Aperçu

Linux Windows

---

Compute Engine offre la possibilité d'ajouter des processeurs graphiques (GPU) aux machines virtuelles (VM). Vous pouvez utiliser ces GPU pour accélérer des charges de travail spécifiques sur vos VM, telles que le machine learning et le traitement des données.

Ce document présente les étapes requises pour créer une VM à laquelle sont associés des GPU.

Pour en savoir plus sur les GPU sur Compute Engine, consultez la page À propos des GPU.

Sélectionner le modèle de GPU

Pour obtenir la liste des modèles de GPU disponibles, consultez la page Plates-formes GPU. Notez également le type de machine compatible avec le modèle de GPU sélectionné.

Il peut également être utile de passer en revue les éléments suivants pour chaque modèle :

• Régions et zones disponibles.
• Les tarifs des GPU pour comprendre le coût d'utilisation de chaque modèle de GPU sur vos VM. Pour les VM qui utilisent des machines optimisées pour les accélérateurs, consultez également les tarifs des instances de VM.
• Consultez les restrictions imposées aux VM comportant des GPU.

Choisir un système d'exploitation

Si vous exploitez des GPU pour le machine learning, vous pouvez utiliser une instance Deep Learning VM Images pour votre VM. Chaque instance Deep Learning VM Images dispose d'un pilote de GPU préinstallé et inclut des packages tels que TensorFlow et PyTorch. Vous pouvez également utiliser une instance Deep Learning VM Images pour les charges de travail générales des GPU. Pour en savoir plus sur les images disponibles et les packages installés sur les images, consultez la page Choisir une image. Vous pouvez également utiliser n'importe quelle image publique ou image personnalisée, mais certaines images peuvent nécessiter un pilote ou un processus d'installation spécifique non traité dans ce document.

Vous devez identifier les pilotes appropriés pour votre image d'OS. Pour connaître les étapes d'installation des pilotes, consultez la section traitant de l'installation des pilotes de GPU.

Attention : Vous ne pouvez pas utiliser de Deep Learning VM Image comme disques de démarrage pour vos VM utilisant des types de machines G2. Les types de machines G2 sont des séries de machines optimisées pour les accélérateurs auxquelles sont associés des GPU NVIDIA L4.

Vérifier le quota de GPU

Pour protéger les systèmes et les utilisateurs de Compute Engine, les nouveaux projets bénéficient d'un quota global de GPU, ce qui limite le nombre total de GPU que vous pouvez créer dans les zones disponibles. Pour consulter le quota de GPU, consultez la page Quota de GPU.

Remarque : Une région peut afficher des quotas, même si aucun GPU n'y est actuellement disponible. Assurez-vous que la région pour laquelle vous demandez des quotas accepte les GPU. Pour obtenir la liste des régions où les GPU sont disponibles, consultez la page Disponibilité des GPU dans les régions et zones.

Si vous avez besoin d'un quota de GPU supplémentaire, demandez une augmentation de quota. Lorsque vous demandez un quota de GPU, vous devez demander un quota pour les types de GPU que vous souhaitez créer dans chaque région, mais également un quota mondial supplémentaire pour le nombre total de GPU de tous types, dans toutes les zones.

Si votre projet a un historique de facturation établi, il recevra automatiquement un quota après l'envoi de la demande.

VM GPU et quotas d'allocation préemptive

Les ressources des VM qui utilisent le modèle de provisionnement standard par défaut (VM standards) ne peuvent généralement pas utiliser les quotas d'allocation préemptive, qui sont destinés aux charges de travail temporaires et sont généralement plus disponibles. Si votre projet ne dispose pas de quota préemptif et que vous n'avez jamais demandé de quota préemptif, toutes les VM de ce projet consomment des quotas d'allocation standards.

Toutefois, une fois que vous avez demandé un quota d'allocation préemptive, les VM standards qui répondent à tous les critères suivants ne peuvent consommer que le quota d'allocation préemptive.

• La VM est associée à des GPU. Il peut s'agir d'une VM N1 à laquelle des GPU sont associés, ou d'une VM optimisée pour les accélérateurs.
• La VM est configurée pour être automatiquement supprimée après une durée d'exécution prédéfinie de sept jours ou moins via l'une des méthodes suivantes :
  • À l'aide du champ maxRunDuration ou terminationTime. Pour en savoir plus, consultez la section Limiter la durée d'exécution d'une VM ou Limiter la durée d'exécution des VM dans un MIG.
  • À l'aide du champ requestedRunDuration, qui n'est disponible que pour les groupes d'instances gérés (MIG). Pour en savoir plus, consultez la section À propos des requêtes de redimensionnement dans un MIG.
• La VM n'est pas autorisée à consommer des réservations. Pour en savoir plus, consultez la section Créer des VM sans consommer de réservations.

En consommant le quota d'allocation préemptive pour ces charges de travail, vous bénéficiez à la fois de la durée d'exécution ininterrompue des VM standards et d'une meilleure disponibilité grâce au quota d'allocation préemptive.

Quel que soit le quota utilisé, les VM standards ne sont pas éligibles aux tarifs des VM Spot et ne sont pas soumis à la préemption.

Pour en savoir plus, consultez la section Quotas préemptifs.

Créer une VM à laquelle sont associés des GPU

Pour créer une VM à laquelle sont associés des GPU, procédez comme suit :

1. Créez la VM. La méthode utilisée pour créer une VM dépend du modèle de GPU sélectionné.

   • Pour créer une VM à laquelle sont associés des GPU NVIDIA H100, A100 ou L4, consultez la page Créer une VM optimisée pour les accélérateurs.
   • Pour créer une VM à laquelle sont associés des GPU NVIDIA T4, P4, P100 ou V100, consultez la page Créer une VM N1 associée à des GPU.

2. Installez le pilote de GPU sur votre VM pour que celle-ci puisse utiliser le GPU. Si vous avez activé un poste de travail virtuel NVIDIA RTX (anciennement appelé NVIDIA GRID), installez un pilote pour le poste de travail virtuel.

Étape suivante

• Apprenez-en plus sur les plates-formes GPU.

• Apprenez-en plus sur les fonctionnalités et limites de l'utilisation des GPU.

• Découvrez comment afficher l'utilisation réelle et prévue de vos GPU.