Højtydende GPU'er – nå det næste niveau inden for beregningskapacitet

Hvorfor GPU inden for avanceret dataanalyse?

Til de mest krævende anvendelsesområder inden for databehandling og analyse er der behov for nye og mere effektive værktøjer. En GPU (Graphics Processing Unit, »grafikkort«) er historisk set blevet brugt til at udføre beregninger for at gengive et 3D-billede på en skærm. På en moderne GPU, der er beregnet til datacentre, kan en bruger i stedet udføre beregninger i programmer, der traditionelt har brugt en processor (CPU), hvilket giver flere store fordele.

Brug af GPU'er er hurtigt ved at blive en ny standard for beregningsopgaver med høj grad af parallelisme inden for videnskab og teknologi. Med en GPU kan du træne dine AI-modeller hurtigere og behandle enorme mængder data på kort tid. En ydeevensforbedring på din applikation på 50-150x afhængigt af anvendelsesområdet er ofte rimelig sammenlignet med at udføre det samme arbejde på en CPU. Dette muliggør nye anvendelsesområder som billedanalyse i realtid (f.eks. til ansigtsgenkendelse) eller maskinlæring via neurale netværk.

Hvad er forskellen mellem GPU og CPU?

En moderne GPU indeholder typisk over tusind processorkerner og er derfor ekstremt god til beregningsopgaver, hvor man kan udføre mange opgaver samtidigt (parallel belastning i stedet for seriel belastning). En følgevirkning heraf er meget høj båndbredde gennem GPU'en, hvilket igen stiller høje krav til dens hukommelse, som normalt er betydeligt hurtigere end almindelig RAM-hukommelse. Resultatet af disse forskelle er en enhed, der adskiller sig markant fra den »multitaskende« CPU ved at fokusere på mange, enklere opgaver af samme type.

Hvordan ser Bineros GPU-løsning ud?

Bineros offentlige cloud-tjeneste tilbyder nu også grafikkortacceleration (GPU-acceleration). Vores løsning er baseret på Nvidias Ampere-serie af GPU'er, der er optimeret til datacentre og beregninger. Vi tilbyder flere størrelser af GPU-hukommelse, så vores brugere kan finde den mest omkostningseffektive løsning til deres behov.

Muligheden for at udnytte NVMe-baseret lagring findes også for disse instanser for at optimere IO-intensiv og latenstidsfølsom mellemlagring af data ved tunge beregninger. Binero tilbyder GPU med højeste fleksibilitet i en gennemsigtig »pay-as-you-go«-model, hvor man betaler pr. time.

Cloud-baseret GPU er en effektiv løsning til komplekse opgaver og har mange fordele:

• Acceleration af tunge beregninger
• Fleksibilitet i en cloud-infrastruktur
• Højtydende regnekraft
• Lav latenstid mellem servere i platformen
• Mulighed for NVMe-baseret lagring