GPU 云计算

现在每个云服务提供商都采用人工智能技术

将深度学习的
强大功能应用于数据

云计算通过实现数据中心的大众化和彻底改变企业的运作方式,引发了行业变革。如今,您最重要的资产位于您的首选提供商提供的云服务中。然而,要从数据中充分获取见解,您需要合适的高性能计算解决方案。

NVIDIA GPU 云

GPU 加速云容器

NVIDIA GPU 云 (NGC) 可以通过 GPU 加速的容器为人工智能科学家和研究人员赋予强大能力。NGC 提供 TensorFlow、PyTorch、MXNet 等容器化深度学习框架,它们都经过 NVIDIA 的调试、测试和验证,可以在参与计划的云服务提供商的最新 NVIDIA GPU 上运行。NGC 还包含用于 HPC 应用的第三方管理容器以及用于 HPC 可视化的 NVIDIA 容器。

此外,您还可以在所有主流云平台上按需进行 GPU 云计算

云端对 GPU 计算的需求

云端对 GPU 计算的需求

每天都有交易记录、传感器日志、图像、视频等产生的大量数据需要您应对。但是,其中一半的工作是将数据从云端传输到数据中心,以便借助 GPU 来应用深度学习。通过将 GPU 加速的计算应用到云端,我们正在弥合海量数据集与从中获得见解所需的计算能力之间的差距。

借助 GPU 云计算节省开支

借助 GPU 云计算节省开支

通过将数百个通用 CPU 实例替换为每个实例拥有多达 8 个 GPU 的强节点,您可以节省多达 70% 的开支。传统上,科学和深度学习工作负载需要预先支付大量费用,但借助按用量计费、全天候运行和可扩展的性能,您可以只支付当日用量的费用,并随着需求的增长按比例增加费用。

这一切都借助您一直期待的  NVIDIA®  Tesla®  数据中心 GPU 的可预测性能而实现。可确保数据完整性的纠错码 (ECC) 内存功能、确保高带宽的 GPUDirect 远程直接内存访问 (RDMA),以及 GPU 之间的低延迟对等通信等所有优点也起到了关键作用。

借助自动配置消除作业排队情况

借助自动配置消除作业排队情况

借助预配置的  NVIDIA 驱动程序 和库,使用虚拟映像只需几分钟即可配置 GPU 加速的 HPC 集群,而无需花费数天或数周时间。无论您需要满足全部计算需求,还是需要启用爆发模式以短期提高峰值能力,GPU 云计算都能提供您需要的扩展性能。