Sobre GPUs no Google Cloud


O foco do Google Cloud é fornecer infraestrutura de inteligência artificial (IA) de nível mundial para potencializar suas cargas de trabalho aceleradas por GPU mais exigentes em uma ampla variedade de segmentos. É possível usar GPUs no Google Cloud para executar aplicativos de IA, aprendizado de máquina (ML), científicos, analíticos, corporativos, de engenharia e de consumo.

Com nossa parceria com a NVIDIA, o Google Cloud oferece as GPUs mais recentes e otimiza a pilha de software com uma ampla variedade de opções de armazenamento e rede. Para acessar uma lista completa de GPUs disponíveis, consulte Plataformas de GPU.

Confira nas seções a seguir os benefícios das GPUs no Google Cloud.

VMs aceleradas por GPU

No Google Cloud, você pode acessar e provisionar GPUs da maneira que melhor atende às suas necessidades. Uma família de máquinas especializadas e otimizadas para aceleradores está disponível, com GPUs pré-conectadas e recursos de rede ideais para maximizar o desempenho. Eles estão disponíveis nas séries de máquinas A3, A2 e G2.

Várias opções de provisionamento

Você pode provisionar clusters usando a família de máquinas otimizadas para aceleradores com qualquer um dos seguintes produtos de código aberto ou do Google Cloud.

Vertex AI

A Vertex AI é uma plataforma de machine learning (ML) totalmente gerenciada que você pode usar para treinar e implantar modelos de ML e aplicativos de IA. Nos aplicativos da Vertex AI, você pode usar VMs aceleradas por GPU para melhorar o desempenho das seguintes formas:

GKE e Slurm

Plataformas de orquestração em grande escala, como o GKE, são ideais para provisionar clusters grandes que podem ser usados para treinar e ajustar modelos de ML em grande escala. Modelos de ML em grande escala são aqueles que usam grandes quantidades de dados.

As plataformas de orquestração a seguir estão disponíveis no Google Cloud.

  • Google Kubernetes Engine (GKE): é um serviço que pode ser usado para implantar e operar aplicativos conteinerizados em escala usando a infraestrutura do Google.

  • Slurm: é uma ferramenta de código aberto para gerenciamento de cluster e agendamento de jobs. No Google Cloud, você pode implantar clusters Slurm usando o Cluster Toolkit.

Execute treinamentos e ajustes de modelos em grande escala

Para treinar ou ajustar modelos em grande escala, recomendamos usar um cluster de máquinas A3 Mega (a3-megagpu-8g) e implantar com um programador como GKE ou Slurm.

Opção de implantação

Guias de implantação

Slurm

Implantar um cluster A3 Mega Slurm

GKE

Implantar um cluster A3 Mega com GKE

Execute treinamentos e ajustes do modelo principal

Para treinamento e ajuste de modelos principais, recomendamos usar o A3 High com 8 GPUs (a3-highgpu-8g) e implantar com um programador, como o GKE ou o Slurm. Também é possível usar um tipo de máquina A2 ou G2.

Opção de implantação

Guias de implantação

Cargas de trabalho

GKE

Implantar pools de nós do autopilot ou padrão

Inferência: exibir modelos no GKE

Treinamento: treinar um modelo no GKE

Slurm

Executar o ajuste do Llama-2 em um cluster G2 Slurm

VMs únicas

Criar VMs A3 High (com o GPUDirect-TCPX ativado)

Compute Engine

Você também pode criar e gerenciar VMs únicas ou clusters menores de VMs com GPUs anexadas no Compute Engine. Esse método é usado principalmente para executar cargas de trabalho com uso intensivo de gráficos, cargas de trabalho de simulação ou treinamento em pequena escala. Para essas cargas de trabalho, recomendamos G2, A3 High pequeno (com 1, 2 ou 4 GPUs anexadas) e tipos de máquina N1 com GPUs T4, P4, P100 e V100.

Opção de implantação

Guias de implantação

Criar uma VM para servir e cargas de trabalho de nó único

Criar uma VM A3 Edge ou A3 High

Criar grupos gerenciados de instâncias (MIGs)

Essa opção usa o Dynamic Workload Scheduler (DWS) para provisionar VMs.

Criar um MIG com VMs de GPU

Criar VMs em massa

Criar um grupo de VMs de GPU em massa

Criar uma única VM

Criar uma única VM de GPU (VMs padrão ou do Spot)

Criar estações de trabalho virtuais

Criar uma estação de trabalho virtual acelerada por GPU

Cloud Run

É possível configurar GPUs para seu serviço do Cloud Run. As GPUs são ideais para executar cargas de trabalho de inferência de IA usando modelos de linguagem grandes no Cloud Run.

No Cloud Run, consulte estes recursos para executar cargas de trabalho de IA em GPUs: