Köln, Starnberg, 07. Aug. 2020 - Anbieter plusserver erweitert pluscloud um pGPU für leistungsstarke Anwendungen in den Bereichen KI, Machine Learning und Visualisierung...
Zur Meldung: die Anforderungen an die Cloud durch Künstliche Intelligenz (KI), Machine Learning (ML) und aufwändige Grafikberechnungen wachsen. Um Kunden mit diesen Entwicklungen Schritt halten zu lassen, führt plusserver nach vorliegenden Informationen jetzt eine neue GPU-Lösung für Unternehmen ein, die auch ein Plus an Performance benötigen. (1) Die neue pGPU im Rahmen der pluscloud wurde danach für High-Performance Computing und Massive Parallel Computing Workloads entwickelt. Das Mehr an Rechenpower ermöglicht zum Beispiel eine wesentlich bessere Berechnung von Fließkomma-Operationen und die Bewältigung von KI- und Rendering-Workloads.
GPU-Rechenleistung on-demand
Das neue High-Performance-Setup lässt sich so konfigurieren, wie Anwender es gerade benötigen − Performance auf Knopfdruck mit dem Ziel einer möglichst einfachen, flexiblen Skalierung von Rechenleistung "on-demand". Abgerechnet wird nach Verbrauch. Für die Einrichtung startet der Kunde mit der gewünschten Anzahl an virtuellen Maschinen und der eigenen Auswahl von Prozessorleistung, Arbeitsspeicher, Storage, Netzwerk- sowie Security-Services und GPU-Leistung. Für die pGPU-Lösung nutzt plusserver NVIDIA Quadro RTX 6000 Datacenter-Grafikkarten; sie sind auf die Anforderungen schneller Rechenoperationen für Visualisierungen und künstliche Intelligenz zugeschnitten.
Die neuen pGPU-Leistungen im Überblick:
- Monatliche Buchung von High-End-GPU-Kernen (vGPUs)
- Bereitstellung auf Basis von NVIDIA Quadro RTX / Tesla Grafikkarten
- Direkte Zuweisung an pluscloud VMs
- Massive Parallel Computing/Processing
- Unterstützung in Fließkomma-, KI- und Rendering-Workloads.
Abb. 1: Eigenschaften der NVIDIA Quadro RTX 6000 (Bildquelle: plusserver)
(1) Quelle / Link mit weiteren Informationen zur neuen GPU-Lösung > https://www.plusserver.com/managed-cloud/pluscloud/gpu#top
Mensch-Maschine-Kommunikation oder Bilderkennung − die Anforderungen an Performance steigen
High-Performance Computing ist kein Nischenthema mehr. Ob Gespräche mit einem Verkaufsavatar, medizinische Bildgebung, wissenschaftliche Analysen oder schnelleres Feedback auf Nutzerverhalten im Onlineshop: Anwendungen werden immer leistungshungriger. So lassen sich beispielsweise mit Hilfe videobasierter Verfahren menschliche Zeige- und Handgesten bis hin zum Blickverhalten durch Maschinen auslesen und umsetzen. GPU-Leistung ist zudem überall da im Einsatz, wo neuronale Netze und damit eigenständiges Lernen, Prognostizieren und Entscheiden aufgebaut werden sollen − wie zum Beispiel bei der Gesichts-, Objekt- oder Spracherkennung. Aber auch autonomes Fahren oder eine verbesserte KI in Computerspielen benötigt Deep Learning (DL).
Querverweise: