Google Cloud berfokus untuk menghadirkan infrastruktur kecerdasan buatan (AI) kelas dunia untuk mendukung beban kerja yang dipercepat GPU yang paling berat di berbagai segmen. Anda dapat menggunakan GPU di Google Cloud untuk menjalankan aplikasi AI, machine learning (ML), ilmiah, analisis, engineering, konsumen, dan perusahaan.
Melalui kemitraan kami dengan NVIDIA, Google Cloud menghadirkan GPU terbaru sekaligus mengoptimalkan stack software dengan berbagai opsi penyimpanan dan jaringan. Untuk mengetahui daftar lengkap GPU yang tersedia, lihat platform GPU.
Bagian berikut menguraikan manfaat GPU di Google Cloud.
VM yang diakselerasi GPU
Di Google Cloud, Anda dapat mengakses dan menyediakan GPU dengan cara yang paling sesuai dengan kebutuhan Anda. Kelompok mesin yang dioptimalkan akselerator khusus tersedia, dengan GPU yang sudah terpasang dan kemampuan jaringan yang ideal untuk memaksimalkan performa. GPU ini tersedia dalam seri mesin A4X, A4, A3, A2, dan G2.
Beberapa opsi penyediaan
Anda dapat menyediakan cluster menggunakan family mesin yang dioptimalkan untuk akselerator dengan salah satu produk open source atau Google Cloud berikut.
Vertex AI
Vertex AI adalah platform machine learning (ML) terkelola sepenuhnya yang dapat Anda gunakan untuk melatih dan men-deploy model ML dan aplikasi AI. Dalam aplikasi Vertex AI, Anda dapat menggunakan VM dengan akselerasi GPU untuk meningkatkan performa dengan cara berikut:
- Gunakan VM yang mendukung GPU di pool pekerja GKE pelatihan kustom.
- Gunakan model LLM open source dari Vertex AI Model Garden.
- Mengurangi latensi prediksi.
- Meningkatkan performa kode notebook Vertex AI Workbench.
- Meningkatkan performa runtime Colab Enterprise.
AI Hypercomputer
AI Hypercomputer adalah sistem superkomputer yang dioptimalkan untuk mendukung workload kecerdasan buatan (AI) dan machine learning (ML) Anda. Ini adalah sistem terintegrasi dari hardware yang dioptimalkan performanya, software terbuka, framework ML, dan model konsumsi yang fleksibel. Fitur dan layanan AI Hypercomputer dirancang untuk memungkinkan Anda men-deploy dan mengelola sejumlah besar resource akselerator dan jaringan, hingga puluhan ribu, yang berfungsi sebagai satu unit homogen. Opsi ini ideal untuk membuat infrastruktur yang dialokasikan secara padat dan dioptimalkan untuk performa yang memiliki integrasi untuk penjadwal Google Kubernetes Engine (GKE) dan Slurm. Untuk mengetahui informasi selengkapnya, lihat ringkasan AI Hypercomputer.
Untuk mulai menggunakan Cluster Director, lihat Memilih strategi deployment.
Compute Engine
Anda juga dapat membuat dan mengelola VM individual atau cluster kecil VM dengan GPU terpasang di Compute Engine. Metode ini sebagian besar digunakan untuk menjalankan beban kerja yang intensif secara grafis, beban kerja simulasi, atau pelatihan model ML skala kecil.
Tabel berikut menunjukkan metode yang dapat Anda gunakan untuk membuat VM yang memiliki GPU terpasang:
Opsi deployment |
Panduan deployment |
Membuat VM untuk melayani dan workload node tunggal |
|
Buat grup instance terkelola (MIG) |
|
Membuat VM secara massal |
|
Membuat VM tunggal |
|
Membuat workstation virtual |
Cloud Run
Anda dapat mengonfigurasi GPU untuk instance Cloud Run. GPU sangat ideal untuk menjalankan workload inferensi AI menggunakan model bahasa besar di Cloud Run.
Di Cloud Run, lihat resource berikut untuk menjalankan workload AI di GPU:
- Mengonfigurasi GPU untuk layanan Cloud Run
- Memuat model ML besar di Cloud Run dengan GPU
- Tutorial: Menjalankan inferensi LLM di GPU Cloud Run dengan Ollama