0
| 本文作者： 林少宏 | 2017-02-23 11:08 |
在萬眾期待中，Google云計算平臺日前推出了支持云端GPU加速服務(wù)的公開測試版，第一款支持的GPU型號是NVIDIA 的Tesla K80，使Google云平臺的性能獲得了巨大提升?，F(xiàn)在，用戶可以在谷歌云平臺的三個地區(qū)玩轉(zhuǎn)基于NVIDIA GPU的虛擬機，包括美東1區(qū)（us-east1），東亞1區(qū)（asia-east1）和西歐1區(qū)（europe-west1）。目前只支持使用gcloud的命令行工創(chuàng)建虛擬機，但從下周起就可以云終端界面來創(chuàng)建虛擬機啦。
據(jù)雷鋒網(wǎng)了解，如果用戶的深度學(xué)習(xí)算法需要額外的計算資源，其最多可以在自定義的Google 云計端虛擬機上連接將8個GPU（4塊K80的板子）。 GPU可以加速多種類型的計算和分析，包括視頻和圖像轉(zhuǎn)碼，地震分析，分子建模，基因組學(xué)，計算金融，仿真，高性能數(shù)據(jù)分析，計算化學(xué)，金融，流體動力學(xué)和可視化。
圖1 NVIDIA K80 GPU加速器板
用戶只需在云端的虛擬機添加GPU， 而不必在自己的數(shù)據(jù)中心構(gòu)建GPU集群。雷鋒網(wǎng)獲悉，Google 云計算平臺上的GPU是直接連接到虛擬機的，提供GPU的裸機性能。每個NVIDIA K80 GPU配置了2,496個流處理器和12 GB的GDDR5內(nèi)存。用戶可以靈活地選擇1，2，4或8個NVIDIA GPU來構(gòu)建服務(wù)器形態(tài)，讓運行在服務(wù)器上的虛擬機實例擁有最佳性能。
圖2 Google Cloud支持多達8個GPU連接到自定義虛擬機，從而優(yōu)化應(yīng)用程序的性能。
這些實例支持流行的機器學(xué)習(xí)和深度學(xué)習(xí)框架，如TensorFlow，Theano，Torch，MXNet和Caffe，以及NVIDIA流行的CUDA軟件，CUDA可用來構(gòu)建GPU加速應(yīng)用。
云GPU和谷歌其它基礎(chǔ)設(shè)施一樣，價格是一大亮點。價格按分鐘計費，最低消費時長是10分鐘。在美國，連接到虛擬機的每個K80 GPU的價格為每小時0.700美元，在亞洲和歐洲，每個GPU每小時0.770美元。和往常一樣，用戶只需按使用的量支付費用。這樣就不需要自己維護一個GPU集群，在零資本投資下獲得高速的深度學(xué)習(xí)和機器學(xué)習(xí)訓(xùn)練。
圖3 GCE的GPU定價
Google云GPU集成了Google 云機器學(xué)習(xí)（Cloud ML），幫助您節(jié)省大規(guī)模使用TensorFlow框架訓(xùn)練機器學(xué)習(xí)模型所需的時間?，F(xiàn)在，您不需要花費幾天時間在單臺機器上用大量的圖像數(shù)據(jù)集訓(xùn)練一個圖像分類器，您可以在云機器學(xué)習(xí)中使用多個GPU執(zhí)行分布式訓(xùn)練，大大縮短開發(fā)周期并快速迭代模型。
Google云機器學(xué)習(xí)是一項托管服務(wù)，提供端到端培訓(xùn)和預(yù)測工作流，集成了其他云計算工具，如Google Cloud Dataflow，Google BigQuery，Google Cloud Storage和Google Cloud Datalab。
建議從從低量級開始，在小數(shù)據(jù)集上并訓(xùn)練TensorFlow模型，然后啟動更大的云機器學(xué)習(xí)，用整個數(shù)據(jù)集訓(xùn)練模型，以充分利用Google 云GPU的規(guī)模和性能。有關(guān)Cloud ML的更多信息，請參閱《快速入門指南》并開始使用，查看《Using GPUs for Training Models in the Cloud》這篇檔以深入了解Google云GPU。
請在Cloud NEXT（谷歌云計算大會， 3月8日至10日在舊金山舉行）上注冊賬號，然后注冊CloudML 訓(xùn)練營，并了解如何使用GPU增強云計算性能。您可以使用gcloud命令行來創(chuàng)建虛擬機，并嘗試在該虛擬機上運行TensorFlow，體驗加速的機器學(xué)習(xí)。
詳細文檔可在在這個網(wǎng)站上查看https://cloud.google.com/gpu/。
本文摘自谷歌云平臺博客，作者為谷歌產(chǎn)品經(jīng)理John Barrus，由雷鋒網(wǎng)AI科技評論編譯，封面圖片 via gsmarena
via GPUs are now available for Google Compute Engine and Cloud Machine Learning
