深度学习-玩转GPU

    随着深度学习不断渗透到各个AI应用场景，越来越多的研发人员开始依赖GPU算力加速深度学习模型的训练。也有人戏称GPU为深度学习领域的核武器，虽然很多芯片公司都提供了相应的芯片解决方案，但是较为主流的方式还是选用英伟达的GPU并使用上层的CUDA和cuDNN驱动生态进行深度学习应用的开发。由于英伟达新品不断推出，我们列举特定型号的GPU没有太大意义，所以结合选型的不同场景和需求，根据场景进而选择型号的形式更容易应对更迭。

    当然除了深度学习，GPU还用于比特币挖矿，游戏渲染和科学计算吗，所以相应设备和服务之前就已经有很多厂商进行提供。

    1 公有云方案

Amazon，微软，阿里云等是较为有代表性的厂商，相继提供了不同的解决方案，不同厂商比价较为严重，所以一般价格不会相差悬殊。

    1.1 微软Azure

以Azure为例，相应配置和价格可以参考：

https://docs.microsoft.com/en-us/azure/virtual-machines/windows/sizes-gpu

 

• NC, NCv2, NCv3, and ND sizes are optimized for compute-intensive and network-intensive applications and algorithms, including CUDA- and OpenCL-based applications and simulations, AI, and Deep Learning.
• NV sizes are optimized and designed for remote visualization, streaming, gaming, encoding, and VDI scenarios utilizing frameworks such as OpenGL and DirectX.

    1.2 Amazon AWS

    1.3 阿里云

    2 超算中心方案