Wenn ein Zonenausfall auftritt, wird versucht, den Arbeitslast des Beschleunigers zu übertragen, sofern die Kapazität dies zulässt.

Region	Standort	Beschleuniger
`asia-east1`	Bezirk Changhua, Taiwan, asiatisch-pazifischer Raum	L4^†, P100, T4, TPU v2^, V100, H100 Mega^
`asia-east2`	Hongkong, asiatisch-pazifischer Raum	T4
`asia-northeast1`	Tokio, Japan, asiatisch-pazifischer Raum	A100 40GB^†, H100, H100 Mega, B200^*, L4^†, T4, TPU v6e
`asia-northeast3`	Seoul, Südkorea, asiatisch-pazifischer Raum	A100 40GB, H100, L4, T4
`asia-south1`	Mumbai, Indien, Asiatisch-pazifischer Raum	H100, L4, T4, H200
`asia-south2`	Delhi, Indien, APAC	H200, RTX PRO 6000
`asia-southeast1`	Jurong West, Singapur, Asiatisch-pazifischer Raum	A100 40GB, A100 80GB, B200, H100, H100 Mega, L4, P4, T4, RTX PRO 6000
`asia-southeast2`	Jakarta, Indonesien, asiatisch-pazifischer Raum	T4
`australia-southeast1`	Sydney, Australien, asiatisch-pazifischer Raum	H100 Mega, P4, T4
`europe-central2`	Warschau, Polen, Europa	T4
`europe-north1`	Hamina, Finnland, Europa	H100 Mega^*
`europe-west1`	St. Ghislain, Belgien, Europa	H100, H100 Mega, H200, L4^†, P100, T4
`europe-west2`	London, England, Europa	H100, L4, T4
`europe-west3`	Frankfurt, Deutschland, Europa	H100, H100 Mega^*, L4^†, T4
`europe-west4`	Eemshaven, Niederlande, Europa	A100 40GB, A100 80GB, H100, H100 Mega, H200, B200^, L4, P4, T4, V100, P100^, RTX PRO 6000, TPU v2^, TPU v2 Pod^, TPU v3^, TPU v3 Pod^, TPU v5e^†, TPU v6e
`europe-west6`	Zürich, Schweiz, Europa	L4^†
`me-central2`	Dammam, Saudi-Arabien, Naher Osten	L4
`me-west1`	Tel Aviv, Israel, Naher Osten	A100 40GB, A100 80GB^†, T4^†
`northamerica-northeast1`	Montreal, Québec, Nordamerika	P4, T4
`northamerica-northeast2`	Toronto, Ontario, Nordamerika	H100, L4
`southamerica-east1`	Osasco, São Paulo, Brasilien, Südamerika	T4
`southamerica-west1`	Osasco, São Paulo, Brasilien, Südamerika	T4^†,TPU v6e^*
`us-central1`	Council Bluffs, Iowa, Nordamerika	A100 40GB, A100 80GB, B200, H100, H100 Mega, GB200, H200, L4, P4, P100, T4, RTX PRO 6000, TPU v2^, TPU v2 Pod^, TPU v3^, TPU v5e^, TPU v6e, TPU7x, V100
`us-east1`	Moncks Corner, South Carolina, Nordamerika	A100 40GB^, B200^, L4, P100, T4, RTX PRO 6000, TPU v5e^*, TPU v6e⁺, V100
`us-east4`	Ashburn, Virginia, Nordamerika	A100 80GB, H100, H100 Mega, H200, B200^, GB200^, L4, P4, T4, RTX PRO 6000
`us-east5`	Columbus, Ohio, Nordamerika	A100 80GB, H100, H100 Mega, H200^*, TPU v6e
`us-south1`	Dallas, Texas, Nordamerika	TPU v5e^†, TPU v6e^, B200^, H200
`us-west1`	The Dalles, Oregon, Nordamerika	H100 Mega, H200, L4, P100, T4, H100, TPU v5e, V100
`us-west2`	Los Angeles, Kalifornien, Nordamerika	P4, T4, B200
`us-west3`	Salt Lake City, Utah, Nordamerika	A100 40GB, B200^*
`us-west4`	Las Vegas, Nevada, Nordamerika	A100 40GB^*, H100, H100 Mega, L4^†, T4, TPU v5e

^* Der angegebene Beschleuniger ist nicht für die Bereitstellung von Batch- oder Onlineinferenzen verfügbar.

⁺ Der angegebene Beschleuniger ist nur auf der Zulassungsliste für die Bereitstellung von Batch- oder Onlineinferenzen verfügbar.

^† Der angegebene Beschleuniger ist nicht für das Training verfügbar.

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 australia-southeast1 mit NVIDIA Tesla P4-GPUs, NVIDIA Tesla T4-GPUs und NVIDIA Tesla P100-GPUs ausführen. Obwohl alle diese GPUs für Trainingsjobs in australia-southeast1 verfügbar sind, bietet keine Zone in dieser Region alle drei GPU-Typen. Weitere Informationen zur Zonenverfügbarkeit von GPUs finden Sie unter GPU-Standorte.

Standortanforderungen für BigQuery

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

Nord- und Südamerika

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 im selben Projekt befindet, in dem der Agent Platform-Job ausgeführt wird, sorgen Sie dafür, dass Agent Platform die richtigen Rollen hat.

Europa

BigQuery-Tabellen und -Ansichten müssen regional sein (europe-west4).
Standort: Die Region, in der Ihr Agent Platform-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 Agent Platform-Job ausgeführt wird, sorgen Sie dafür, dass Agent Platform die richtigen Rollen hat.

Anforderungen an Cloud Storage-Buckets

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

Für eine optimale Leistung empfehlen wir, die folgenden Einstellungen beim Erstellen eines Cloud Storage-Bucket zur Verwendung mit der Agent Platform zu verwenden:
- Standorttyp: Region.
- Standort: Die Region, in der Sie die Agent Platform verwenden, z. B. us-central1, europe-west4 oder asia-east1.
- Speicherklasse: Standard.
Für Agent Platform-Trainingsjobs müssen Buckets regional sein.
Wenn sich der Bucket nicht im selben Projekt befindet, in dem der Agent Platform-Job ausgeführt wird, sorgen Sie dafür, dass Agent Platform die richtigen Rollen hat.

Ressourcenstandorte einschränken

Administratoren von Organisationsrichtlinien können die verfügbaren Regionen, in denen Sie Agent Platform verwenden können, durch Erstellen einer Einschränkung für Ressourcenstandorte einschränken. Hier erfahren Sie mehr dazu, wie sich eine Beschränkung für Ressourcenstandorte auf die Agent Platform auswirkt.

Nächste Schritte

Informationen zuGoogle Cloud -Regionen
Bereitstellungen und Endpunkte für Google- und Partnermodelle und Funktionen für generative KI
Unterstützte Standorte für Agenten

Standorte für Dienste für maschinelles Lernen Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Standort auswählen

Standort mit der Google Cloud Console angeben

Standort mit der Agent Platform API angeben

Verfügbare Standorte für Dienste für maschinelles Lernen

USA

Kanada

Südamerika

Afrika

Europa

Asiatisch-pazifischer Raum

Naher Osten

Verfügbarkeit der Funktion

Agent Platform Workbench-Standorte

Hinweise zu Regionen

Beschleuniger verwenden

Standortanforderungen für BigQuery

Nord- und Südamerika

Europa

Anforderungen an Cloud Storage-Buckets

Ressourcenstandorte einschränken

Nächste Schritte

Standorte für Dienste für maschinelles Lernen