- Amazon EC2›
- 实例类型›
- G5 实例
为什么选择 Amazon EC2 G5 实例?
Amazon EC2 G5 实例是基于 NVIDIA GPU 的最新一代实例,可用于各种图形密集型和机器学习使用案例。 与 Amazon EC2 G4dn 实例相比,G5 实例可为图形密集型应用程序和机器学习推理提供高达 3 倍的性能,为机器学习训练提供高达 3.3 倍的性能。
客户可以将 G5 实例用于图形密集型应用程序,例如远程工作站、视频渲染和游戏,以实时生成高保真图形。利用 G5 实例,机器学习客户可以获得高性能且成本高效的基础设施,以便为自然语言处理、计算机视觉和推荐引擎使用案例训练和部署更大且更复杂的模型。
G5 实例配备多达 8 个 NVIDIA 和第二代 AMD EPYC 处理器。它们还支持最多 192 个 vCPU、最高 100Gbps 的网络带宽和最多 7.6TB 的本地 NVMe SSD 存储。
优势
与 G4dn 实例相比,G5 实例可提供高达 3 倍的图形性能,并且性价比提高了高达 40%。与其他任何基于 GPU 的 EC2 实例相比,它们配备了更多的光线跟踪内核,每个 GPU 具有 24 GB 内存,并且支持 NVIDIA RTX 技术。这使得它们非常适合于更快速地渲染真实场景、运行功能强大的虚拟工作站和支持更高保真度的图形密集型应用程序。
与 G4dn 实例相比,G5 实例可提供高达 3 倍的性能,并且将机器学习推理的性价比提高了高达 40%。它们是一款高性能且成本高效的解决方案,适用于想要使用诸如 TensorRT、CUDA 和 cuDNN 之类的 NVIDIA 库来运行其机器学习应用程序的客户。
较之 Amazon EC2 P3 实例,G5 实例可将训练成本降低高达 15%。此外,与 G4dn 实例相比,它们还可以提供高达 3.3 倍的机器学习培训性能。这使得它们成为训练适用于自然语言处理、计算机视觉和推荐引擎使用案例的中等复杂和单节点机器学习模型的成本高效解决方案。
G5 实例基于 AWS Nitro 系统构建,该系统是专用硬件和轻量管理程序的组合,几乎将主机硬件的所有计算和内存资源都提供给您的实例,从而提供更好的整体性能和安全性。借助 G5 实例,Nitro 系统可以在穿透模式下预置 GPU,从而提供与裸机相当的性能。
功能
G5 实例是云中首款配备 NVIDIA A10G Tensor Core GPU 的实例,可提供适用于图形密集型和机器学习应用程序的高性能。每个实例配备高达 8 个 A10G Tensor Core GPU,包含 80 个光纤跟踪内核且每个 GPU 包含 24 GB 内存。此外,它们还具有 320 个第三代 NVIDIA Tensor 内核,从而提供适合于机器学习工作负载的 250 TOPS 高性能。
G5 实例可为客户提供 NVIDIA RTX Enterprise 和游戏驱动程序,无需额外收费。NVIDIA RTX Enterprise 驱动程序可用于为各种图形密集型工作负载提供高质量虚拟工作站。NVIDIA 游戏驱动程序可为游戏开发提供无可比拟的图形和计算支持。此外,G5 实例还支持 CUDA、cuDNN、NVENC、TensorRT、cuBLAS、OpenCL、DirectX 11/12、Vulkan 1.1 和 OpenGL 4.5 库。
G5 实例提供 100 Gbps 联网吞吐量,从而使它们能够满足机器学习推理和图形密集型应用程序的低延迟需求。每个 GPU 24 GB 内存以及对高达 7.6 TB 本地 NVMe SSD 存储的支持使得能够本地存储高性能机器学习训练和推理中的大型模型和数据集。此外,G5 实例还可以本地存储大型视频文件,从而提高图形性能,并且能够渲染更大、更复杂的视频文件。
G5 实例依托 AWS Nitro 系统构建,该系统是丰富的构建数据块集合,可将许多传统虚拟化功能卸载到专用硬件和软件,实现高性能、高可用性和高安全性,同时还可降低虚拟化开销。
产品详细信息
|
|
Instance Size
|
GPU
|
GPU Memory (GiB)
|
vCPUs
|
Memory (GiB)
|
Storage (GB)
|
Network Bandwidth (Gbps)
|
EBS Bandwidth (Gbps)
|
||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
单 GPU VM
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||
|
多 GPU VM
|
|
|
|
|
|
|
|
|
Athenascope
Athenascope 使用计算视觉和人工智能领域的尖端技术来分析游戏并自动呈现最引人入胜的游戏时刻,以便为玩家和内容创建者创作精彩视频。
要打造无缝视频体验,使用 CV 模型的低延迟视频分析是我们的基础目标。与以前使用 G4dn 实例的部署相比,Amazon EC2 G5 实例将性价比提高了 30%。
Chris Kirmse,Athenascope 创始人兼首席执行官
Netflix
Netflix 是全球领先的流媒体娱乐服务公司之一,在 190 多个国家/地区拥有超过 2.14 亿付费会员,提供的内容包括众多类型和语言的电视剧、纪录片和故事片。
借助新的 Amazon EC2 G5 实例,我们可以预置更高端的图形工作站,与配备 EC2 G4dn 实例的工作站相比,这些工作站提供高达 3 倍的性能。借助 G5 实例,内容创作者可以自由地为观众创建更复杂、更逼真的内容。
Ben Tucker,Netflix 动画制作系统工程技术主管
Varjo
对于高端 VR/XR 应用程序来说,Amazon EC2 G5 实例彻底实现了变革。我们能够在 Varjo 的人眼签名解决方案中运行专业应用程序,且帧率比以前使用的 G4dn 实例高 3 倍,从而为我们的客户提供前所未见的服务器流式传输体验。
Urho Konttori,Varjo 创始人兼首席技术官
开始使用 G5 实例
DLAMI 可以为机器学习从业人员和研究人员提供基础设施和各种工具,以加快在云中进行任意规模的深度学习的速度。 Deep Learning Containers 是预先安装了深度学习框架的 Docker 映像,可以让您跳过从头构建和优化环境的复杂流程,从而简化自定义机器学习环境的部署。
如果您更愿意通过容器编排服务管理自己的容器化工作负载,则可以使用 Amazon EKS 或 Amazon ECS 部署 G5 实例。
您可以使用 AWS 和 NVIDIA 提供的各种亚马逊机器映像(AMI),其中安装有 NVIDIA 驱动程序。
您可以使用 Amazon SageMaker 在 G5 实例上部署机器学习(ML)模型,Amazon SageMaker 是一种完全托管的服务,用于构建、训练和部署 ML 模型。