Des performances ultimes pour les outils de visualisation et les applications IA/ML/HPC dans le Cloud

Le diagnostic du cancer, la prévision des catastrophes naturelles et l’automatisation des opérations commerciales constituent une infime partie des applications novatrices que vous pouvez mettre en œuvre grâce au calcul accéléré par GPU, vous permettant de collecter des informations à haute valeur ajoutée à partir d’immenses volumes de données.  Amazon Web Services (AWS) et NVIDIA se sont associés pour déployer la plateforme Cloud accélérée par GPU la plus puissante et la plus avancée jamais conçue, afin d’aider leurs clients à construire un futur plus intelligent.

Nous espérons que vous avez eu l’occasion de nous rejoindre lors de la conférence AWS re:Invent 2020. Si vous l’avez manquée, vous pouvez en consulter les principales sessions et démonstrations à la demande sur le site de NVIDIA.

 

Services Cloud à accélération GPU

Amazon EC2 (Elastic Cloud Compute)

Grâce à sa nouvelle instance P4d disponible dès maintenant, qui met à profit la puissance incomparable du GPU NVIDIA A100 Tensor Core, AWS ouvre la voie à une nouvelle décennie de calcul accéléré par GPU.

NVIDIA A100

Accélération sans précédent à tous les niveaux de précision pour l’IA, l’analyse de données et le HPC

Amazon EC2 P4d (NVIDIA A100)

NVIDIA T4

Accélérateur universel pour toutes les charges de travail (incluant le Cloud Gaming)

Amazon EC2 G4 (NVIDIA T4)

NVIDIA V100

Le tout premier GPU Tensor Core à accélérer les workflows d’IA et de HPC

Amazon EC2 P3 (NVIDIA V100)

NGC Containers

Accédez facilement à une vaste gamme de conteneurs haute performance pour le Deep Learning, l’apprentissage automatique, le HPC et la visualisation optimisés pour une exécution sur les instances Amazon EC2 P3, G4 and P4d à partir du hub logiciel NGC. NGC vous propose en outre des modèles et des scripts pré-entraînés pour la mise en œuvre de modèles spécialement optimisés pour des cas d’utilisation standardisés tels que la classification d’images, la détection d’objets, la synthèse vocale et bien plus encore. Pour exécuter les conteneurs NGC sur AWS et exploiter le plein potentiel des GPU NVIDIA A100, V100 et T4, NVIDIA a créé une image-machine Amazon (AMI) appelée "NVIDIA Deep Learning AMI" et directement disponible sur le Marché AWS.

DÉMARREZ AVEC NGC

Apache MXNET

Apache MXNet est un framework rapide et évolutif pour l'entraînement et les inférences Deep Learning. Il inclut l’interface Gluon, qui permet aux développeurs de tous les niveaux de déployer des projets Deep Learning dans le Cloud, sur les systèmes Edge ou pour les applications mobiles. En collaborant activement avec NVIDIA, les chercheurs et les ingénieurs d’AWS ont pré-optimisé leurs algorithmes NMT pour Apache MXNet. Cette approche, basée sur la traduction automatique neuronale, permet aux développeurs et aux data scientists d’accélérer d’une manière sans précédent leurs procédures d’entraînement sur les plateformes à architecture Volta.

Créez un compte AWS pour accéder instantanément à l’Offre gratuite d'AWS et commencer à développer des projets avec MXNet.

Virtualisation graphique à accélération GPU

L’image-machine (AMI) de la Station de travail virtuelle NVIDIA Quadro (Quadro vWS) pour le rendu graphique accéléré par GPU améliore la productivité des professionnels créatifs et techniques en leur permettant d’accéder à des applications intensives de conception et d’ingénierie dans le Cloud. Combinées à l’AMI Quadro vWS, les instances Amazon EC2 G4 (NVIDIA T4) permettent de mettre en œuvre la plateforme graphique 3D la plus avancée de l’industrie, proposant notamment des capacités avancées de ray tracing en temps réel sur une machine virtuelle avec les technologies NVIDIA RTX les plus récentes. Les GPU NVIDIA M60 (G3) et V100 (P3) sont également pris en charge. Toutes les instances sont disponibles sur Windows Server 2016, Windows Server 2019 et Ubuntu 18.04.

STATIONS DE TRAVAIL VIRTUELLES QUADRO SUR LE MARCHÉ AWS

Accédez à la puissance d’AWS et des GPU NVIDIA

Instances Amazon EC2 P3

Frameworks de Deep Learning avec NGC

Stations de travail virtuelles Quadro