Google计算引擎采用更快的GPU

作者：Google云计算引擎产品经理Chris Kleban和Ari Liberman

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。

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。