IBM推出云深度学习图形芯片Tesla P100 GPU加速器

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介:

IBM加大云托管服务力度,日前宣布推出Nvidia 的Tesla P100 图形处理器(GPU),成为在云里提供Tesla P100 图形处理器的第一大云提供商。

 IBM推出云深度学习图形芯片Tesla P100 GPU加速器

IBM在旗下的云平台上推出Tesla P100 GPU,标志着企业可以更迅速、更有效地用Nvidia的加速技术运行大型计算工作负载,如人工智能、深度学习和高性能数据分析等。

Nvidia GPU与服务器的中央处理器(CPU)一起可以提高应用程序的性能,因此大型计算数据工作负载可以更快、更高效地运行。各种不同的领域用了GPU后取得突破性成果,如欺诈检测和预防、基因组治病研究、利用更好的库存管理方法消除数百万吨的废物、对于人类来说太危险的自动化生产任务等等。

IBM和Nvidia之间的关系并是新建立的。自2014年以来两家公司就一直在合作将最新的GPU技术推向云里,蓝色巨人曾于2015年在云里部署了NVIDIA Tesla K80 GPU, 2016年又部署了Tesla M60 GPU。

IBM在一份声明中表示,”IBM是第一个在全球云里提供Tesla P100 GPU的云提供商,此举令各行业的企业都可以使用GPU从大数据里提取有价值的资料,如医疗保健、金融服务、能源和制造业等行业。”潜在使用案例包括,金融服务行业客户在IBM Cloud上使用GPU在几秒钟内完成复杂风险计算的运行,医疗保健公司可以更快地分析医学图像,能源公司可以找到新方法改进操作。

Tesla P100在IBM云里的推出对于英伟达(NVIDIA)而言是又一个胜利。NVIDIA最初制造的是游戏图形芯片,后来利用游戏图形芯片经验将图形处理功能销售到数据中心,最终成了深度学习GPU的首选制造商。今年3月,NVIDIA宣布与中国最大的社交媒体和在线娱乐公司腾讯达成协议,将旗下的GPU芯片推至腾讯云里。NVIDIA之前的交易包括为微软Azure云提供Nvidia GPU加速器,NVIDIA公司与谷歌、亚马逊网络服务电子商务及中国的阿里巴巴集团也达成过的交易。

想获取最新Nvidia GPU的IBM客户可选择在IBM Bluemix裸机服务器配备两个Nvidia Tesla P100加速器卡。IBM客户可在5月用上Tesla P100 GPU加速器。



原文发布时间为:2017年4月6日

本文作者:孙博

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
机器学习/深度学习 人工智能 并行计算
GPU如何成为AI的加速器
GPU如何成为AI的加速器
948 0
|
机器学习/深度学习 测试技术 PyTorch
深度学习之测量GPU性能的方式
在深度学习中,测量GPU性能是一个多方面的任务,涉及运行时间、吞吐量、GPU利用率、内存使用情况、计算能力、端到端性能测试、显存带宽、框架自带性能工具和基准测试工具等多种方法。通过综合使用这些方法,可以全面评估和优化GPU的性能,提升深度学习任务的效率和效果。
1431 5
|
机器学习/深度学习 并行计算 PyTorch
如何搭建深度学习的多 GPU 服务器
如何搭建深度学习的多 GPU 服务器
1179 5
如何搭建深度学习的多 GPU 服务器
|
机器学习/深度学习 并行计算 算法框架/工具
为什么深度学习模型在GPU上运行更快?
为什么深度学习模型在GPU上运行更快?
|
机器学习/深度学习 测试技术 PyTorch
深度学习之测量GPU性能的方式
在深度学习中,测量GPU性能是一个多方面的任务,涉及运行时间、吞吐量、GPU利用率、内存使用情况、计算能力、端到端性能测试、显存带宽、框架自带性能工具和基准测试工具等多种方法。通过综合使用这些方法,可以全面评估和优化GPU的性能,提升深度学习任务的效率和效果。
1598 3
|
机器学习/深度学习 人工智能 调度
显著提升深度学习 GPU 利用率,阿里云拿下国际网络顶会优胜奖!
显著提升深度学习 GPU 利用率,阿里云拿下国际网络顶会优胜奖!
1370 7
|
机器学习/深度学习 人工智能 弹性计算
阿里云GPU服务器租用费用_GPU服务器详解_A10、V100、T4、P4、P100
阿里云GPU云服务器提供NVIDIA A10、V100、T4、P4、P100等多种GPU卡,适合深度学习、科学计算等场景。实例性能强劲,单实例可达5PFLOPS混合精度计算,VPC网络支持2400万PPS和160Gbps内网带宽。GPU实例包括A10卡GN7i(3213.99元/月起)、V100-16G卡GN6v(3830.00元/月起)等,价格因配置而异。阿里云还提供GPU加速软件如AIACC-Training和AIACC-Inference,以及弹性计算实例EAIS。客户案例包括深势科技、流利说和小牛翻译等。
|
机器学习/深度学习 并行计算 PyTorch
【从零开始学习深度学习】20. Pytorch中如何让参数与模型在GPU上进行计算
【从零开始学习深度学习】20. Pytorch中如何让参数与模型在GPU上进行计算
|
持续交付 测试技术 jenkins
JSF 邂逅持续集成,紧跟技术热点潮流,开启高效开发之旅,引发开发者强烈情感共鸣
【8月更文挑战第31天】在快速发展的软件开发领域,JavaServer Faces(JSF)这一强大的Java Web应用框架与持续集成(CI)结合,可显著提升开发效率及软件质量。持续集成通过频繁的代码集成及自动化构建测试,实现快速反馈、高质量代码、加强团队协作及简化部署流程。以Jenkins为例,配合Maven或Gradle,可轻松搭建JSF项目的CI环境,通过JUnit和Selenium编写自动化测试,确保每次构建的稳定性和正确性。
304 0
|
机器学习/深度学习 并行计算 TensorFlow
GPU加速TensorFlow模型训练:从环境配置到代码实践的全方位指南,助你大幅提升深度学习应用性能,让模型训练不再等待
【8月更文挑战第31天】本文以随笔形式探讨了如何在TensorFlow中利用GPU加速模型训练,并提供了详细的实践指南。从安装支持GPU的TensorFlow版本到配置NVIDIA CUDA及cuDNN库,再到构建CNN模型并使用MNIST数据集训练,全面展示了GPU加速的重要性与实现方法。通过对比CPU与GPU上的训练效果,突显了GPU在提升训练速度方面的显著优势。最后,还介绍了如何借助TensorBoard监控训练过程,以便进一步优化模型。
2624 0

热门文章

最新文章