Besuchen Sie unser kostenloses „IT Heroes Summit“, um Tipps von IT-Experten bei Uber, Air Asia, Deloitte, ADT und anderen Unternehmen zu erhalten. Jetzt ansehen
Weiter zu

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

NVIDIAs GPUs L4, P100, P4, T4, V100 und A100 bieten zahlreiche Computing-Optionen, um Ihre Arbeitslasten kosten- und leistungsgerecht 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

Nutzen Sie für Ihre GPU-Arbeitslasten Google Cloud und profitieren Sie von branchenführenden Technologien für Speicher, Netzwerk und Datenanalyse.

Alle Features ansehen

Dokumentation

Dokumentation

Grundlagen zu Google Cloud
GPUs in der Compute Engine

In der Compute Engine können Sie Ihre VM-Instanzen mit GPUs erweitern. Hier erfahren Sie, wie Sie GPUs einsetzen und welche GPU-Hardware verfügbar ist.

Tutorial
GPUs in der Compute Engine hinzufügen oder entfernen

Hier erfahren Sie, wie Sie in einer Compute Engine-VM GPUs hinzufügen oder entfernen.

Tutorial
GPU-Treiber installieren

In dieser Übersicht werden Möglichkeiten zur Installation von NVIDIA-eigenen Treibern für Instanzen mit einer oder mehreren GPUs erläutert.

Tutorial
GPUs in der Google Kubernetes Engine

Hier erfahren Sie, wie Sie GPU-Hardwarebeschleuniger an den Cluster-Knoten der Google Kubernetes Engine verwenden.

Grundlagen zu Google Cloud
GPUs zum Trainieren von Modellen in der Cloud verwenden

Beschleunigen Sie das Training zahlreicher Deep-Learning-Modelle, zum Beispiel für Bildklassifizierung, Videoanalyse oder Natural Language Processing.

Grundlagen zu Google Cloud
GPUs an Dataproc-Cluster anhängen

Hängen Sie GPUs an Master- und Worker-Knoten der Compute Engine in einem Dataproc-Cluster an, um Arbeitslasten wie Machine Learning und 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.