NVIDIA と Google Cloud
NVIDIA と Google Cloud は、機械学習、ハイ パフォーマンス コンピューティング、データ分析、グラフィックス、ゲームのワークロードなど、最も要求の厳しいワークロードに対応するアクセラレータ最適化ソリューションを提供しています。
利点
NVIDIA の高速なコンピューティング性能をGoogle Cloud で大規模に実現
さまざまなワークロードのパフォーマンスを向上
Google Cloud の最新 NVIDIA GPU では、NVIDIA A100、P100、P4、T4 または V100 を使用して Compute Engine インスタンスを簡単にプロビジョニングし、厳しいワークロードを加速できます。
秒単位の課金で費用を削減
Google Cloud では秒単位で料金が発生するため、必要な分だけを支払うことができ、また毎月最大 30% の割引が自動的に適用されます。同じ稼働時間でスケーラブルなパフォーマンスを維持しながら、前払い費用を節約できます。
カスタムマシン構成でワークロードを改善
必要なプロセッサ数、メモリ量、NVIDIA GPU 数の正確な比率を決めてインスタンスを正確に構成し、ワークロードを改善できるので、システムの制限に合わせてワークロードを変更する必要はありません。
主な機能
Google Cloud での NVIDIA のテクノロジー
NVIDIA A100® Tensor Core GPU
アクセラレータ最適化 A2 VM は、NVIDIA Ampere A100 Tensor Core GPU をベースとしています。A100 GPU は、旧世代と比較して GPU 1 個あたり最大 20 倍のコンピューティング パフォーマンスを誇ります。これらの VM は、コンピューティングでの最も難しい課題に対処できるように、AI、データ分析、ハイ パフォーマンス コンピューティングのあらゆる規模での高速化を実現するように設計されています。
NVIDIA T4® Tensor Core GPU
NVIDIA® T4 GPU は、ハイ パフォーマンス コンピューティング、ディープ ラーニングのトレーニングと推論、機械学習、データ分析、グラフィックスなど、さまざまなクラウド ワークロードを高速化します。NVIDIA® T4 GPU は Compute Engine で一般提供されています。
NVIDIA と Google Cloud の Anthos を使用したハイブリッド クラウド
Google Cloud の Anthos は、お客様がクラウドとオンプレミスの両方でアプリケーションを簡単に実行できるように構築されています。Google が NVIDIA と密接に協力して構築したソリューションは、NVIDIA GPU Operator を使用して、Kubernetes で GPU を有効にするために必要なコンポーネントをデプロイします。このソリューションは、A100 や T4 など、人気のある多くの NVIDIA GPU で動作します。
Google Kubernetes Engine による自動スケーリング
Google Kubernetes Engine(GKE)を使用して、NVIDIA GPU を搭載したクラスタをオンデマンドでシームレスに作成し、負荷分散を行い、GPU リソースを自動的にスケールアップまたはスケールダウンして運用コストを最小限に抑えることができます。NVIDIA A100 GPU でのマルチインスタンス GPU(MIG)のサポートにより、GKE はマルチユーザー、マルチモデルの AI 推論ワークロードで、細かな粒度で適切なサイズの GPU アクセラレーションをプロビジョニングできるようになりました。
NVIDIA CloudXR™ と RTX 仮想ワークステーション
NVIDIA RTX™ テクノロジーを基盤として開発された画期的なイノベーションである NVIDIA CloudXR により、NVIDIA RTX Virtual Workstation を仮想マシンイメージ(VMI)として使用し、Google Cloud Marketplace から高品質の XR にアクセスできるようになりました。ユーザーは高品質の没入型エクスペリエンスを簡単に設定、スケーリング、使用でき、クラウドから XR ワークフローをストリーミングできます。
関連サービス
NVIDIA のテクノロジーを使用した Google Cloud プロダクト
ドキュメント
NVIDIA テクノロジーを Google Cloud にデプロイするための技術リソース
Compute Engine の GPU
Compute Engine は、仮想マシン インスタンスに追加できる GPU を備えています。GPU の機能と、使用できる GPU ハードウェアのタイプの詳細をご確認ください。
クラウド内でのモデルのトレーニングに GPU を使用する
画像分類、動画分析、自然言語処理など、多くのディープ ラーニング モデルのトレーニング プロセスを高速化します。
Google Kubernetes Engine 上の GPU
Google Kubernetes Engine クラスタのノードで GPU ハードウェア アクセラレータを使用する方法をご確認ください。
Dataproc クラスタへの GPU の追加
GPU を Dataproc クラスタの Compute Engine マスターノードおよびワーカーノードに接続して、機械学習やデータ処理などの特定のワークロードを高速化します。
最新情報