作者:Google 云計算引擎產品經理 Chris Kleban 和 Ari Liberman
今天(9月21),我們將一次性宣布多條與云
GPU 相關的消息。首先,Google 云端平臺 (GCP) 的性能將隨著 NVIDIA P100
GPU 測試版的公開發布獲得進一步提升。第二,Google 計算引擎現已普遍采用 NVIDIA K80
GPU。第三,我們很高興地宣布 K80 和 P100
GPU 均將推出階梯使用折扣。
云
GPU 可以加快工作負載處理速度,包括機器學習訓練和推理、地球物理數據處理、模擬、地震分析、分子建模、基因組學及更多高性能計算用例。
NVIDIA Tesla P100 是前沿
GPU 技術。基于 Pascal
GPU 架構,您可以通過減少實例來增加吞吐量,同時節省資金。與 K80 相比,P100
GPU 可以讓工作負載實現 10 倍提速1。
與傳統解決方案相比,云
GPU 在靈活性、性能和成本節約三方面做到了優化結合:
•靈活性:Google 的自定義虛擬機模型和增量云
GPU 提供的靈活性超高。您可以根據自己的需求自定義
CPU、內存、磁盤和
GPU 配置。
•快速性能:云
GPU 采用直通模式,能夠提供裸機性能。每個虛擬機最多可以連接 4 個 P100 或 8 個 K80(我們提供最多 4 個 K80 板卡,每個板卡上有 2 個
GPU)。對于那些尋求更高磁盤性能的用戶,可選擇將最多 3TB 的本地 SSD 連接到任何
GPU 虛擬機。
•低成本:使用云
GPU,您可以獲得與其余 GCP 資源相同的每分鐘計費和階梯使用折扣。只為您需要的資源付費!
•云集成:云
GPU 的供應范圍涵蓋所有堆棧級別。對于基礎架構、計算引擎和容器引擎(僅在 Alpha 群集上受支持),您可以使用虛擬機或容器運行
GPU 工作負載。對于機器學習,可以選擇性地將云機器學習配置為利用
GPU,從而減少借助 TensorFlow 大規模培訓您的模型所需的時間。
在今天的公告發布后,您已可以在全球四個地區部署 NVIDIA Tesla P100 和 K80
GPU。現在,我們的所有
GPU 都支持階梯使用折扣:在您使用我們的
GPU 運行持續的工作負載時,虛擬機的價格會自動降低(折扣最高 30%)。享受這些折扣無需綁定服務商也無需預付最低費用保證金。
加快機器學習工作負載速度
自推出
GPU 以來,我們已經看到用戶從
GPU 提供的額外計算性能中獲益。得到
GPU 加速的工作負載包括基因組學、計算金融,以及機器學習模型訓練和推理等。我們的客戶 Shazam 是在 GCP 上采用
GPU 的首批用戶之一,他們采用
GPU 來為音樂識別服務提供支持。
“對于某些任務而言,用 [NVIDIA]
GPU 代替傳統
CPU 能獲得成本效益和性能的提升。
GPU 與 Shazam 核心音樂識別工作負載的相性很好,我們由此將用戶錄制的音頻片段與我們收錄了 4000 多萬首歌曲的目錄相匹配。我們通過拍攝每首歌曲的音頻簽名,將其編譯成自定義數據庫格式并將其加載到
GPU 內存中。每當用戶通過 Shazams 發現歌曲時,我們的算法就會使用
GPU 搜索該數據庫,直到找到匹配項。每天成功匹配的次數超過 2000 萬次。”
— Shazam 網站可靠性工程負責人
今天發布的云
GPU 公告讓 GCP 又邁進了一步,由此成為所有硬件加速工作負載的理想選擇。在 NVIDIA P100
GPU 加入后,我們將重點關注幫助您將新的用例帶入生活。