手机版 欢迎访问魄力云云市场资讯网站

当前位置:主页 > 网络与CDN >

台湾 cdn_如何选择_云计算企业

时间:2021-04-09 08:10:16|来源:魄力云|编辑:魄力云|点击:

台湾 cdn_如何选择_云计算企业

我没有意识到图形处理单元(GPU),图形芯片,在过去的几年里在云端变得多么重要。如今,几乎所有的云服务都为高要求的用户提供gpu。当我想到云计算中的服务时,我想到的是存储和文件共享,基础设施即服务;基于云的应用程序,如office365和Gmail,软件即服务;或者在云上构建应用程序,平台即服务。但GPU呢?在云上?超级计算机?当然,现在很多最快的超级计算机都依赖gpu,但是云呢?好吧,经过研究,大数据软件,发现有许多有用的高级应用程序在富含gpu的云上运行得更好。大多数最重要的公共云,云服务器推荐,包括googlecompute、microsoftazure、ibmcloud和amazonwebservices(AWS)都提供支持GPU的实例。几乎所有的云都在使用NVIDIA特斯拉gpu。英伟达虽然是市场领导者,返利商城,但并不完全主导市场。AMD Radeon Sky系列图形卡用于加速基于云的游戏和用于图形应用的AMD FirePro S7150x2服务器GPU。事实证明,虽然我不知道,但NVIDIA早在2012年就把目光从视频游戏和超级计算转移到了云计算上。当时,它的目标是利用gpu的快速流媒体和虚拟化功能来"加速云计算"快到2017年,英伟达发布了自己的云:英伟达GPU云。此产品主要针对NVIDIA优化的深度学习软件和高性能计算应用程序。这个云不依赖于NVIDIA的硬件,除了专门访问NVIDIA Saturn V超级计算机,而是基于AWS和Azure的硬件。这意味着NVIDIA的GPU云更像是合作伙伴云服务的渠道和需求聚合器。在这个过程中,云gpu已经创建了自己的利基。第一个重要用途是用于远程桌面,比如MyGDaaS,一个面向高端图形用户的远程桌面,以及citrixxendesktop用于更通用的最终用户计算。这只是冰山一角。现在,支持GPU的云被用于许多其他用途。这些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、金融分析和其他高性能计算(HPC)用例。例如,风险管理、保险和再保险经纪业务提供商怡安本菲尔德证券(Aon Benfield Securities)利用其内部的PathWise财务建模程序,使用gpu加快其风险分析场景。该公司发现,在AWS云上使用gpu可以更快、更经济地完成工作。具体来说,通过使用AWS的现收现付定价,该公司可以快速、廉价地启动多个GPU,数据可视化大屏,因此它将其基础设施转移到了AWS,并弃用了其同一位置的数据中心。"我们意识到,通过使用AWS,我们可以在短时间内建立并运行一个完整的交钥匙环境,"ABS董事总经理Peter Phillips说。另一方面,googlecompute使用支持GPU的云来驱动其Google云机器学习引擎(GCMLE)。这使用了同样的TensorFlow框架,它支持许多谷歌产品,从谷歌照片到谷歌云语音。TensorFlow是一个广泛使用的开源机器智能软件库。GCMLE可以采用任何TensorFlow模型,在托管集群上进行大规模训练。此外,它还可以管理训练后的模型进行大规模在线和批量预测。一旦有用,经过训练的模型就可以从Google云数据流中提取数据进行预处理。这使您能够从Google云存储、googlebigquery和其他数据源访问数据。这些模型可以部署在Google云上的任何地方。反过来,通过与NIVIDA的TensorRT一起使用,TensorFlow可以加快速度。这是一个高性能的深度学习推理优化器和运行时,为深度学习应用程序提供低延迟、高吞吐量的推理。它可以用于快速优化、验证和部署经过训练的神经网络,用于超规模数据中心、嵌入式或汽车产品平台的推理。简而言之,在任何需要HPC的地方,您现在可以转向您选择的云,并寻找处理速度和功能的正确组合。公平警告:它不会便宜。您将需要优化您的程序,企业应用平台,以利用GPU并行处理和GPU云时间是昂贵的。例如,在6个vCPU和128MBs内存中添加一个NVIDIA Tesla P40 GPU可能会让你每月花费超过1500美元。另一方面,如果你能正确地使用GPU处理,它是值得的钱。相关链接Q代表量子计算高性能计算用可视化处理器(HPC)

云主机服务商 Ucloud云计算 移动云数据 云存储服务器 Ucloud云主机 云计算提供商 阿里数据库 服务器租用 云储存服务器 Web云服务器 ucloud云数据库 独享云主机 云服务器服务商 海外云存储 云服务器主机 云计算解决方案 国内云存储 数据库云平台

Copyright © 2002-2020 魄力云 版权所有