NVIDIA und die Google Cloud ermöglichen es Organisationen, ohne hohe Kosten oder komplexe Infrastrukturverwaltung schneller Ergebnisse bei datenbezogenen Herausforderungen zu erhalten. Nutzen Sie NVIDIA-Grafikprozessoren, um Deep Learning, Analysen, wissenschaftliche Simulationen und andere High Performance Computing (HPC)-Workloads zu beschleunigen, und NVIDIA® Quadro® Virtual Workstations mit Google Cloud zur Beschleunigung von Rendering, Simulationen und grafikintensiven Workloads überall.
Google Cloud Anthos ist eine Modernisierungsplattform für Anwendungen, die auf Kubernetes basiert. Für Kunden, die eine Hybridarchitektur suchen und eine hohe lokale Nachfrage bewältigen müssen, ist Anthos darauf ausgelegt, den einfachen Einstieg von Cloudlösungen mit der Sicherheit einer lokalen Lösung zu kombinieren. Anthos ist als Hybridplattform für NVIDIA-GPU-Workloads in der Cloud, vor Ort und in der Edge verfügbar.
Anthos ist jetzt sowohl für Bare-Metal- als auch virtualisierte vSphere-Implementierungen erhältlich. Anthos unterstützt sowohl NVIDIA DGX™ als auch Serversysteme mit NVIDIA T4, V100 oder A100 Tensor Core-GPUs. Je nach Anwendungsanforderungen und Serverinfrastruktur können Sie die beste Konfiguration auswählen, um eine optimale Bereitstellung zu gewährleisten.
Benutzerhandbuch für NVIDIA-GPUs mit Google Cloud Anthos anzeigen
NVIDIA DGX A100 ist das weltweit führende KI-System, das speziell für die einzigartigen Anforderungen von Unternehmen entwickelt wurde. Unternehmen können nun eine Hybrid-KI-Cloud entwickeln, die einfachen Zugriff auf Rechenleistung bietet, die sich aus der bestehenden lokalen DGX-Infrastruktur in Kombination mit NVIDIA-GPUs innerhalb der Google Cloud ergibt. Mit Google Cloud Anthos auf NVIDIA DGX A100 können Unternehmen die deterministische, beispiellose Leistung ihrer dedizierten DGX-Systeminfrastruktur um die Einfachheit und Flexibilität der KI-Rechenleistung der Cloud ergänzen.
Blog lesen: Stolpersteine vermeiden und mit Hybrid-Cloud-Infrastruktur auf der KI-Überholspur bleiben (30. November 2020)
NVIDIA® A100 bietet eine bisher unerreichte Beschleunigung in jeder Größenordnung für KI, Datenanalysen und High-Performance Computing (HPC), um die schwierigsten Computing-Herausforderungen der Welt zu bewältigen. Als „Motor“ der NVIDIA-Rechenzentrumsplattform lässt sich A100 effizient auf Tausende Grafikprozessoren skalieren oder mit der NVIDIA Multi-Instance-GPU(MIG)-Technologie in sieben GPU-Instanzen aufteilen, um Workloads aller Größen zu beschleunigen. Tensor-Recheneinheiten der dritten Generation beschleunigen alle Präzisionsniveaus für verschiedene Workloads und somit auch die Zeit für die Einblicke und die Markteinführungszeit.
Die Leistung von A100 auf Altair ultraFluidX™ (PDF 503 KB)
Kubernetes-Podcast von Google zum Thema Beschleunigung und Grafikprozessoren anhören (31:00 Minuten)
NVIDIA A100
Google-Podcast über A100 mit Bryan Cantanzaro von NVIDIA anhören (42:46 Minuten)
NVIDIA T4
Google-Podcast auf T4 mit Ian Buck von NVIDIA und Kari Briski anhören (35:56 Minuten)
NVIDIA V100
NGC vereinfacht den Zugang zu vorintegrierten und GPU-optimierten Containern für Deep Learning-Software, HPC-Anwendungen und HPC-Visualisierungstools, welche die NVIDIA A100-, V100-, P100- und T4-GPUs der Google Cloud Platform voll ausschöpfen. Außerdem stehen vortrainierte Modelle und Skripte zur Verfügung, um optimierte Modelle für häufige Anwendungsfälle wie Klassifizierung, Erkennung, Text-to-Speech und vielem mehr zu entwickeln. Jetzt können Sie GPU-beschleunigte Software in Produktionsqualität innerhalb weniger Minuten bereitstellen.
NVIDIA TensorRT™ bietet Höchstleistungen bei der Deep Learning-Inferenzoptimierung und Laufzeit mit niedrigerer Latenz und hohem Durchsatz für Inferenzanwendungen. Optimieren Sie neuronale Netzmodelle, kalibrieren Sie sie auf Berechnungen mit geringerer Genauigkeit mit höchster Präzision und stellen Sie Modelle auf der Google Cloud Platform bereit. Dank der engen Integration von TensorFlow und TensorRT profitieren Sie sowohl von Flexibilität als auch von leistungsfähiger Optimierung.
NVIDIA-GPUs führen in Google Kubernetes Engine bei rechenintensiven Anwendungen wie maschinellem Lernen, Bildverarbeitung und Finanzmodellierung durch Skalierung auf Hunderte von GPU-beschleunigten Instanzen zu einer enormen Leistung. Verpacken Sie GPU-beschleunigte Anwendungen in Containern, um die gewaltige Rechenleistung der Kubernetes-Engine von Google und der NVIDIA A100-, V100-, T4-, P100- oder P4-GPUs zu nutzen, wann immer Sie es benötigen, ohne Hardware oder virtuelle Maschinen (VMs) verwalten zu müssen.
Mit NVIDIA Quadro Virtual Workstations für grafikprozessorbeschleunigte Grafik können kreative und technische Experten überall auf anspruchsvolle Design- und Konstruktionsanwendungen in der Cloud zugreifen und so ihre Produktivität maximieren. Designer und Ingenieure können nun virtuelle Workstations auf den Grafikprozessoren NVIDIA T4, V100, P100 und P4 direkt über Google Cloud oder den Google Cloud-Plattform Marketplace ausführen, die Windows Server 2016, Windows Server 2019 und Ubuntu 18.04 unterstützen.
KI ist die wichtigste technische Entwicklung unserer Zeit und bietet das größte Potenzial für Ideen, die der Gesellschaft von Nutzen sein können. Weltweit führende Cloudanbieter stellen mithilfe von Volta-GPUs und NVIDIA-Software die weltbesten KI-Plattformen bereit und bereiten so den Weg für atemberaubende Durchbrüche in den Bereichen Medizin, autonomes Verkehrswesen, Präzisionsfertigung und auf vielen weiteren Gebieten.
– Jensen Huang, Gründer und CEO von NVIDIA
KI verbreitet sich immer mehr und Inferenz ist ein äußerst wichtiger Aspekt bei der erfolgreichen Bereitstellung der KI-Modelle unserer Kunden. Die nächste Generation der NVIDIA Turing-GPUs unterstützt unsere Kunden beim Entwickeln neuer unglaublicher Deep Learning-basierter Anwendungen wie Sprachsynthese und Videoanalyse. Als führender Cloud-KI-Anbieter planen wir im Laufe dieses Jahres die Einführung von Turing-GPUs für GCP.
– Chris Kleban, Product Manager,Google Cloud .
– Chris Kleban, Product Manager, Google Cloud.
[GPUs] mit Kubernetes bieten eine leistungsstarke, kostengünstige und flexible Umgebung für Machine Learning in Unternehmen. Ocado entschied sich aufgrund der Skalierbarkeit und Mobilität sowie des stabilen Ökosystems und der großen Support-Community für Kubernetes … Im Gegensatz zu herkömmlichen CPUs bietet es großartige Nutzungserleichterungen sowie die Möglichkeit, GPUs anzuschließen und damit eine enorme Leistungssteigerung zu erzielen.
– Martin Nikolov, Research Software Engineer, Ocado