全部产品
Search
文档中心

云服务器 ECS:GPU计算型和GPU虚拟化型实例规格

更新时间:Jun 04, 2024

本文介绍云服务器ECS GPU计算型和GPU虚拟化型实例规格族的特点,并列出了具体的实例规格。

GPU虚拟化型实例规格族sgn7i-vws(共享CPU)

sgn7i-vws的特点如下:

  • 依托第三代神龙架构,提供稳定可预期的超高性能。同时通过芯片快速路径加速手段,完成存储、网络性能以及计算稳定性的数量级提升,可以更快地存储数据和加载模型。

  • 实例的CPU和网络资源采用共享模式提供,最大化利用底层资源。内存和GPU显存采用独享模式提供,为您提供数据隔离和性能保障。

    说明

    如果您需要独享的CPU资源,请选择vgn7i-vws。

  • 已包含NVIDIA GRID vWS的软件License,可以为各类专业CAD软件提供认证过的图形加速驱动能力,满足专业级图形设计的需求,也可以作为轻量级GPU计算型实例使用,降低小规模AI推理过程的使用成本。

  • 计算:

    • 采用NVIDIA A10 GPU卡

      • 创新的Ampere架构

      • 支持vGPU、RTX、TensorRT等常用加速功能,提供多种业务支撑

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘和ESSD AutoPL云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 配备高性能CPU、内存、GPU,可以处理更多并发AI推理任务,适用于图像识别、语音识别、行为识别业务。

    • 支持RTX功能,搭配高主频CPU,提供高性能的3D图形虚拟化能力,适用于远程图形设计、云游戏等高强度图形处理业务。

    • 使用Ice Lake处理器,在影视动漫制作、云游戏、机械设计等领域进行3D建模时,效果更加出色。

sgn7i-vws包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络带宽基础/突发(Gbit/s)

网络收发包PPS

多队列

弹性网卡

ecs.sgn7i-vws-m2.xlarge

4

15.5

NVIDIA A10 * 1/12

24GB * 1/12

1.5/5

50万

4

2

ecs.sgn7i-vws-m4.2xlarge

8

31

NVIDIA A10 * 1/6

24GB * 1/6

2.5/10

100万

4

4

ecs.sgn7i-vws-m8.4xlarge

16

62

NVIDIA A10 * 1/3

24GB * 1/3

5/20

200万

8

4

ecs.sgn7i-vws-m2s.xlarge

4

8

NVIDIA A10 * 1/12

24GB * 1/12

1.5/5

50万

4

2

ecs.sgn7i-vws-m4s.2xlarge

8

16

NVIDIA A10 * 1/6

24GB * 1/6

2.5/10

100万

4

4

ecs.sgn7i-vws-m8s.4xlarge

16

32

NVIDIA A10 * 1/3

24GB * 1/3

5/20

200万

8

4

说明
  • 上表中的GPU列对应的指标包括GPU卡型号和GPU分片信息。其中,GPU分片表示1块GPU分成多片,每个实例上使用1片。例如:

    NVIDIA A10 * 1/12中的NVIDIA A10表示GPU卡型号;1/12表示GPU分片,即1块GPU分成12片,每个实例上使用1片。

  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU虚拟化型实例规格族vgn7i-vws

vgn7i-vws的特点如下:

  • 依托第三代神龙架构,提供稳定可预期的超高性能。同时通过芯片快速路径加速手段,完成存储、网络性能以及计算稳定性的数量级提升,可以更快地存储数据和加载模型。

  • 已包含NVIDIA GRID vWS的软件License,可以为各类专业CAD软件提供认证过的图形加速驱动能力,满足专业级图形设计的需求,也可以作为轻量级GPU计算型实例使用,降低小规模AI推理过程的使用成本。

  • 计算:

    • 采用NVIDIA A10 GPU卡

      • 创新的Ampere架构

      • 支持vGPU、RTX、TensorRT等常用加速功能,提供多种业务支撑

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘和ESSD AutoPL云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 配备高性能CPU、内存、GPU,可以处理更多并发AI推理任务,适用于图像识别、语音识别、行为识别业务。

    • 支持RTX功能,搭配高主频CPU,提供高性能的3D图形虚拟化能力,适用于远程图形设计、云游戏等高强度图形处理业务。

    • 使用Ice Lake处理器,在影视动漫制作、云游戏、机械设计等领域进行3D建模时,效果更加出色。

vgn7i-vws包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

ecs.vgn7i-vws-m4.xlarge

4

30

NVIDIA A10 * 1/6

24GB * 1/6

3

100万

4

4

ecs.vgn7i-vws-m8.2xlarge

10

62

NVIDIA A10 * 1/3

24GB * 1/3

5

200万

8

6

ecs.vgn7i-vws-m12.3xlarge

14

93

NVIDIA A10 * 1/2

24GB * 1/2

8

300万

8

6

ecs.vgn7i-vws-m24.7xlarge

30

186

NVIDIA A10 * 1

24GB * 1

16

600万

12

8

说明
  • 上表中的GPU列对应的指标包括GPU卡型号和GPU分片信息。其中,GPU分片表示1块GPU分成多片,每个实例上使用1片。例如:

    NVIDIA A10 * 1/6中的NVIDIA A10表示GPU卡型号;1/6表示GPU的分片,即1块GPU分成6片,每个实例上使用1片。

  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn7e

gn7e的特点如下:

  • 您可以根据需要选择不同卡数和不同CPU资源的规格,灵活适应其不同的AI业务需求。

  • 依托第三代神龙架构,VPC和云盘网络带宽相比上一代平均提升一倍。

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘和ESSD AutoPL云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 中小规模的AI训练业务

    • 使用CUDA进行加速的HPC业务

    • 对GPU处理能力或显存容量需求较高的AI推理业务

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练应用

    • 高GPU负载的科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等

    重要

    在使用高通信负载的AI训练业务如Transformer等模型时,务必启用NVLink进行GPU间的数据通信,否则可能由于PCIe链路大规模数据传输引起非预期的故障,导致数据受损。如不确定您使用的训练通信链路拓扑,请提交工单由阿里云技术专家为您提供技术支持。

gn7e包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn7e-c16g1.4xlarge

16

125

80GB * 1

8

300万

8

8

10

ecs.gn7e-c16g1.8xlarge

32

250

80GB * 2

16

600万

16

8

10

ecs.gn7e-c16g1.16xlarge

64

500

80GB * 4

32

1200万

32

8

10

ecs.gn7e-c16g1.32xlarge

128

1000

80GB * 8

64

2400万

32

16

15

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn7i

gn7i的特点如下:

  • 依托第三代神龙架构,提供稳定可预期的超高性能。同时通过芯片快速路径加速手段,完成存储、网络性能以及计算稳定性的数量级提升。

  • 计算:

    • 采用NVIDIA A10 GPU卡

      • 创新的Ampere架构

      • 支持RTX、TensorRT等常用加速功能

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz

    • 最大可提供752 GiB内存,相比gn6i大幅提升

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘和ESSD AutoPL云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 配备高性能CPU、内存、GPU,可以处理更多并发AI推理任务,适用于图像识别、语音识别、行为识别业务

    • 支持RTX功能,搭配高主频CPU,提供高性能的3D图形虚拟化能力,适用于远程图形设计、云游戏等高强度图形处理业务

gn7i包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn7i-c8g1.2xlarge

8

30

NVIDIA A10 * 1

24GB * 1

16

160万

8

4

15

ecs.gn7i-c16g1.4xlarge

16

60

NVIDIA A10 * 1

24GB * 1

16

300万

8

8

30

ecs.gn7i-c32g1.8xlarge

32

188

NVIDIA A10 * 1

24GB * 1

16

600万

12

8

30

ecs.gn7i-c32g1.16xlarge

64

376

NVIDIA A10 * 2

24GB * 2

32

1200万

16

15

30

ecs.gn7i-c32g1.32xlarge

128

752

NVIDIA A10 * 4

24GB * 4

64

2400万

32

15

30

ecs.gn7i-c48g1.12xlarge

48

310

NVIDIA A10 * 1

24GB * 1

16

900万

16

8

30

ecs.gn7i-c56g1.14xlarge

56

346

NVIDIA A10 * 1

24GB * 1

16

1200万

16

12

30

ecs.gn7i-2x.8xlarge

32

128

NVIDIA A10 * 2

24GB * 2

16

600万

16

8

30

ecs.gn7i-4x.8xlarge

32

128

NVIDIA A10 * 4

24GB * 4

16

600万

16

8

30

ecs.gn7i-4x.16xlarge

64

256

NVIDIA A10 * 4

24GB * 4

32

1200万

32

8

30

ecs.gn7i-8x.32xlarge

128

512

NVIDIA A10 * 8

24GB * 8

64

2400万

32

16

30

ecs.gn7i-8x.16xlarge

64

256

NVIDIA A10 * 8

24GB * 8

32

1200万

32

8

30

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • ecs.gn7i-2x.8xlarge、ecs.gn7i-4x.8xlarge、ecs.gn7i-4x.16xlarge、ecs.gn7i-8x.32xlarge以及ecs.gn7i-8x.16xlarge实例规格支持更改为ecs.gn7i-c8g1.2xlarge或ecs.gn7i-c16g1.4xlarge实例规格,但不支持更改为ecs.gn7i-c32g1.8xlarge等其他实例规格。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn7s

如需使用gn7s,请提交工单申请。

gn7s的特点如下:

  • 采用全新的Intel IceLake处理器,同时搭载Nvidia Ampere架构的NVIDIA A30 GPU卡,您可以根据需要选择不同卡数和不同CPU资源的规格,灵活适应不同的AI业务需求。

  • 基于阿里云全新的第三代神龙架构,VPC和云盘网络带宽相比上一代平均提升一倍。

  • 计算:

    • 采用NVIDIA A30 GPU卡

      • 创新的Nvidia Ampere架构

      • 支持MIG(Multi-Instance GPU)功能、加速功能(基于第二代Tensor Cores加速),提供多种业务支持。

    • 处理器:2.9 GHz主频的Intel ® Xeon ® 可扩展处理器(Ice Lake),全核睿频3.5 GHz

    • 容量内存相比上一代实例规格族大幅提升

  • 存储:仅支持ESSD云盘和ESSD AutoPL云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:配备高性能CPU、内存、GPU,可以处理更多并发AI推理业务需求,适用于图像识别、语音识别、行为识别业务。

gn7s包括的实例规格及指标数据如下表所示:

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

单网卡IPv6地址数

多队列

弹性网卡

ecs.gn7s-c8g1.2xlarge

8

60

NVIDIA A30 * 1

24GB * 1

16

600万

1

12

8

ecs.gn7s-c16g1.4xlarge

16

120

NVIDIA A30 * 1

24GB * 1

16

600万

1

12

8

ecs.gn7s-c32g1.8xlarge

32

250

NVIDIA A30 * 1

24GB * 1

16

600万

1

12

8

ecs.gn7s-c32g1.16xlarge

64

500

NVIDIA A30 * 2

24GB * 2

32

1200万

1

16

15

ecs.gn7s-c32g1.32xlarge

128

1000

NVIDIA A30 * 4

24GB * 4

64

2400万

1

32

15

ecs.gn7s-c48g1.12xlarge

48

380

NVIDIA A30 * 1

24GB * 1

16

600万

1

12

8

ecs.gn7s-c56g1.14xlarge

56

440

NVIDIA A30 * 1

24GB * 1

16

600万

1

12

8

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn7

gn7的特点如下:

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘和ESSD AutoPL云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练应用

    • 高GPU负载的科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等

gn7包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

ecs.gn7-c12g1.3xlarge

12

94

40GB * 1

4

250万

4

8

ecs.gn7-c13g1.13xlarge

52

378

40GB * 4

16

900万

16

8

ecs.gn7-c13g1.26xlarge

104

756

40GB * 8

30

1800万

16

15

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU虚拟化型实例规格族vgn6i-vws

vgn6i-vws的特点如下:

  • 由于GRID驱动的升级,阿里云对原vgn6i规格族进行了升级,新规格族为vgn6i-vws。新规格族采用最新的GRID驱动,并赠送了GRID vws授权。请提交工单申请已预装GRID驱动的免费镜像。

  • 如果需要使用其他公共镜像或自定义镜像,由于这些镜像中未包含GRID驱动,请提交工单申请GRID驱动文件单独安装,阿里云不对GRID驱动额外收取License费用。

  • 计算:

    • 采用NVIDIA T4 GPU计算加速器

    • 实例包含分片虚拟化后的虚拟GPU

      • 计算能力支持NVIDIA Tesla T4的1/4和1/2

      • GPU显存支持4 GB和8 GB

    • 处理器与内存配比约为1:5

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)

  • 存储:

    • I/O优化实例

    • 仅支持SSD云盘和高效云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 云游戏的云端实时渲染

    • AR和VR的云端实时渲染

    • AI(DL和ML)推理,适合弹性部署含有AI推理计算应用的互联网业务

    • 深度学习的教学练习环境

    • 深度学习的模型实验环境

vgn6i-vws包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.vgn6i-m4-vws.xlarge

4

23

NVIDIA T4 * 1/4

16GB * 1/4

2

50万

4/2

3

10

ecs.vgn6i-m8-vws.2xlarge

10

46

NVIDIA T4 * 1/2

16GB * 1/2

4

80万

8/2

4

10

ecs.vgn6i-m16-vws.5xlarge

20

92

NVIDIA T4 * 1

16GB * 1

7.5

120万

6

4

10

说明
  • 上表中的GPU列对应的指标包括GPU卡型号和GPU分片信息。其中,GPU分片表示1块GPU分成多片,每个实例上使用1片。例如:

    NVIDIA T4 * 1/4中的NVIDIA T4表示GPU卡型号;1/4表示GPU的分片,即1块GPU分成4片,每个实例上使用1片。

  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn6i

gn6i的特点如下:

  • 计算:

    • GPU加速器:T4

      • 创新的Turing架构

      • 单GPU显存16 GB(GPU显存带宽320 GB/s)

      • 单GPU 2560个CUDA Cores

      • 单GPU多达320个Turing Tensor Cores

      • 可变精度Tensor Cores支持65 TFlops FP16、130 INT8 TOPS、260 INT4 TOPS

    • 处理器与内存配比约为1:4

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘、ESSD AutoPL云盘、SSD云盘和高效云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • AI(DL和ML)推理,适合计算机视觉、语音识别、语音合成、NLP、机器翻译、推荐系统

    • 云游戏云端实时渲染

    • AR和VR的云端实时渲染

    • 重载图形计算或图形工作站

    • GPU加速数据库

    • 高性能计算

gn6i包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

云盘基础IOPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn6i-c4g1.xlarge

4

15

NVIDIA T4 * 1

16GB * 1

4

50万

2

2

10

ecs.gn6i-c8g1.2xlarge

8

31

NVIDIA T4 * 1

16GB * 1

5

80万

2

2

10

ecs.gn6i-c16g1.4xlarge

16

62

NVIDIA T4 * 1

16GB * 1

6

100万

4

3

10

ecs.gn6i-c24g1.6xlarge

24

93

NVIDIA T4 * 1

16GB * 1

7.5

120万

6

4

10

ecs.gn6i-c40g1.10xlarge

40

155

NVIDIA T4 * 1

16GB * 1

10

160万

16

10

10

ecs.gn6i-c24g1.12xlarge

48

186

NVIDIA T4 * 2

16GB * 2

15

240万

12

6

10

ecs.gn6i-c24g1.24xlarge

96

372

NVIDIA T4 * 4

16GB * 4

30

480万

25万

24

8

10

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn6e

gn6e的特点如下:

  • 计算:

    • 采用NVIDIA V100(32 GB NVLink)GPU卡

    • GPU加速器:V100(SXM2封装)

      • 创新的Volta架构

      • 单GPU显存32 GB HBM2(GPU显存带宽900 GB/s)

      • 单GPU 5120个CUDA Cores

      • 单GPU 640个Tensor Cores

      • 单GPU支持6个NVLink链路(NVLink属于双向链路),单向链路的带宽为25 Git/s,总带宽为6×25×2=300 Git/s

    • 处理器与内存配比约为1:8

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘、ESSD AutoPL云盘、SSD云盘和高效云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练、推理应用

    • 科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等

gn6e包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn6e-c12g1.3xlarge

12

92

NVIDIA V100 * 1

32GB * 1

5

80万

8

6

10

ecs.gn6e-c12g1.12xlarge

48

368

NVIDIA V100 * 4

32GB * 4

16

240万

8

8

20

ecs.gn6e-c12g1.24xlarge

96

736

NVIDIA V100 * 8

32GB * 8

32

480万

16

8

20

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn6v

gn6v的特点如下:

  • 计算:

    • 采用NVIDIA V100 GPU卡

    • GPU加速器:V100(SXM2封装)

      • 创新的Volta架构

      • 单GPU显存16 GB HBM2(GPU显存带宽900 GB/s)

      • 单GPU 5120个CUDA Cores

      • 单GPU 640个Tensor Cores

      • 单GPU支持6个NVLink链路(NVLink属于双向链路),单向链路的带宽为25 Git/s,总带宽为6×25×2=300 Git/s

    • 处理器与内存配比约为1:4

    • 处理器:2.5 GHz主频的Intel ® Xeon ® Platinum 8163(Skylake)

  • 存储:

    • I/O优化实例

    • 仅支持ESSD云盘、ESSD AutoPL云盘、SSD云盘和高效云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 深度学习,例如图像分类、无人驾驶、语音识别等人工智能算法的训练、推理应用

    • 科学计算,例如计算流体动力学、计算金融学、分子动力学、环境分析等

gn6v包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

云盘基础IOPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn6v-c8g1.2xlarge

8

32

NVIDIA V100 * 1

16GB * 1

2.5

80万

4

4

10

ecs.gn6v-c8g1.8xlarge

32

128

NVIDIA V100 * 4

16GB * 4

10

200万

8

8

20

ecs.gn6v-c8g1.16xlarge

64

256

NVIDIA V100 * 8

16GB * 8

20

250万

16

8

20

ecs.gn6v-c10g1.20xlarge

82

336

NVIDIA V100 * 8

16GB * 8

32

450万

25万

16

8

20

说明

GPU计算型实例规格族gn5

gn5的特点如下:

  • 计算:

    • 采用NVIDIA P100 GPU卡

    • 多种处理器与内存配比

    • 处理器:2.5 GHz主频的Intel ® Xeon ® E5-2682 v4(Broadwell)

  • 存储:

    • 配备高性能NVMe SSD本地盘

    • I/O优化实例

    • 仅支持SSD云盘和高效云盘

  • 网络:

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 深度学习

    • 科学计算,例如计算流体动力学、计算金融学、基因组学研究、环境分析

    • 高性能计算、渲染、多媒体编解码及其他服务器端GPU计算工作负载

gn5包括的实例规格及指标数据如下表所示。

实例规格

vCPU

内存(GiB)

本地存储(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn5-c4g1.xlarge

4

30

440

NVIDIA P100 * 1

16GB * 1

3

30万

1

3

10

ecs.gn5-c8g1.2xlarge

8

60

440

NVIDIA P100 * 1

16GB * 1

3

40万

1

4

10

ecs.gn5-c4g1.2xlarge

8

60

880

NVIDIA P100 * 2

16GB * 2

5

100万

2

4

10

ecs.gn5-c8g1.4xlarge

16

120

880

NVIDIA P100 * 2

16GB * 2

5

100万

4

8

20

ecs.gn5-c28g1.7xlarge

28

112

440

NVIDIA P100 * 1

16GB * 1

5

100万

8

8

20

ecs.gn5-c8g1.8xlarge

32

240

1760

NVIDIA P100 * 4

16GB * 4

10

200万

8

8

20

ecs.gn5-c28g1.14xlarge

56

224

880

NVIDIA P100 * 2

16GB * 2

10

200万

14

8

20

ecs.gn5-c8g1.14xlarge

54

480

3520

NVIDIA P100 * 8

16GB * 8

25

400万

14

8

20

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。

GPU计算型实例规格族gn5i

gn5i的特点如下:

  • 计算:

    • 采用NVIDIA P4 GPU卡

    • 处理器与内存配比为1:4

    • 处理器:2.5 GHz主频的Intel ® Xeon ® E5-2682 v4(Broadwell)

  • 存储:

    • I/O优化实例

    • 仅支持SSD云盘和高效云盘

  • 网络:

    • 支持IPv6

    • 实例网络性能与计算规格对应(规格越高网络性能越强)

  • 适用场景:

    • 深度学习推理

    • 多媒体编解码等服务器端GPU计算工作负载

gn5i包括的实例规格及指标数据如下:

实例规格

vCPU

内存(GiB)

GPU

GPU显存

网络基础带宽(Gbit/s)

网络收发包PPS

多队列

弹性网卡

单网卡私有IPv4地址数

ecs.gn5i-c2g1.large

2

8

NVIDIA P4 * 1

8GB * 1

1

10万

2

2

6

ecs.gn5i-c4g1.xlarge

4

16

NVIDIA P4 * 1

8GB * 1

1.5

20万

2

3

10

ecs.gn5i-c8g1.2xlarge

8

32

NVIDIA P4 * 1

8GB * 1

2

40万

4

4

10

ecs.gn5i-c16g1.4xlarge

16

64

NVIDIA P4 * 1

8GB * 1

3

80万

4

8

20

ecs.gn5i-c16g1.8xlarge

32

128

NVIDIA P4 * 2

8GB * 2

6

120万

8

8

20

ecs.gn5i-c28g1.14xlarge

56

224

NVIDIA P4 * 2

8GB * 2

10

200万

14

8

20

说明
  • 您可以前往ECS实例可购买地域,查看实例在各地域的可购情况。

  • 指标的含义请参见实例规格族。由于业务场景的不同,网络收发包PPS会存在明显差异。因此,我们建议您进行业务压测以了解实例的性能表现,以便选择合适的实例规格。