为深度学习而生——详解阿里云异构计算GN5规格族

随着深度学习对人工智能的巨大推动，深度学习所构建的多层神经网络模型的参数空间已从百万级上升到百亿级，这对计算能力提出了新的挑战。相比CPU，GPU更适合深度学习的神经网络模型，可进行高度统一、相互无依赖的大规模并行计算。

阿里云发布的最新一代异构计算通用GPU实例GN5规格族就是一款用于搭建深度学习加速平台的云端利器。

“品学兼优”的GN5采用了NVIDIA Pascal架构旗舰级P100 GPU，可在云端按需构建敏捷弹性、高性能和高性价比的深度学习平台，让用户以最简便地方式享用阿里云遍布全球的高效、稳定的云基础设施资源。

与上一代相比，GN5的单实例性能拓展了5倍，单实例最多可提供8个 NVIDIA P100 GPU，提供2万多个并行处理核心，最高75TFLOPS FP32单精度浮点、150 TFLOPS FP16半精度浮点和38 TFLOPS FP64双精度浮点运算能力。

自建GPU物理服务器经常会遇上扩容难、适配难的难题，GN5规格族提供了灵活弹性的系列化配置，可以根据深度学习计算力的要求，按需选择合适的规格，分钟级即可完成实例的创建，并可根据运算力需求进行GPU实例的“Scale-out”水平扩容或“Scale-up”垂直变配。

为了更好地发挥GN5多GPU卡并行计算效率，GN5支持GPUDirect，通过GPU卡之间点对点通信，可让GPU之间在无需CPU干预下，直接通过PCIe的总线进行高带宽低时延的互联通信，极大地提升了深度学习训练中模型参数交换效率。

除了GPU外，深度学习还需要有海量的数据存储能力、业务服务能力、监控能力等，这在传统模式下复杂度高、工作量大、费时费力。而GN5实现了与ECS弹性计算生态的完美结合，可与OSS对象存储、NAS文件存储等打通，满足深度学习海量训练数据的低成本存储和访问要求；通过EMR服务进行预处理；通过云监控服务进行GPU资源的监控与告警；通过负载均衡、弹性伸缩、资源编排等快速在云端搭建完整弹性GPU服务；并可搭配容器服务使用，简化部署和运维的复杂度，提供资源调度服务等。

GN5实例支持灵活的使用支付方式，用户可以按年支付以获得最高的使用折扣；也支持按月周期付费，以降低用户的计算资源使用一次性投入成本，并且具有相对较低的单位小时使用价格；同样支持按小时的付费方式使用户以最低的单次使用成本来应对临时性的短期使用需求。

原文链接