AWS gibt Verfügbarkeit von Amazon EC2 P4d-Instanzen bekannt
Amazon Web Services (AWS) hat kürzlich die allgemeine Verfügbarkeit von P4d-Instanzen der Amazon Elastic Compute Cloud (Amazon EC2) angekündigt, die auf Nvidia-GPUs basieren. Denken Sie daran, dass eine Instanz als eine Instanz einer virtuellen Maschine verstanden wird, die in der Cloud ausgeführt wird und Infrastruktur als Service (IaaS) bereitstellt, die ein solches Servicemodell im Cloud Computing implementiert, wenn dem Benutzer eine bestimmte typische Ressource mit bestimmten Funktionen bereitgestellt wird. AWS schätzt, dass P4d-Instanzen die dreifache Leistung und 2,5-mal mehr GPU-Speicher für maschinelles Lernen und Supercomputing-Workloads bieten als P3-Instanzen der vorherigen Generation. Und das alles - zu geringeren Kosten (je nach Konfiguration und Tarifplan können Einsparungen von bis zu 60% erzielt werden).
Die P4d-Instanz bietet Zugriff auf acht Nvidia A100 Tensor Core-GPUs und ein 400-Gbit / s-Netzwerk (16x das P3). Mit AWS Elastic Fabric (EFA) und Nvidia GPUDirect RDMA (Remote Direct Memory Access) können Kunden P4d-Instanzen zu EC2 UltraClustern zusammenfassen. Dies ermöglicht den Zugriff auf die Leistung von Supercomputern, indem P4d-Instanzen auf über 4.000 A100-GPUs skaliert werden (doppelt so hoch wie bei jedem anderen Cloud-Anbieter), indem die in Amazon FSx integrierte nicht blockierende Petabit-Netzwerkinfrastruktur von AWS für Hochleistungsspeicher genutzt wird Lüster.
AWS gibt Verfügbarkeit von Amazon EC2 P4d-Instanzen bekannt
Die verbesserte P4d-Leistung beschleunigt das Training von Modellen für maschinelles Lernen, und der zusätzliche GPU-Speicher hilft Kunden, größere, komplexere Modelle zu trainieren. Kunden können containerisierte Anwendungen auf P4d-Instanzen mithilfe von AWS Deep Learning Containers mit Bibliotheken für Amazon Elastic Kubernetes Service (Amazon EKS) oder Amazon Elastic Container Service (Amazon ECS) ausführen. Für eine bessere Kontrolle können Kunden P4d-Instanzen über Amazon SageMaker verwenden, sodass Entwickler und Datenwissenschaftler schnell Modelle für maschinelles Lernen erstellen, trainieren und bereitstellen können. P4d unterstützt alle wichtigen Frameworks für maschinelles Lernen, einschließlich TensorFlow, PyTorch und Apache MXNet, und bietet Kunden die Flexibilität, die für ihre Anwendung am besten geeignete Umgebung auszuwählen.