Google计算引擎采用更快的GPU

　　今天，我们将一次性宣布多条与云 GPU 相关的消息。首先，Google 云端平台 (GCP) 的性能将随着NVIDIA P100 GPU 测试版的公开发布获得进一步提升。第二，Google 计算引擎现已普遍采用 NVIDIA K80 GPU。第三，我们很高兴地宣布 K80 和 P100 GPU 均将推出阶梯使用折扣。

　　云 GPU 可以加快工作负载处理速度，包括机器学习训练和推理、地球物理数据处理、模拟、地震分析、分子建模、基因组学及更多高性能计算用例。

　　NVIDIA Tesla P100 是前沿 GPU 技术。基于Pascal GPU 架构，您可以通过减少实例来增加吞吐量，同时节省资金。与 K80 相比，P100 GPU 可以让工作负载实现 10 倍提速1。

　　与传统解决方案相比，云 GPU 在灵活性、性能和成本节约三方面做到了优化结合：

　　灵活性：Google 的自定义虚拟机模型和增量云 GPU 提供的灵活性超高。您可以根据自己的需求自定义 CPU、内存、磁盘和 GPU 配置。

　　快速性能：云 GPU 采用直通模式，能够提供裸机性能。每个虚拟机最多可以连接 4 个 P100 或 8 个 K80(我们提供最多 4 个 K80 板卡，每个板卡上有 2 个 GPU)。对于那些寻求更高磁盘性能的用户，可选择将最多 3TB 的本地 SSD 连接到任何 GPU 虚拟机。

　　低成本：使用云 GPU，您可以获得与其余 GCP 资源相同的每分钟计费和阶梯使用折扣。只为您需要的资源付费!

　　云集成：云 GPU 的供应范围涵盖所有堆栈级别。对于基础架构、计算引擎和容器引擎(仅在Alpha 群集上受支持)，您可以使用虚拟机或容器运行 GPU 工作负载。对于机器学习，可以选择性地将云机器学习配置为利用 GPU，从而减少借助TensorFlow大规模培训您的模型所需的时间。

　　在今天的公告发布后，您已可以在全球四个地区部署 NVIDIA Tesla P100 和 K80 GPU。现在，我们的所有 GPU 都支持阶梯使用折扣：在您使用我们的 GPU 运行持续的工作负载时，虚拟机的价格会自动降低(折扣最高 30%)。享受这些折扣无需绑定服务商也无需预付最低费用保证金。

　　加快机器学习工作负载速度

　　自推出 GPU以来，我们已经看到用户从 GPU 提供的额外计算性能中获益。得到 GPU 加速的工作负载包括基因组学、计算金融，以及机器学习模型训练和推理等。我们的客户Shazam是在 GCP 上采用 GPU 的首批用户之一，他们采用 GPU 来为音乐识别服务提供支持。

　　“对于某些任务而言，用 [NVIDIA] GPU 代替传统 CPU 能获得成本效益和性能的提升。GPU 与Shazam核心音乐识别工作负载的相性很好，我们由此将用户录制的音频片段与我们收录了 4000 多万首歌曲的目录相匹配。我们通过拍摄每首歌曲的音频签名，将其编译成自定义数据库格式并将其加载到 GPU 内存中。每当用户通过Shazams发现歌曲时，我们的算法就会使用 GPU 搜索该数据库，直到找到匹配项。每天成功匹配的次数超过 2000 万次。”

　　— Shazam网站可靠性工程负责人

　　今天发布的云 GPU 公告让 GCP 又迈进了一步，由此成为所有硬件加速工作负载的理想选择。在 NVIDIA P100 GPU 加入后，我们将重点关注帮助您将新的用例带入生活。

关注电子行业精彩资讯，关注华强资讯官方微信，精华内容抢鲜读，还有机会获赠全年杂志

关注方法：添加好友→搜索“华强微电子”→关注

或微信“扫一扫”二维码