GPU

En grafikprocessor (GPU) är en specialiserad elektronisk krets som ursprungligen utformades för att accelerera rendering av bilder och videor för datorskärmar. Till skillnad från en central processor (CPU), som vanligtvis har ett fåtal kraftfulla kärnor optimerade för sekventiell bearbetning (hantering av uppgifter efter varandra), är en GPU byggd med tusentals mindre, mer specialiserade kärnor. Denna arkitektoniska skillnad gör det möjligt för GPU:er att utföra ett enormt antal beräkningar samtidigt, ett koncept som kallas parallell bearbetning.

Denna inneboende förmåga att hantera många operationer samtidigt gör GPU:er exceptionellt väl lämpade för arbetsbelastningar inom artificiell intelligens (AI), särskilt inom områden som maskininlärning och djupinlärning. AI-modeller, särskilt djupa neurala nätverk, involverar stora mängder matrismultiplikationer och andra linjära algebraoperationer som kan delas upp i många oberoende, enkla beräkningar. En GPU kan distribuera dessa beräkningar över sina tusentals kärnor och utföra dem samtidigt. Detta snabbar upp träningen av komplexa AI-modeller dramatiskt, vilket ofta minskar träningstiderna från dagar till timmar, och möjliggör realtidsinferens (tillämpning av en tränad modell på ny data) i applikationer som bildigenkänning, naturlig språkbehandling och autonom körning.

Elastx erbjuder ett antal olika GPU-modeller i våra Openstack IaaS och Kubernetes CaaS för att matcha den prestanda och kapacitet som krävs.

Alla priser är exkl. moms.