Цифры говорят
Selectel обновил GPU на своих виртуальных и выделенных серверах
21.06.2022 |
Selectel, российский провайдер облачной инфраструктуры, сообщил о появлении новых графических процессоров (GPU) в своем облаке и выделенных серверах. С их помощью клиенты компании смогут эффективнее использовать технологии машинного обучения и искусственного интеллекта: серверы, оборудованные данными видеокартами, увеличивают скорость выполнения требовательных задач – сложных вычислений, работы с алгоритмами, классифицикации изображений и распознавания речи, обработки видео и графики. Используя облачную инфраструктуру, построенную на обновленных GPU, заказчики получают больше возможностей для глубокого обучения нейронных сетей – Deep Learning.
Кроме того, с помощью новых GPU можно легко осуществлять транскодинг видео прямо в процессе, а это значит, что при любой скорости интернет-соединения пользователям становятся возможными стримы и онлайн-трансляции, а видеопотоки смогут адаптироваться под необходимые размеры экранов. Поддержка технологии многопоточного кодирования NVIDIA NVENC позволяет передавать видеотрафик в разрешении до 8192×8192 пикселей.
Работа с графикой и рендеринг видео также станут более быстрыми – создание трехмерных моделей и обработка фотографий с новыми возможностями не будут «подвешивать» компьютер, а наложить эффекты или сделать монтаж кадров можно и онлайн.
Виртуальные рабочие места (VDI) можно развернуть в облаке Selectel из любой географической точки, где есть сеть Интернет.
Также серверы с новыми GPU пойдут для научного моделирования и CUDA-вычислений, так как в этом случае используется модель параллельных вычислений, ускоряющая процессы.
Selectel предлагает клиентам готовые конфигурации с новыми видеокартами, однако продвинутые пользователи могут также запросить конкретную конфигурацию под свои потребности. В числе видеокарт, входящих в облачные конфигурации:
– А2000 с пропускной способностью до 288 ГБ/с – для компактных рабочих станций;
– А5000 с пропускной способностью до 768 ГБ/с, с поддержкой виртуального графического ускорителя vGPU – универсальность видеокарты позволяет использовать ее для любых задач в пределах производительности;
– A30 с пропускной способностью до 933 ГБ/с и поддержкой vGPU – для работы с технологиями искусственного интеллекта. Также здесь реализована поддержка до 4 изолированных Muli-Instance GPU – уровень видеокарты позволяет осуществлять мейнстрим-вычисления, работать с рекомендательными системами, подходит для разговорного искусственного интеллекта;
– A2, GPU начального уровня для простого инференса, видео и графики, Edge AI (периферийных вычислений), Edge-видео, мобильного облачного гейминга.
Облачные сервера Selectel предлагает в формате оплаты по факту потребления, можно пользоваться отдельными ресурсами и не платить за ненужные. Кроме того, оплата может производиться как за часы, так и за дни или месяцы работы. Рассчитать стоимость интересующих конфигураций можно прямо на сайте Selectel.
Видеокарты совместимы с фреймворками TensorFlow, PyTorch, Keras, MXNet, Caffe , а также с типами нейросетей GAN, CNN,SSNN и другими.
Еще одним преимуществом работы в облаке является возможность масштабирования задач: при недостатке серверной мощности можно воспользоваться панелью управления и получить необходимые ресурсы, использовав простые настройки.
Появились обновления и в выделенных серверах: теперь компания предлагает сборки с видеокартами A2, A2000, A4000, A5000 и A100 – под разные задачи. Видеокарты перечислены по увеличению уровня производительности, последняя представленная в списке обладает пропускной способностью 2Тб/с и подходит для Deep Learning, научных исследований и аналитики данных.
При выборе видеокарт специалисты Selectel в первую очередь обращали внимание на число ядер CUDA (увеличивают производительность вычислений и работы с графикой), тензорных ядер (используются в работе с ИИ и нейросетями), характеристику RT ядер (трассировка лучей, обеспечивающая высокую точность рендеринга). Также в процессе выбора немаловажными условиями стали объем памяти и пропускная способность памяти. Последним наиболее важным пунктом была поддержка GPU VDI, необходимая для обеспечения инфраструктуры виртуальных рабочих столов.
