NVIDIA 系列 GPU 实例 GN* 能够提供强大的计算能力,从容应对高实时、高并发的海量计算场景。不仅适用于深度学习、科学计算等 GPU 通用计算场景,也适用于图形图像处理(3D 渲染,视频编解码)场景。腾讯云 GPU 云服务器以和 云服务器 CVM 一致的管理方式,提供快速、稳定、弹性的计算服务。
NVIDIA 系列实例总览
NVIDIA 系列实例包括计算型和渲染型两类。其中:
渲染型:适用于 3D 渲染、视频编解码、CAD 等。
计算型:适用于深度学习、科学计算、CAE 等。
GPU 云服务器 NVIDIA 系列提供以下实例:
类型 | 实例 | GPU 类型 | 可用镜像 | 可用区域 |
---|---|---|---|---|
计算型 | GN10X GN10Xp | Tesla V100 NVLink 32G |
|
|
GN8 | Tesla P40 |
| 广州、上海、北京、成都、重庆、香港、硅谷 | |
GN7 | Tesla T4 | 广州、上海、南京、北京、成都、重庆、香港、新加坡、硅谷、孟买、弗吉尼亚、法兰克福 | ||
vGPU - Tesla T4 | CentOS 8.0 64位 GRID11.1 | 广州、上海、南京、北京、成都、重庆、香港、硅谷 | ||
GN6 GN6S | Tesla P4 |
|
| |
GN2 | Tesla M40 | 广州、北京、上海 | ||
渲染型 | GN7vw | Tesla T4 |
| 北京、上海、广州、南京、成都、重庆、香港、新加坡、孟买、硅谷、弗吉尼亚、法兰克福 |
说明:可用区域:精确到城市级,细分区域详见下文中的实例配置信息。
NVIDIA 系列选型推荐
腾讯云提供了类型丰富的 GPU 计算实例,可满足不同业务应用场景的需求。请参考下表,并结合实际需求选择合适的计算实例。
GPU 云服务器 NVIDIA 系列选型推荐如下表,其中 ✓ 为支持,★ 为推荐。
功能\实例 | GN2 | GN6/GN6S | GN7 | GN8 | GN10X/GN10Xp | GN7vw |
---|---|---|---|---|---|---|
图形图像处理 | - | ✓ | ✓ | ✓ | ✓ | ★ |
视频编解码 | ✓ | ✓ | ★ | ✓ | ✓ | ★ |
深度学习训练 | ✓ | ✓ | ✓ | ★ | ★ | - |
深度学习推理 | ✓ | ★ | ★ | ★ | ✓ | - |
科学计算 | ✓ | - | - | - | ★ | - |
说明:GN2 视频编解码支持 H.264,不支持 H.265。详情请参见 视频编码和解码 GPU 支持列表。
图形图像处理
推荐使用 GN7vw,免除了 vDWS License 申请及搭建服务器步骤,是图形图像处理应用场景的首选。目前 GN7vw 处于限量购买阶段,如需使用,请前往 申请 页面。
NVIDIA GN* 系列其他实例(GN2 除外)可以通过安装 GRID Driver 的方式来支持图形图像处理,但是需要额外购买 License,详情请参见 安装 NVIDIA GRID 驱动。
视频编解码
推荐使用 GN7 实例。GN7 采用 T4 GPU,性能好且单路视频转码成本最低,适用于视频编解码的产品。
深度学习训练
推荐使用 GN8/GN10X/GN10Xp 实例。 GN8/GN10X 实例采用 P40、V100 中高端 GPU,具有强大的单精度浮点运算能力,并具备较大的 GPU 板载内存,是深度学习训练的首选。
深度学习推理
推荐使用 GN6/GN6S/GN7/GN8 实例。GN6/GN6S/GN7/GN8 实例采用 P4、T4、P40 GPU,具备 INT8 计算能力,性价比高 ,适合大规模部署。
科学计算
推荐使用 GN10X/GN10Xp 实例。GN10X/GN10Xp 实例采用 V100 GPU,具有强大的双精度浮点运算能力,可为科学与工程计算相关的应用软件提供最好的加速能力。
注意:
以上推荐用途仅供参考,请根据实际需要进行选择。
NVIDIA 系列 GPU 实例如用作通用计算,则需安装 Tesla Driver + CUDA,安装方法请参考 安装 NVIDIA Tesla 驱动指引 和 安装 CUDA 驱动指引。
NVIDIA 系列 GPU 实例如用作 3D 图形渲染任务(高性能图形处理,视频编解码等),则需安装 GRID Driver 和配置 License Server,安装方法请参考 安装 NVIDIA GRID 驱动。
支持范围
计算型 GN10X/GN10Xp
NVIDIA 实例 GN10X/GN10Xp 不仅适用于深度学习、科学计算等 GPU 通用计算场景,也适用于图形图像处理(3D 渲染,视频编解码)场景。
适用场景
GN10X/GN10Xp 具有强大的双精度浮点运算能力 ,适用于如下场景:
大规模深度学习训练,推理和科学计算场景。例如:
深度学习
高性能数据库
计算流体动力学
计算金融
地震分析
分子建模
基因组学及其他
图形图像处理场景。例如:
图形图像处理
视频编解码
图形数据库
硬件规格
CPU: GN10X 配置 Intel® Xeon® Gold 6133 CPU,主频2.5GHz。GN10Xp 配置 Intel® Xeon® Platinum 8255C CPU,主频2.5GHz。
GPU: NVIDIA® Tesla® V100 NVLink 32GB(15.7TFLOPS 单精度浮点计算,7.8TFLOPS 双精度浮点计算,125TFLOPS Tensor Core 深度学习加速,300GB/s NVLink)。
内存: DDR4 ,内存带宽达2666MT/s。
网络: 默认网络优化,实例网络性能与规格对应。公网网络 可按需配置。
GN10X/GN10Xp 实例提供以下配置:
型号 | GPU (NVIDIA Tesla V100 NVLink 32G) | GPU 显存 (HBM2) | vCPU | 内存 (DDR4) | 内网带宽 | 网络收发包 | 队列数 | 可用区 |
---|---|---|---|---|---|---|---|---|
GN10X.2XLARGE40 | 1颗 | 1 * 32GB | 8核 | 40GB | 4Gbps | 80万PPS | 2 | 广州三、四区,上海二、三区,南京一区,北京四、五区,成都一区,重庆一区,新加坡一区,硅谷二区,法兰克福一区,孟买二区 |
GN10X.9XLARGE160 | 4颗 | 4 * 32GB | 36核 | 160GB | 13Gbps | 250万PPS | 9 | |
GN10X.18XLARGE320 | 8颗 | 8 * 32GB | 72核 | 320GB | 25Gbps | 490万PPS | 16 | |
GN10X.4XLARGE80 | 2颗 | 2 * 32GB | 18核 | 80GB | 7Gbps | 150万PPS | 4 | 广州三、四区,南京一区,成都一区,重庆一区 |
GN10Xp.2XLARGE40 | 1颗 | 1 * 32GB | 10核 | 40GB | 4Gbps | 80万PPS | 10 | 广州三、四区,上海二区,南京一区,北京五区,成都一区,重庆一区,香港二区,法兰克福一区 |
GN10Xp.5XLARGE80 | 2颗 | 2 * 32GB | 20核 | 80GB | 7Gbps | 150万PPS | 16 | |
GN10Xp.10XLARGE160 | 4颗 | 4 * 32GB | 40核 | 160GB | 13Gbps | 250万PPS | 16 | |
GN10Xp.20XLARGE320 | 8颗 | 8 * 32GB | 80核 | 320GB | 25Gbps | 490万PPS | 16 |
计算型 GN8
NVIDIA 实例 GN8 不仅适用于深度学习等 GPU 通用计算场景,也适用于图形图像处理(3D 渲染,视频编解码)场景。
适用场景
适用于如下场景:
深度学习的推理和训练场景。例如:
大吞吐量的 AI 推理
深度学习
图形图像处理场景。例如:
图形图像处理
视频编解码
图形数据库
硬件规格
CPU: Intel® Xeon® E5-2680 v4 CPU,主频2.4GHz。
GPU: NVIDIA® Tesla® P40(12TFLOPS 单精度浮点计算,47INT8 TOPS)。
内存: DDR4 ,内存带宽达2666MT/s。
网络: 默认网络优化,实例网络性能与规格对应。公网网络 可按需配置。
GN8实例提供以下配置:
型号 | GPU (NVIDIA Tesla P40) | GPU 显存 (GDDR5) | vCPU | 内存 (DDR4) | 内网带宽 | 网络收发包 | 队列数 | 可用区 |
---|---|---|---|---|---|---|---|---|
GN8.LARGE56 | 1颗 | 24GB | 6核 | 56GB | 1.5Gbps | 45万PPS | 6 | 香港二区,广州三区,上海三区,北京二、四区,成都一区,重庆一区,硅谷一区 |
GN8.3XLARGE112 | 2颗 | 48GB | 14核 | 112GB | 2.5Gbps | 50万PPS | 8 | |
GN8.7XLARGE224 | 4颗 | 96GB | 28核 | 224GB | 5Gbps | 70万PPS | 8 | |
GN8.14XLARGE448 | 8颗 | 192GB | 56核 | 448GB | 10Gbps | 70万PPS | 8 |
计算型 GN7
NVIDIA 实例 GN7 不仅适用于深度学习等 GPU 通用计算场景,也适用于图形图像处理(3D 渲染,视频编解码)场景。
适用场景
性价比高 ,适用于如下场景:
深度学习的推理场景和小规模训练场景。例如:
大规模部署的 AI 推理
深度学习小规模训练
图形图像处理场景。例如:
图形图像处理
视频编解码
图形数据库
硬件规格
CPU: Intel® Xeon® Platinum 8255C CPU,主频 2.5 GHz。
GPU: NVIDIA® Tesla® T4(8.1 TFLOPS 单精度浮点计算,130 INT8 TOPS,260 INT4 TOPS)。
内存: DDR4 ,内存带宽达2666MT/s。
网络: 默认网络优化,实例网络性能与规格对应。公网网络 可按需配置。
GN7实例提供以下配置:
型号 | GPU (NVIDIA Tesla T4) | GPU 显存 (GDDR6) | vCPU | 内存 (DDR4) | 内网带宽 | 网络收发包 | 队列数 | 可用区 |
---|---|---|---|---|---|---|---|---|
GN7.LARGE20 | 1/4颗 | 4GB vGPU | 4核 | 20GB | 1.5Gbps | 50万PPS | 4 | 广州三、四区,上海二、四区,南京一、二区,北京三,五区,成都一区,重庆一区,硅谷二区 |
GN7.2XLARGE40 | 1/2颗 | 8GB vGPU | 10核 | 40GB | 3Gbps | 70万PPS | 10 | |
GN7.2XLARGE32 | 1颗 | 1 * 16GB | 8核 | 32GB | 3Gbps | 60万PPS | 8 | 广州三、四区,上海二、四区,南京一、二区,北京三、五区,成都一区,重庆一区,新加坡一区,硅谷二区,香港二区,孟买二区,弗吉尼亚二区,法兰克福一区 |
GN7.5XLARGE80 | 1颗 | 1 * 16GB | 20核 | 80GB | 7Gbps | 140万PPS | 16 | |
GN7.8XLARGE128 | 1 颗 | 1 * 16GB | 32核 | 128GB | 10Gbps | 240万PPS | 16 | |
GN7.10XLARGE160 | 2颗 | 2 * 16GB | 40核 | 160GB | 13Gbps | 280万PPS | 16 | |
GN7.20XLARGE320 | 4颗 | 4 * 16GB | 80核 | 320GB | 25Gbps | 560万PPS | 16 |
说明:vGPU:
GN7 实例簇支持 vGPU 的实例类型。vGPU 的类型为 vComputeServer,只支持 CUDA 计算 API。
vCS 实例需安装 GRID 驱动,且 vCS 的实例不支持 Windows 操作系统。
计算型 GN6/GN6S
NVIDIA 实例 GN6/GN6S 不仅适用于深度学习等 GPU 通用计算场景,也适用于图形图像处理(3D 渲染,视频编解码)场景。
适用场景
性价比高 ,适用于如下场景:
深度学习的推理场景和小规模训练场景。例如:
大规模部署的 AI 推理
深度学习小规模训练
图形图像处理场景。例如:
图形图像处理
视频编解码
图形数据库
硬件规格
CPU: GN6 配置 Intel® Xeon® E5-2680 v4 CPU,主频2.4GHz。GN6S 配置 Intel® Xeon® Silver 4110 CPU,主频2.1GHz。
GPU: NVIDIA® Tesla® P4(5.5TFLOPS 单精度浮点计算,22INT8 TOPS)。
内存: DDR4 ,内存带宽达2666MT/s。
网络: 默认网络优化,实例网络性能与规格对应。公网网络 可按需配置。
GN6/GN6S实例提供以下配置:
型号 | GPU (NVIDIA Tesla P4) | GPU 显存 (GDDR5) | vCPU | 内存 (DDR4) | 内网带宽 | 网络收发包 | 队列数 | 可用区 |
---|---|---|---|---|---|---|---|---|
GN6.7XLARGE48 | 1颗 | 8GB | 28核 | 48GB | 5Gbps | 120万PPS | 16 | 成都一区 |
GN6.14XLARGE96 | 2颗 | 16GB | 56核 | 96GB | 10Gbps | 120万PPS | 16 | |
GN6S.LARGE20 | 1颗 | 8GB | 4核 | 20GB | 7Gbps | 50万PPS | 2 | 广州三区,上海二、三、四区,北京四、五区 |
GN6S.2XLARGE40 | 2颗 | 16GB | 8核 | 40GB | 13Gbps | 80万PPS | 2 |
计算型 GN2
NVIDIA 实例 GN2 适用于深度学习、科学计算等 GPU 通用计算场景,也部分适用于图形图像处理(视频编解码)场景。
适用场景
适用于深度学习训练,推理和科学计算场景。例如:
深度学习
高性能数据库
计算流体动力学
计算金融
地震分析
分子建模
基因组学及其他
部分适用于图形图像处理。例如,视频编解码,支持 H.264,不支持 H.265。详情请参见 视频编码和解码 GPU 支持列表。
硬件规格
CPU: Intel® Xeon® E5-2680 v4 (Broadwell),主频2.4GHz 。
GPU: NVIDIA® Tesla® M40(GPU Boost加速下单精度浮点计算7TFLOPS,0.2TFLOPS 双精度浮点计算)。
内存: DDR4 ,内存带宽达2666MT/s。
存储: 本地 SSD 硬盘,本机型暂不支持购买云硬盘。
网络: 默认网络优化,实例网络性能与规格对应。公网网络 可按需配置。
GN2实例提供以下配置:
型号 | GPU (NVIDIA Tesla M40) | GPU 显存 (GDDR5) | vCPU | 内存 (DDR4) | 内网带宽 | 网络收发包 | 队列数 | 可用区 |
---|---|---|---|---|---|---|---|---|
GN2.7XLARGE48 | 1颗 | 24GB | 28核 | 48GB | 5Gbps | 40万PPS | 8 | - |
GN2.14XLARGE96 | 2颗 | 48GB | 56核 | 96GB | 10Gbps | 70万PPS | 8 |
渲染型 GN7vw
NVIDIA 实例 GN7vw 是在 GN7 基础上配置 vDWS License 服务器并安装 GRID driver 的渲染型实例,适用于图形图像处理(3D 渲染,视频编解码)场景。使用该实例,您可免除手动配置 GPU 图形图像处理基础环境。
注意:GPU 渲染型 GN7vw 现处于限量购买阶段,如需使用,请前往 申请 页面。
适用场景
适用于图形图像处理。例如:
图形图像处理
视频编解码
图形数据库
硬件规格
CPU: Intel® Xeon® Platinum 8255C CPU,主频 2.5 GHz。
GPU: NVIDIA® Tesla® T4(8.1 TFLOPS 单精度浮点计算,130 INT8 TOPS,260 INT4 TOPS)。
内存: DDR4 ,内存带宽达2666MT/s。
网络: 默认网络优化,实例网络性能与规格对应。公网网络 可按需配置。
GN7vw实例提供以下配置:
型号 | GPU (NVIDIA Tesla T4) | GPU 显存 (GDDR6) | vCPU | 内存 (DDR4) | 内网带宽 | 网络收发包 | 队列数 | 可用区 |
---|---|---|---|---|---|---|---|---|
GN7vw.LARGE16 | 1/4颗 | 4GB vGPU | 4核 | 16GB | 2Gbps | 50万PPS | 4 | 广州三、四区,上海二、四、五区,南京一、二区,北京五区,成都一区,重庆一区,香港二区,新加坡一区,孟买二区,硅谷二区,弗吉尼亚二区,法兰克福一区 |
GN7vw.2XLARGE32 | 1/2颗 | 8GB vGPU | 8核 | 32GB | 4Gbps | 80万PPS | 8 | |
GN7vw.4XLARGE64 | 1颗 | 1 * 16GB | 16核 | 64GB | 7Gbps | 150万PPS | 16 | |
说明:vGPU:GN7、GN7vw 实例簇提供支持 vGPU 的实例类型。其中 GN7vw vGPU 的类型为 vDWS,仅支持 DirectX 和 OpenGL 等图形 API。
标签: 腾讯云
还木有评论哦,快来抢沙发吧~