Cloud GPUs
Verarbeite große Datenmengen im Handumdrehen.
- NVIDIA® A10 GPU
- AI Frameworks
- GDDR6 Speicher
In wenigen Minuten bereit
NETWAYS Cloud GPUs
Hosted and made with love in Germany.
NVIDIA® TensorRT™ cores
NVIDIA® A10 GPU
AI Frameworks
PCI Passthrough
GDDR6 Speicher
Powered by OpenStack
Cloud GPUs Preise
604,44 €
pro Monat
- 24 GB RAM
- 600 GB/s Memory Bandwidth
Pay-as-you-go | Skalierung nach Bedarf | Jederzeit kündbar
Die Vorteile von GPUs
Um heutige Herausforderungen im Design, der Kreativität und Wissenschaft zu bewältigen, vereinen die neuen GPUs (Graphics Processing Units) professionelle Grafik mit Rechenleistung und KI (Künstliche Intelligenz)-Beschleunigung. Egal ob es sich um 3D-Rendering, Machine Learning oder KI handelt: Verarbeite große und komplexe Datenmengen in kürzester Zeit mit der NVIDIA A10-Grafikkarte!
Parallele Verarbeitung
GPUs sind dafür ausgelegt, tausende von Berechnungen gleichzeitig auszuführen, was sie für Aufgaben, die massive Parallelverarbeitung erfordern, wie beispielsweise Videoverarbeitung, wissenschaftliche Simulationen und maschinelles Lernen, sehr gut geeignet macht.
Niedrige Kosten
GPUs sind für bestimmte Workloads kosteneffektiv, da sie eine große Anzahl von Berechnungen parallel ausführen können. Dies bedeutet, dass weniger GPUs benötigt werden, um die gleiche Leistung wie herkömmliche CPUs zu erzielen, was Hardwarekosten und Gesamtbetriebskosten reduziert.
Hohe Performance
GPUs bieten eine hohe Leistung für datenintensive Aufgaben wie maschinelles Lernen, künstliche Intelligenz und wissenschaftliche Simulationen. Sie sind für die parallele Verarbeitung optimiert, was bedeutet, dass sie große Datenmengen parallel verarbeiten können und somit erhebliche Leistungsverbesserungen gegenüber traditionellen CPUs bieten.
Anwendungsszenarien
Maschinelles Lernen
Bei maschinellen Lern- und Deep-Learning-Aufgaben sind GPUs für die Beschleunigung des Modelltrainings und der Inferenz unerlässlich. GPU-Passthrough in Cloud-Umgebungen ermöglichen Dir den Zugriff auf dedizierte GPUs für Deine Arbeitslasten:
Du kannst komplexe Modelle für maschinelles Lernen schneller und effizienter trainieren, indem Du die Leistung dedizierter GPUs verwendest. GPU-Passthrough stellt sicher, dass VMs direkten Zugriff auf die Rechenressourcen der GPU haben, wodurch die Trainingszeiten verkürzt werden.
Remote-Arbeitsplätze
Fachkräfte, die leistungsstarke Workstations für Aufgaben wie Datenanalyse, 3D-Rendering und Softwareentwicklung benötigen, können von überall auf GPU-Passthrough-betriebene Remote-Workstations zugreifen und so flexible und Remote-Arbeitsoptionen ermöglichen.
Es hilft Datenanalysten und Wissenschaftlern, GPUs für die Datenvisualisierung und -analyse zu nutzen und ermöglicht so eine schnellere Verarbeitung großer Datensätze und Echtzeitvisualisierungen.
Keine Grenzen für Deine Datenverarbeitung
Schnelle Datenverarbeitung
Es besteht immer mehr Bedarf an Geschwindigkeit und unsere GPUs sind eine großartige Möglichkeit, Verarbeitungsbeschränkungen zu umgehen.
ISO-27001 zertifizierte Rechenzentren
Alle Daten werden DSGVO-konform in ISO-27001-Rechenzentren in Deutschland gespeichert.
Mache mehr mit Deinen Cloud GPUs
Optimiere dein Cloud-Projekt, indem Du nur die Ressourcen auswählst, die Du benötigst, in genau der richtigen Größe und Menge und jederzeit skalierbar. Unsere auf OpenStack basierenden NETWAYS Cloud Services bieten zahlreiche Rechen-, Speicher- und Netzwerkressourcen, die mit neuester Technologie ausgestattet sind. Erstelle ganz einfach Deine moderne IT-Infrastruktur.
Hoch hinaus mit unserer Cloud
Cloud-Dienste sind ein entscheidender Bestandteil des modernen Computing und bieten eine flexible und skalierbare virtuelle Infrastruktur. Mit uns als DSGVO-konformem Hosting-Anbieter mit ISO-27001-zertifizierten Rechenzentren in Deutschland kannst Du deinen zuverlässigen Cloud Services in wenigen Minuten starten!
Flexibel
Passe dich dynamisch an sich ändernde Anforderungen an. Wir stellen die Ressourcen nach Bedarf zur Verfügung. Bereit, wann immer Du es bist.
Skalierbar
Wir sind auf Skalierung ausgelegt – und das gilt auch für unsere NWS Cloud, die auf OpenStack basiert. Bei uns ist selbst der Himmel nicht die Grenze.
Support(ive)
Wir haben alles gesehen. Daher wissen wir, wie Du schwierige Situationen bewältigen kannst. Mach das Beste aus Deiner Cloud-Infrastruktur – mit uns.
DSGVO Konform
Datensicherheit und Datenschutz werden nie alt. Und wir werden niemals müde, Deine Daten hier in Deutschland sicher aufzubewahren.
Pay-as-you-go
Erledige Aufgaben mit uns zeitnah und bezahle nur für das, was du tatsächlich nutzt. Kosten sparen? Klingt clever.
Fokus auf Dich
Du kennst Dein Kerngeschäft am besten. Und wenn es um das Management von Cloud-Infrastrukturen geht, kennen wir uns auch bestens aus.
Anwendungsbeispiele
Erstellen Deine Instanz über ein Kommandozeileninterface (CLI), die REST-API oder unser Webinterface.
OpenStack-CLI
Verwende das OpenStack Kommandozeileninterface, um ein neue Instanz mit GPU zu erstellen, welche via PCI-Passthrough verbunden wird.
openstack server create --image 'Ubuntu Jammy 22.04 LTS' --flavor g1.xlarge --network vpcnetwork myinstance
REST-API
Mit der bereitgestellten REST-API kannst Du OpenStack Instanzen erstellen. Es stehen auch Bibliotheken für die gängigsten Programmiersprachen zur Verfügung.
curl -X POST https://cloud.netways.de:8774/v2.1/servers -H "Content-Type: application/json" -H "X-Auth-Token: $TOKEN" -d '{ "server": { "name": "'myinstance'", "flavorRef": "'$FLAVOR_ID'", "imageRef": "'$IMAGE_ID'", "networks": [ { "uuid": "'$NETWORK_ID'" } ] } }'
Webinterface
Erstelle Deinen Cloud-Server mit den NETWAYS Web Services.
Gut zu wissen
Wofür steht GPU?
Eine GPU steht für „Graphics Processing Unit“. Es handelt sich dabei um eine spezialisierte elektronische Schaltung, die entwickelt wurde, um Speicher schnell zu manipulieren und zu verändern, um die Erstellung von Bildern in einem Frame-Buffer zu beschleunigen, die für die Ausgabe auf einem Anzeigegerät vorgesehen sind. Ursprünglich wurde sie entwickelt, um die 3D-Grafikdarstellung zu beschleunigen, aber GPUs werden heute für eine Vielzahl von rechenintensiven Aufgaben eingesetzt, wie zum Beispiel wissenschaftliche Simulationen, maschinelles Lernen und Kryptowährungs-Mining. Im Vergleich zu CPUs verfügen GPUs über wesentlich mehr Kerne, was es ihnen ermöglicht, viele Berechnungen parallel durchzuführen und sie somit für bestimmte Arten von Verarbeitungsaufgaben wesentlich schneller zu machen.
Ist die Verwendung von GPUs ein neuer Hype oder ziemlich üblich?
Die Verwendung von GPUs (Graphics Processing Units) für allgemeine Zwecke ist kein neues Konzept, aber in den letzten Jahren aufgrund des Aufstiegs von Deep Learning, Big Data und anderen rechenaufwändigen Anwendungen immer häufiger geworden. In der Vergangenheit wurden GPUs hauptsächlich für die Grafikrendering verwendet, aber ihre parallele Verarbeitungsfähigkeit machte sie gut geeignet für andere Arten von Anwendungen, die schwere Berechnungen erfordern, wie wissenschaftliche Simulationen und Datenverarbeitung. Der hohe Preis von GPUs und die spezialisierten Programmierfähigkeiten, die erforderlich sind, um sie effektiv zu nutzen, begrenzten jedoch ihre breite Anwendung für diese Anwendungen. In den letzten Jahren haben jedoch die Entwicklung von Bibliotheken und Frameworks wie CUDA und Tensorflow das Programmieren und die Verwendung von GPUs für eine breitere Palette von Anwendungen erleichtert. Darüber hinaus haben Fortschritte in der GPU-Hardware, wie eine erhöhte Speicherbandbreite und die Entwicklung von spezialisierten Prozessoren, GPUs leistungsfähiger und effizienter gemacht, was ihre Verwendung weiter vorantreibt. Obwohl die Verwendung von GPUs für allgemeine Zwecke kein neues Konzept ist, kann ihre zunehmende Verbreitung in den letzten Jahren als Reflexion des wachsenden Bedarfs an Hochleistungscomputing in vielen Bereichen sowie der fortlaufenden Entwicklung und Verfeinerung der GPU-Technologie und -Software angesehen werden.
Wie viel schneller ist eine GPU im Vergleich zu einer CPU?
Bei Aufgaben, die parallelisiert werden können und große Mengen an Datenverarbeitung erfordern, können GPUs signifikant schneller als CPUs sein. Dies liegt daran, dass GPUs mit deutlich mehr Prozessorkernen als CPUs konzipiert sind, was ihnen ermöglicht, viele Berechnungen parallel auszuführen.
Zum Beispiel können Aufgaben wie Bild- und Videobearbeitung, wissenschaftliche Simulationen und maschinelles Lernen signifikante Geschwindigkeitsverbesserungen aufweisen, wenn GPUs anstelle von CPUs verwendet werden. In einigen Fällen kann die Geschwindigkeitssteigerung Hunderte Male schneller sein.
Wen kann ich im Falle eines Problems kontaktieren?
Du kannst Unterstützung unter nws@netways.de sowie im Live-Chat unten rechts erhalten.
Kontaktiere uns!
Du hast Wünsche oder Fragen oder möchtest einfach nur „Hallo“ sagen? Nimm Kontakt mit uns auf! Wir freuen uns von Dir zu hören! Schicke uns eine Nachricht und wir melden uns in Kürze!