GPU-optimalizált virtuális gépek méretei

A következőkre vonatkozik: ✔️ Linux ✔️ rendszerű virtuális gépek Windows rendszerű virtuális gépek rugalmas méretezési ✔️ csoportjai Egységes méretezési csoportok ✔️

Tipp

Próbálja ki a Virtuális gépek választóeszközt , és keressen a számítási feladatnak leginkább megfelelő méreteket.

A GPU-optimalizált virtuálisgép-méretek olyan speciális virtuális gépek, amelyek egyetlen, több vagy tört GPU-val érhetők el. Ezeket a méreteket nagy számítási igényű, nagy grafikai igényű és vizualizációs számítási feladatokhoz tervezték. Ez a cikk a GPU-k, vCPU-k, adatlemezek és hálózati adapterek számával és típusával kapcsolatos információkat tartalmaz. A tároló átviteli sebességét és a hálózati sávszélességet is tartalmazza a csoportosítás minden méretéhez.

  • Az NCv3- és NC-T4_v3-sorozatok méretei a nagy számítási igényű GPU-gyorsítású alkalmazásokhoz vannak optimalizálva. Ilyenek például a CUDA- és OpenCL-alapú alkalmazások és szimulációk, az AI és a Mély tanulás. Az NC T4 v3 sorozat az NVIDIA Tesla T4 GPU-ját és AMD EPYC2 Rome processzorát tartalmazó következtetési számítási feladatokra összpontosít. Az NCv3 sorozat az NVIDIA Tesla V100 GPU-ját tartalmazó nagy teljesítményű számítási feladatokra és AI-számítási feladatokra összpontosít.

  • Az ND A100 v4 sorozat mérete a vertikális felskálázásra és a mélytanulási betanításra és a gyorsított HPC-alkalmazásokra összpontosít. Az ND A100 v4 sorozat 8 NVIDIA A100 TensorCore GPU-t használ, mindegyik 200 Gigabit Mellanox InfiniBand HDR-kapcsolattal és 40 GB GPU-memóriával érhető el.

  • Az NV-sorozatok és az NVv3-sorozatok méretei távoli vizualizációkhoz, streameléshez, játékhoz, kódoláshoz és VDI-forgatókönyvekhez vannak optimalizálva és tervezve olyan keretrendszerek használatával, mint az OpenGL és a DirectX. Ezek a virtuális gépek az NVIDIA Tesla M60 GPU-val támogatottak.

  • NVv4-sorozat VDI-hez és távoli vizualizációhoz optimalizált és tervezett virtuálisgép-méretek. Particionált GPU-k esetén az NVv4 megfelelő méretet biztosít a kisebb GPU-erőforrásokat igénylő számítási feladatokhoz. Ezek a virtuális gépek az AMD Radeon Instinct MI25 GPU-val támogatottak. Az NVv4 virtuális gépek jelenleg csak a Windows-vendég operációs rendszert támogatják.

  • Az NDm A100 v4-sorozatú virtuális gép az Azure GPU-család új zászlóshajója, amelyet csúcskategóriás mélytanulási betanításhoz, valamint szigorúan összekapcsolt vertikális fel- és felskálázási HPC számítási feladatokhoz terveztek. Az NDm A100 v4 sorozat egyetlen virtuális géppel (VM) és nyolc NVIDIA Ampere A100 80 GB-os Tensor Core GPU-val kezdődik.

Támogatott operációs rendszerek és illesztőprogramok

Az Azure N sorozatú virtuális gépek GPU-képességeinek kihasználásához nvidia vagy AMD GPU-illesztőket kell telepíteni.

Telepítési szempontok

  • Az N sorozatú virtuális gépek rendelkezésre állásáról lásd: Régiónként elérhető termékek.

  • Az N sorozatú virtuális gépek csak a Resource Manager üzemi modellben helyezhetők üzembe.

  • Az N sorozatú virtuális gépek a lemezeikhez támogatott Azure Storage típusában különböznek. Az NC és az NV virtuális gépek csak a Standard Disk Storage (HDD) által támogatott virtuálisgép-lemezeket támogatják. Minden más GPU-alapú virtuális gép támogatja a standard lemeztároló és a prémium szintű lemeztároló (SSD) által támogatott virtuálisgép-lemezeket.

  • Ha több N sorozatú virtuális gépet szeretne üzembe helyezni, fontolja meg a használatalapú fizetéses előfizetést vagy más vásárlási lehetőségeket. Amennyiben ingyenes Azure-fiókot használ, csak korlátozott számú számítási magot használhat az Azure-ban.

  • Előfordulhat, hogy növelnie kell a magkvótát (régiónként) az Azure-előfizetésben, és növelnie kell az NC, NCv2, NCv3, ND, NDv2, NV vagy NVv2 magok külön kvótáját. Kvótanövelés kéréséhez nyisson meg egy online ügyfélszolgálati kérést díjmentesen. Az alapértelmezett korlátok az előfizetés kategóriájától függően változhatnak.

Egyéb méretek

Következő lépések

További információ arról, hogy az Azure számítási egységei (ACU) hogyan segíthetnek a számítási teljesítmény összehasonlításában az Azure-termékváltozatok között.