Cloud GPUs
Leistungsfähige GPUs in Google Cloud für Machine Learning, wissenschaftliches Computing und 3D-Visualisierung.
-
Beschleunigung von Rechenjobs wie Machine Learning und HPC
-
Eine breite Auswahl von GPUs für unterschiedliche Leistungs- und Preisanforderungen
-
Flexible Preise und Maschinenanpassungen zur Optimierung für Arbeitslasten
Wichtige Features
Wichtige Features
Verschiedene GPU-Typen
NVIDIA K80-, P100-, P4-, T4-, V100- und A100-GPUs bieten eine Reihe von Rechenoptionen, um Ihre Arbeitslasten im erforderlichen Preis- und Leistungssegment abzudecken.
Flexible Leistung
Stimmen Sie den Prozessor, den Arbeitsspeicher, das Hochleistungslaufwerk und bis zu acht GPUs pro Instanz optimal auf die jeweilige Arbeitslast ab. Dank sekundengenauer Abrechnung zahlen Sie nur für das, was Sie tatsächlich nutzen.
Alle Vorteile von Google Cloud
Sie können GPU-Arbeitslasten in Google Cloud ausführen, wo Sie Zugriff auf branchenführende Speicher-, Netzwerk- und Datenanalysetechnologien haben.
Das ist neu
Das ist neu
Dokumentation
Dokumentation
GPUs in der Compute Engine
In der Compute Engine können Sie Ihre VM-Instanzen mit GPUs erweitern. In dieser Übersicht erfahren Sie, wie Sie GPUs nutzen können und welche Arten von GPU-Hardware verfügbar sind.
GPUs in der Compute Engine hinzufügen oder entfernen
Hier erfahren Sie, wie Sie einer Compute Engine-VM GPUs hinzufügen oder diese entfernen können.
GPU-Treiber installieren
In dieser Übersicht werden Möglichkeiten zur Installation von NVIDIA-eigenen Treibern für Instanzen mit einer oder mehreren GPUs erläutert.
GPUs in der Google Kubernetes Engine
Hier erfahren Sie, wie Sie GPU-Hardwarebeschleuniger in den Knoten Ihrer Google Kubernetes Engine-Cluster verwenden.
GPUs zum Trainieren von Modellen in der Cloud verwenden
Beschleunigen Sie das Training zahlreicher Deep-Learning-Modelle, beispielsweise Modelle für die Bildklassifizierung, Videoanalyse und Verarbeitung natürlicher Sprache.
GPUs an Dataproc-Cluster anhängen
Hängen Sie GPUs an die Compute Engine-Master- und -Worker-Knoten in einem Dataproc-Cluster an, um bestimmte Arbeitslasten wie Machine Learning und die Datenverarbeitung zu beschleunigen.
Preise
Preise
Informationen zu den Preisen für die verschiedenen GPU-Typen und Regionen in der Compute Engine finden Sie in der Preisübersicht für GPUs.