Introducing faster GPUs for Google Compute Engine

tOday，我们很高兴为Cloud GPU发出一些大规模平行的公告。第一的，Google云平台（GCP）通过公开发布NVIDIABeta中的P100 GPU。其次，NVIDIA K80 GPU现在通常可以使用Google Compute Engine。第三，我们很高兴宣布引入sustained use discounts在K80和P100 GPU上。云GPU可以加速您的工作量，包括机器学习培训和推理，geophysical data processing, simulation, seismic analysis, molecular modeling, genomics and many more high performance compute use cases. The NVIDIA Tesla P100 is the state of the art of GPU technology. Based on thePascal GPU架构，您可以在节省资金的同时更少的实例增加吞吐量。与K80相比¹。

与传统解决方案相比，Cloud GPU提供了灵活性，性能和节省成本的无与伦比的组合：

• 灵活性：Google的自定义VM形状和增量云GPU提供了最终的灵活性。自定义CPU，内存，磁盘和GPU配置，以最适合您的需求。
• 快速性能：云GPU以传递模式提供以提供裸机性能。每VM最多附加4 P100或8 k80（我们提供4 k80板，每板2 GPU）。对于那些寻求较高磁盘性能的人，可选地将最多3TB的本地SSD附加到任何GPU VM。
• Low cost: With Cloud GPUs you get the same per-minute billing and Sustained Use Discounts that you do for the rest of GCP's resources. Pay only for what you need!
• 云集成: Cloud GPUs are available at all levels of the stack. For infrastructure, Compute Engine and Container Engine (supported on仅alpha簇）允许您使用VM或容器运行GPU工作负载。对于机器学习，可以选择将云机器学习配置为使用GPU，以减少用TensorFlow大规模训练模型所需的时间。

通过今天的公告，您现在可以在全球四个地区部署Nvidia Tesla P100和K80 GPU。我们所有的GPU现在都可以利用sustained use discounts，当您使用持续工作负载时，它会自动降低价格（最高30％）。不需要锁定或前期最低费用承诺来利用这些折扣。

云GPU区域可用性 - 区域数

加快机器学习工作量

Since启动GPU,我们看到客户受益于额外的薪酬utation they provide to accelerate workloads ranging from genomics and computational finance to training and inference on machine learning models. One of our customers,Shazam, was an early adopter of GPUs on GCP to power their music recognition service.

“对于某些任务，[NVIDIA] GPU是传统CPU的经济高效且高性能的替代品。他们在Shazam的核心音乐识别工作量下工作，在其中，我们将用户录制的音频指纹的片段与超过4000万首歌曲的目录相匹配。我们通过获取每首歌曲的音频签名来做到这一点，将它们编译为自定义数据库格式并将其加载到GPU内存中。每当用户shazams歌曲时，我们的算法都会使用GPU搜索该数据库，直到找到匹配为止。这每天成功地发生了超过2000万次。”

-Ben Belchak, Head of Site Reliability Engineering, Shazam

随着当今的Cloud GPU公告，GCP迈出了又一步的一步，成为任何硬件加速工作负载的最佳场所。随着NVIDIA P100 GPU的添加，我们的主要重点是帮助您将新的用例栩栩如生。要了解有关您的组织如何从云GPU和计算引擎中受益的更多信息，请访问GPU网站andget started今天！