本頁面由 Cloud Translation API 翻譯而成。

大量建立 GPU VM

Linux Windows

您可以使用大量建立程序，建立已附加圖形處理器 (GPU) 的虛擬機器 (VM) 群組。透過大量建立程序，您可以預先驗證，如果要求不可行，系統會快速失敗。此外，如果您使用地區標記，大量建立 API 會自動選擇有容量可滿足要求的區域。

如要進一步瞭解大量建立作業，請參閱「關於大量建立 VM」。如要進一步瞭解如何建立連接 GPU 的 VM，請參閱建立連接 GPU 的執行個體總覽。

事前準備

如要查看建立附加 GPU 的執行個體時的限制和額外必要步驟 (例如選取 OS 映像檔和檢查 GPU 配額)，請參閱建立附加 GPU 的執行個體總覽。
如要查看大量建立 VM 的限制，請參閱「關於大量建立 VM」。
如果尚未設定驗證，請先完成設定。驗證可確認您的身分，以便存取 Google Cloud 服務和 API。如要從本機開發環境執行程式碼或範例，可以選取下列任一選項，向 Compute Engine 進行驗證：
Select the tab for how you plan to use the samples on this page:
gcloud
1. 安裝 Google Cloud CLI。安裝完成後，執行下列指令初始化 Google Cloud CLI：
  gcloud init
  如果您使用外部識別資訊提供者 (IdP)，請先使用聯合身分登入 gcloud CLI。
  
  注意：如果您先前已安裝 gcloud CLI，請執行 gcloud components update，確認您使用的是最新版本。
2. Set a default region and zone.
REST

如要在本機開發環境中使用本頁的 REST API 範例，請使用您提供給 gcloud CLI 的憑證。
詳情請參閱 Google Cloud 驗證說明文件中的「Authenticate for using REST」。

必要的角色

如要取得建立 VM 所需的權限，請要求管理員授予您專案的 Compute 執行個體管理員 (v1) (roles/compute.instanceAdmin.v1) IAM 角色。如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和機構的存取權」。

這個預先定義的角色具備建立 VM 所需的權限。如要查看確切的必要權限，請展開「必要權限」部分：

所需權限

如要建立 VM，必須具備下列權限：

專案的 compute.instances.create
如要使用自訂映像檔建立 VM： compute.images.useReadOnly 在映像檔上
如要使用快照建立 VM： compute.snapshots.useReadOnly 快照
如要使用執行個體範本建立 VM，請按照下列步驟操作： compute.instanceTemplates.useReadOnly 在執行個體範本上
如要為 VM 指定子網路，請在專案或所選子網路上授予 compute.subnetworks.use 權限。
如要為 VM 指定靜態 IP 位址：專案的 compute.addresses.use
使用虛擬私有雲網路時，如要將外部 IP 位址指派給 VM： compute.subnetworks.useExternalIp 專案或所選子網路的權限
如要將舊版網路指派給 VM，請按照下列步驟操作： compute.networks.use 專案
使用舊版網路時，如要將外部 IP 位址指派給 VM，請在專案中設定 compute.networks.useExternalIp。
如要為 VM 設定 VM 執行個體中繼資料，請在專案中執行下列指令： compute.instances.setMetadata
如要為 VM 設定標記，請按照下列步驟操作： compute.instances.setTags 在 VM 上
如要為 VM 設定標籤，請按照下列步驟操作： compute.instances.setLabels 在 VM 上
如要設定 VM 使用的服務帳戶： compute.instances.setServiceAccount 在 VM 上
為 VM 建立新磁碟： compute.disks.create 專案
如要以唯讀或讀寫模式附加現有磁碟：磁碟的 compute.disks.use
如要以唯讀模式連接現有磁碟： compute.disks.useReadOnly 磁碟的權限

您或許還可透過自訂角色或其他預先定義的角色取得這些權限。

總覽

使用大量建立方法建立連結 GPU 的 VM 時，您可以選擇在區域 (例如 us-central1) 或特定可用區 (例如 us-central1-a) 中建立 VM。

如果您選擇指定區域，Compute Engine 會將 VM 放置在該區域內支援 GPU 的任何區域。

機器類型

加速器最佳化機器系列包含多種機器類型。

每個加速器最佳化機型均連接特定型號的 NVIDIA GPU，以支援建議的工作負載類型。

AI 和機器學習工作負載	圖形和視覺化
加速器最佳化 A 系列機器類型專為高效能運算 (HPC)、人工智慧 (AI) 和機器學習 (ML) 工作負載設計。對於這些機器類型，系統會自動將 GPU 型號附加至執行個體。	加速器最佳化 G 系列機型專為工作負載設計，例如 NVIDIA Omniverse 模擬工作負載、含有大量圖案的應用程式、影片轉碼和虛擬桌面。這些機器類型支援 NVIDIA RTX 虛擬工作站 (vWS)。對於這些機器類型，系統會自動將 GPU 型號附加至執行個體。
A4X (NVIDIA GB200 Superchips) (`nvidia-gb200`) A4 (NVIDIA B200) (`nvidia-b200`) A3 Ultra (NVIDIA H200) (`nvidia-h200-141gb`) A3 Mega (NVIDIA H100) (`nvidia-h100-mega-80gb`) A3 High (NVIDIA H100) (`nvidia-h100-80gb`) A3 Edge (NVIDIA H100) (`nvidia-h100-80gb`) A2 Ultra (NVIDIA A100 80GB) (`nvidia-a100-80gb`) A2 Standard (NVIDIA A100) (`nvidia-a100-40gb`)	G4 (NVIDIA RTX PRO 6000) (`nvidia-rtx-pro-6000`) (`nvidia-rtx-pro-6000-vws`) G2 (NVIDIA L4) (`nvidia-l4`) (`nvidia-l4-vws`)

建立 A4X、A4 和 A3 Ultra 群組

如要為 A4X、A4 和 A3 Ultra 系列機器大量建立執行個體，請參閱 AI Hypercomputer 說明文件中的「部署選項總覽」。

建立 A3、A2、G4 和 G2 VM 群組

本節說明如何使用 Google Cloud CLI 或 REST，為 A3 High、A3 Mega、A3 Edge、A2 Standard、A2 Ultra、G4 和 G2 系列機器大量建立執行個體。

gcloud

如要建立 VM 群組，請使用 gcloud compute instances bulk create 指令。如要進一步瞭解參數和如何使用這項指令，請參閱「大量建立 VM」。

示例

這個範例會使用下列規格建立兩個附加 GPU 的 VM：

VM 名稱：my-test-vm-1、my-test-vm-2
每個 VM 都連接兩個 GPU，這是透過使用適當的加速器最佳化機器類型指定

gcloud compute instances bulk create \
    --name-pattern="my-test-vm-#" \
    --region=REGION \
    --count=2 \
    --machine-type=MACHINE_TYPE \
    --boot-disk-size=200 \
    --image=IMAGE \
    --image-project=IMAGE_PROJECT \
    --on-host-maintenance=TERMINATE

更改下列內容：

REGION：VM 的區域。這個區域必須支援您選取的加速器最佳化機器類型。
MACHINE_TYPE：您選取的機器類型。選擇下列其中一個選項：
- A3 High 機型
- A3 Mega 機型
- A3 Edge 機型
- A2 Standard 機型
- A2 Ultra 機型
- G4 機型
- G2 機器類型 G2 機器類型也支援自訂記憶體。記憶體必須是 1024 MB 的倍數，且在支援的記憶體範圍內。舉例來說，如要建立具有 4 個 vCPU 和 19 GB 記憶體的 VM，請指定 --machine-type=g2-custom-4-19456。
IMAGE：支援 GPU 的作業系統映像檔。

如要使用映像檔系列中的最新映像檔，請將 --image 旗標替換為 --image-family 旗標，並將其值設為支援 GPU 的映像檔系列。例如： --image-family=rocky-linux-8-optimized-gcp。

您也可以指定自訂映像檔或深度學習 VM 映像檔。
IMAGE_PROJECT：OS 映像檔所屬的 Compute Engine 映像檔專案。如果使用自訂映像檔或深度學習 VM 映像檔，請指定這些映像檔所屬的專案。
VWS_ACCELERATOR_COUNT：您需要的虛擬 GPU 數量。

如果成功，輸出結果會與下列內容相似：

NAME          ZONE
my-test-vm-1  us-central1-b
my-test-vm-2  us-central1-b
Bulk create request finished with status message: [VM instances created: 2, failed: 0.]

選用標記

如要進一步設定執行個體，以滿足工作負載或作業系統需求，請在執行 gcloud compute instances bulk create 指令時，加入下列一或多個標記。

功能	說明
佈建模型	設定執行個體的佈建模式。指定 `SPOT` 或 `FLEX_START`。G4 執行個體不支援 `FLEX_START`。如未指定模型，系統會使用標準模型。詳情請參閱 Compute Engine 執行個體佈建模型。 --provisioning-model=`PROVISIONING_MODEL`
虛擬工作站	指定用於圖形工作負載的 NVIDIA RTX 虛擬工作站 (vWS)。這項功能僅適用於 G4 和 G2 執行個體。 --accelerator=type=`VWS_ACCELERATOR_TYPE`,count=`VWS_ACCELERATOR_COUNT` 更改下列內容：如果是 `VWS_ACCELERATOR_TYPE`，請選擇下列其中一項：如果是 G4 執行個體，請指定 `nvidia-rtx-pro-6000-vws` 如果是 G2 執行個體，請指定 `nvidia-l4-vws` 將 `VWS_ACCELERATOR_COUNT` 替換成所需的虛擬 GPU 數量。
本機 SSD	將一或多個本機 SSD 連接至執行個體。本機 SSD 可做為快速暫存磁碟，或將資料饋送至 GPU，同時避免 I/O 瓶頸。 --local-ssd=interface=nvme \ --local-ssd=interface=nvme \ --local-ssd=interface=nvme ... 如要瞭解每個 VM 執行個體可連接的本機 SSD 磁碟數量上限，請參閱本機 SSD 限制。
網路介面	將多個網路介面附加至執行個體。對於 `g4-standard-384` 執行個體，最多可附加兩個網路介面。您可以使用這個旗標建立具有雙網路介面 (2 個 200 Gbps) 的執行個體。每個網路介面都必須位於不重複的虛擬私有雲網路。 --network-interface=network=`VPC_NAME_1`,subnet=`SUBNET_NAME_1`,nic-type=GVNIC \ --network-interface=network=`VPC_NAME_2`,subnet=`SUBNET_NAME_2`,nic-type=GVNIC 只有 `g4-standard-384` 機器類型支援雙重網路介面。更改下列內容： `VPC_NAME`：虛擬私有雲網路的名稱。 `SUBNET_NAME`：屬於指定虛擬私有雲網路的子網路名稱。

REST

使用 instances.bulkInsert 方法和必要參數，在可用區中建立多個 VM。如要進一步瞭解參數和如何使用這項指令，請參閱「大量建立 VM」。

示例

這個範例會使用下列規格建立兩個附加 GPU 的 VM：

VM 名稱：my-test-vm-1、my-test-vm-2

每個 VM 都連接兩個 GPU，這是透過使用適當的加速器最佳化機器類型指定

POST https://compute.googleapis.com/compute/v1/projects/PROJECT_ID/regions/REGION/instances/bulkInsert
{
"namePattern":"my-test-vm-#",
"count":"2",
"instanceProperties": {
  "machineType":MACHINE_TYPE,
  "disks":[
    {
      "type":"PERSISTENT",
      "initializeParams":{
        "diskSizeGb":"200",
        "sourceImage":SOURCE_IMAGE_URI
      },
      "boot":true
    }
  ],
  "name": "default",
  "networkInterfaces":
  [
    {
      "network": "projects/PROJECT_ID/global/networks/default"
    }
  ],
  "scheduling":{
    "onHostMaintenance":"TERMINATE",
    ["automaticRestart":true]
  }
}
}

更改下列內容：

PROJECT_ID：您的專案 ID
REGION：VM 的區域。這個區域必須支援所選 GPU 型號。
MACHINE_TYPE：您選取的機器類型。選擇下列其中一個選項：
- A3 High 機型
- A3 Mega 機型
- A3 Edge 機型
- A2 Standard 機型
- A2 Ultra 機型
- G4 機型
- G2 機型。 G2 機器類型也支援自訂記憶體。記憶體必須是 1024 MB 的倍數，且在支援的記憶體範圍內。舉例來說，如果執行個體有 4 個 vCPU 和 19 GB 記憶體，機器類型名稱會是 g2-custom-4-19456。
SOURCE_IMAGE_URI：要使用的特定映像檔或映像檔系列的 URI。

例如：
- 特定圖片："sourceImage": "projects/rocky-linux-cloud/global/images/rocky-linux-8-optimized-gcp-v20220719"
- 映像檔系列："sourceImage": "projects/rocky-linux-cloud/global/images/family/rocky-linux-8-optimized-gcp"。
指定映像檔系列時，Compute Engine 會從該系列中未淘汰的最新 OS 映像檔建立 VM。如要進一步瞭解何時該使用映像檔系列，請參閱映像檔系列最佳做法。

選用標記

如要進一步設定執行個體，以滿足工作負載或作業系統需求，請在執行 instances.bulkInsert 方法時，加入下列一或多個標記。

功能	說明
佈建模型	如要降低費用，請在要求中的 `scheduling` 物件中新增 `"provisioningModel": "PROVISIONING_MODEL"` 欄位，指定其他佈建模型。如果您指定建立 Spot VM，系統會忽略 `onHostMaintenance` 和 `automaticRestart` 欄位。詳情請參閱 Compute Engine 執行個體佈建模型。 "scheduling": { "onHostMaintenance": "terminate", "provisioningModel": "`PROVISIONING_MODEL`" } 將 `PROVISIONING_MODEL` 替換為下列其中一個值： `STANDARD`：(預設) 標準執行個體。 `SPOT`：Spot VM。 `FLEX_START`：彈性啟動 VM。彈性啟動 VM 最多會運作七天，可協助您以折扣價取得 GPU 等高需求資源。G4 執行個體不支援此佈建模式。
虛擬工作站	指定用於圖形工作負載的 NVIDIA RTX 虛擬工作站 (vWS)。這項功能僅適用於 G4 和 G2 執行個體。 "guestAccelerators": [ { "acceleratorCount": `VWS_ACCELERATOR_COUNT`, "acceleratorType": "projects/`PROJECT_ID`/zones/`ZONE`/acceleratorTypes/`VWS_ACCELERATOR_TYPE`" } ] 更改下列內容：如果是 `VWS_ACCELERATOR_TYPE`，請選擇下列其中一項：如果是 G4 執行個體，請指定 `nvidia-rtx-pro-6000-vws` 如果是 G2 執行個體，請指定 `nvidia-l4-vws` 將 `VWS_ACCELERATOR_COUNT` 替換成所需的虛擬 GPU 數量。
本機 SSD	將一或多個本機 SSD 連接至執行個體。本機 SSD 可做為快速暫存磁碟，或將資料饋送至 GPU，同時避免 I/O 瓶頸。 { "type": "SCRATCH", "autoDelete": true, "initializeParams": { "diskType": "projects/`PROJECT_ID`/zones/`ZONE`/diskTypes/local-nvme-ssd" } } 如要瞭解每個 VM 執行個體可連接的本機 SSD 磁碟數量上限，請參閱本機 SSD 限制。
網路介面	將多個網路介面附加至執行個體。對於 `g4-standard-384` 執行個體，最多可附加兩個網路介面。這會建立具有雙重網路介面的執行個體 (2 個 200 Gbps)。每個網路介面都必須位於不重複的虛擬私有雲網路。 "networkInterfaces": [ { "network": "projects/`PROJECT_ID`/global/networks/`VPC_NAME_1`", "subnetwork": "projects/`PROJECT_ID`/regions/`REGION`/subnetworks/`SUBNET_NAME_1`", "nicType": "GVNIC" }, { "network": "projects/`PROJECT_ID`/global/networks/`VPC_NAME_2`", "subnetwork": "projects/`PROJECT_ID`/regions/`REGION`/subnetworks/`SUBNET_NAME_2`", "nicType": "GVNIC" } ] 只有 `g4-standard-384` 機器類型支援雙重網路介面。更改下列內容： `VPC_NAME`：虛擬私有雲網路的名稱。 `SUBNET_NAME`：屬於指定虛擬私有雲網路的子網路名稱。

建立 N1 一般用途 VM 群組

您可以使用 Google Cloud CLI 或 REST，建立連接 GPU 的 VM 群組。

本節說明如何使用下列 GPU 類型建立多個 VM：

NVIDIA GPU：

NVIDIA T4：nvidia-tesla-t4
NVIDIA P4：nvidia-tesla-p4
NVIDIA P100：nvidia-tesla-p100
NVIDIA V100：nvidia-tesla-v100

NVIDIA RTX 虛擬工作站 (vWS) (舊稱 NVIDIA GRID)：

NVIDIA T4 虛擬工作站：nvidia-tesla-t4-vws
NVIDIA P4 虛擬工作站：nvidia-tesla-p4-vws
NVIDIA P100 虛擬工作站：nvidia-tesla-p100-vws

對於這些虛擬工作站，系統會自動將 NVIDIA RTX 虛擬工作站 (vWS) 授權新增至執行個體。

gcloud

如要建立 VM 群組，請使用 gcloud compute instances bulk create 指令。如要進一步瞭解參數和如何使用這項指令，請參閱「大量建立 VM」。

示例

下列範例會使用下列規格，建立兩個連接 GPU 的 VM：

VM 名稱：my-test-vm-1、my-test-vm-2
在支援 GPU 的 us-central1 中任何可用區建立的 VM
每個 VM 都連結了兩個 T4 GPU，這是透過加速器類型和加速器數量標記指定
每個 VM 都已安裝 GPU 驅動程式
每個 VM 都使用深度學習 VM 映像檔 pytorch-latest-gpu-v20211028-debian-10

gcloud compute instances bulk create \
    --name-pattern="my-test-vm-#" \
    --count=2 \
    --region=us-central1 \
    --machine-type=n1-standard-2 \
    --accelerator type=nvidia-tesla-t4,count=2 \
    --boot-disk-size=200 \
    --metadata="install-nvidia-driver=True" \
    --scopes="https://www.googleapis.com/auth/cloud-platform" \
    --image=pytorch-latest-gpu-v20211028-debian-10 \
    --image-project=deeplearning-platform-release \
    --on-host-maintenance=TERMINATE --restart-on-failure

如果成功，輸出結果會與下列內容相似：

NAME          ZONE
my-test-vm-1  us-central1-b
my-test-vm-2  us-central1-b
Bulk create request finished with status message: [VM instances created: 2, failed: 0.]

REST

使用 instances.bulkInsert 方法和必要參數，在可用區中建立多個 VM。如要進一步瞭解參數和如何使用這項指令，請參閱「大量建立 VM」。

示例

下列範例會使用下列規格，建立兩個連接 GPU 的 VM：

VM 名稱：my-test-vm-1、my-test-vm-2
在支援 GPU 的 us-central1 中任何可用區建立的 VM
每個 VM 都連結了兩個 T4 GPU，這是透過加速器類型和加速器數量標記指定
每個 VM 都已安裝 GPU 驅動程式
每個 VM 都使用深度學習 VM 映像檔 pytorch-latest-gpu-v20211028-debian-10

將 PROJECT_ID 替換為您的專案 ID。

POST https://compute.googleapis.com/compute/v1/projects/PROJECT_ID/regions/us-central1/instances/bulkInsert

{
    "namePattern":"my-test-vm-#",
    "count":"2",
    "instanceProperties": {
      "machineType":"n1-standard-2",
      "disks":[
        {
          "type":"PERSISTENT",
          "initializeParams":{
            "diskSizeGb":"200",
            "sourceImage":"projects/deeplearning-platform-release/global/images/pytorch-latest-gpu-v20211028-debian-10"
          },
          "boot":true
        }
      ],
      "name": "default",
      "networkInterfaces":
      [
        {
          "network": "projects/PROJECT_ID/global/networks/default"
        }
      ],
      "guestAccelerators":
      [
        {
          "acceleratorCount": 2,
          "acceleratorType": "nvidia-tesla-t4"
        }
      ],
      "scheduling":{
        "onHostMaintenance":"TERMINATE",
        "automaticRestart":true
      },
      "metadata":{
        "items":[
          {
            "key":"install-nvidia-driver",
            "value":"True"
          }
        ]
      }
  }
 }

後續步驟

瞭解如何監控 GPU 效能。
瞭解如何使用較高的網路頻寬。
瞭解如何處理 GPU 主機維護事件。

瞭解如何查看 VM 和 GPU 的實際用量和預估用量。