Quels sont les avantages des NVIDIA P100 GPUs ?

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.

Les GPU Instances s’intègrent-elles à un éco système que je puisse exploiter ? ?

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

Qu’est-ce qui est inclus dans une image « Ubuntu ML » de Scaleway ?

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.

Suis-je obligé d’utiliser une image « Ubuntu ML » de Scaleway ?

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.

Accueil GPU Render Instances

Instances GPU Render

Tesla P100 dédiées pour répondre à tous vos besoins en Machine Learning et Intelligence artificielle.

Créer un compte professionnel Créer un compte individuel

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.

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 2

Spécifications 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.