Accélérez le traitement de données
Traitez facilement des images et vidéos volumineuses ou exécutez des modèles de Machine Learning nécessitant une grande puissance de calcul.
Instances GPU Render
Tesla P100 dédiées pour répondre à tous vos besoins en Machine Learning et Intelligence artificielle.
Compatible avec Containers
Déployez des nœuds GPU directement depuis Kubernetes Kapsule ou utilisez le Container Toolkit NVIDIA.
Simple d’utilisation
Deux distributions Ubuntu pré-chargées pour Machine Learning.
Zones disponibles :
Paris:PAR 1PAR 2Spécifications techniques
GPUNVIDIA Tesla P100 16GB PCIe dédiée
Fréquence du processeur2,40 GHz
Mémoire42 Go
Débit1 Gbit/s
Processeur10 Intel Xeon Gold 6148 cores
Mémoire graphique16 Go CoWoS HBM2
Type de RAMDDR4-2666
StockageLocal Storage ou Block Storage sur demande
Cas d'usage
Accélération du traitement de données grâce au GPU
GPU Instances vous permet de manipuler d’importants volumes de données et d’en extraire les données pertinentes extrêmement rapidement. Cette solution aide les analystes de données à synthétiser et à classer les données non structurées.
Encodage vidéo & rendu 3D
GPU Instances peut accélérer l’encodage de vidéos ultra haute définition et réaliser un rendu de modèles 3D avec une grande rapidité. Optimisez le coût et la durée de vos besoins post-production, qu’ils soient exceptionnels ou récurrents.
Intelligence Artificielle & Machine Learning
Les GPU Instances ont été conçues pour entraîner des modèles complexes avec une grande rapidité pour que vous puissiez améliorer les prédictions et les décisions de vos algorithmes. Les NVIDIA Tesla P100 dédiés en font un outil particulièrement bien adapté aux applications de réseaux de neurones et d’apprentissage profond.
Intégration Kapsule & Registry à 1,06 € HT/heure
Les avantages de Scaleway
Développer de manière flexible avec un cloud européen sans lock-in
L'écosystème cloud le plus complet d'Europe, du Bare Metal au serverless et tout le reste.
Excellent rapport prix/performance
Notre large gamme de services est conçue pour soutenir votre croissance de manière rentable, à tous les stades de développement.
Tirez parti des solutions multicloud
Nos services sont conçus pour vous offrir le meilleur rapport prix-performance avec une facturation à la fois claire et prévisible. Le transfert entrant et sortant de machines virtuelles est actuellement inclus avec votre Instance.
Plus durable, et ce dès le début
100 % de l’électricité consommée dans nos datacenters provient de l’énergie éolienne et de l’hydroélectricité depuis 2017. Les composants de nos équipements décommissionnés sont tous réutilisés et recyclés de façon sécurisée lorsque c’est possible.
Commencez avec des tutoriels
Comment créer votre première GPU Instance En savoir plus
Comment installer et configurer votre Jupyter Notebook sur une GPU InstanceEn savoir plus
Foire aux questions
L’architecture NVIDIA Pascal permet aux Tesla P100 d’offrir une performance supérieure pour les workloads HPC et hyperscale. Avec plus de 21 teraFLOPS de performances FP16, Pascal offre également plus de 5 et 10 teraFLOPS de double et simple performance pour les workloads HPC.
Nos GPU sont remarquables en soi, mais ils le sont encore plus lorsqu’ils sont combinés avec nos différents services cloud. Profitez de nos offres Block Storage et de notre Object Storage compatible avec le protocole S3. Bénéficiez de 75 Go de stockage gratuits tous les mois ! Découvrez notre Control Plane Kubernetes Kapsule managé gratuit, pour créer facilement vos propres clusters CPU et GPU en autoscale.
Lisez notre article sur Comment déployer Kubeflow sur Kubernetes Kapsule
Nos images Ubuntu ML (pour le Machine Learning) sont des images bioniques Ubuntu, avec en plus, les outils, les structures et les librairies les plus populaires comme Cuda, Conda, TensorFlow, Keras, RAPIDS, JAX et plusieurs NLP et outils de visualisation.
En plus des images « Ubuntu ML », vous pouvez utiliser presque toutes les autres images que Scaleway propose pour ses General Purpose Instances. Vous pouvez également fournir vos propres images.
Si vous souhaitez utiliser vos images « Ubuntu ML » sans Conda, vous pouvez économiser de l’espace disque avec la commande conda deactivate, puis conda env remove -n ai.