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。
- 推荐
- 其他在售（如果售罄，建议使用推荐规格族）
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
- 采用NVIDIA A10 GPU卡
- 存储：
- I/O优化实例
- 仅支持ESSD云盘说明 更多云盘性能信息，请参见块存储性能。
- 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指标说明。
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
- 采用NVIDIA A10 GPU卡
- 存储：
- I/O优化实例
- 仅支持ESSD云盘说明 更多云盘性能信息，请参见块存储性能。
- 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指标说明。
GPU计算型实例规格族gn7s
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 core加速），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
- 容量内存相比上一代实例规格族大幅提升
- 采用NVIDIA A30 GPU卡
- 存储：仅支持ESSD云盘说明 更多云盘性能信息，请参见块存储性能。
- 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 | 网络带宽（Gbit/s） | 网络收发包PPS | 单网卡支持的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指标说明。
GPU计算型实例规格族gn7e
gn7e的特点如下：
- 采用Intel Icelake处理器和以NVSwitch互联的NVIDIA A100 SXM4 80G 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。
- 计算：
- 采用NVIDIA A100 GPU卡
- 创新的NVIDIA Ampere架构
- 多卡之间以NVLINK Switch互联
- 支持混合精度计算，单GPU显存80 GB HBM2
- 处理器：2.9 GHz主频的Intel ® Xeon ® Platinum 8369B（Ice Lake），全核睿频3.5 GHz
- 采用NVIDIA A100 GPU卡
- 存储：
- I/O优化实例
- 仅支持ESSD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 | GPU显存 | 网络带宽（Gbit/s） | 网络收发包PPS | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|
| ecs.gn7e-c16g1.4xlarge | 16 | 125 | NVIDIA A100 * 1 | 80GB * 1 | 8 | 300万 | 8 | 8 | 10 |
| ecs.gn7e-c16g1.16xlarge | 64 | 500 | NVIDIA A100 * 4 | 80GB * 4 | 32 | 1200万 | 32 | 8 | 10 |
| ecs.gn7e-c16g1.32xlarge | 128 | 1000 | NVIDIA A100 * 8 | 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指标说明。
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
- 采用NVIDIA A10 GPU卡
- 存储：
- I/O优化实例
- 仅支持ESSD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 | 网络带宽（Gbit/s） | 网络收发包PPS | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|
| ecs.gn7i-c8g1.2xlarge | 8 | 30 | NVIDIA A10 * 1 | 24GB * 1 | 16 | 160万 | 8 | 4 | 5 |
| ecs.gn7i-c16g1.4xlarge | 16 | 60 | NVIDIA A10 * 1 | 24GB * 1 | 16 | 300万 | 8 | 8 | 5 |
| ecs.gn7i-c32g1.8xlarge | 32 | 188 | NVIDIA A10 * 1 | 24GB * 1 | 16 | 600万 | 12 | 8 | 5 |
| ecs.gn7i-c32g1.16xlarge | 64 | 376 | NVIDIA A10 * 2 | 24GB * 2 | 32 | 1200万 | 16 | 15 | 5 |
| ecs.gn7i-c32g1.32xlarge | 128 | 752 | NVIDIA A10 * 4 | 24GB * 4 | 64 | 2400万 | 32 | 15 | 10 |
| ecs.gn7i-c48g1.12xlarge | 48 | 310 | NVIDIA A10 * 1 | 24GB * 1 | 16 | 900万 | 16 | 8 | 8 |
| ecs.gn7i-c56g1.14xlarge | 56 | 346 | NVIDIA A10 * 1 | 24GB * 1 | 16 | 1200万 | 16 | 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指标说明。
GPU计算型实例规格族gn7
gn7的特点如下：
- 计算：
- 采用NVIDIA A100 GPU卡，多卡之间以NVSwitch实现两两互联
- 创新的Ampere架构
- 单GPU显存40 GB HBM2
- 处理器：2.5 GHz主频的Intel ® Xeon ® Platinum 8269CY（Cascade Lake）
- 采用NVIDIA A100 GPU卡，多卡之间以NVSwitch实现两两互联
- 存储：
- I/O优化实例
- 仅支持ESSD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 | GPU显存 | 网络带宽（Gbit/s） | 网络收发包PPS | 多队列 | 弹性网卡 |
|---|---|---|---|---|---|---|---|---|
| ecs.gn7-c12g1.3xlarge | 12 | 94 | NVIDIA A100 * 1 | 40GB * 1 | 4 | 250万 | 4 | 8 |
| ecs.gn7-c13g1.13xlarge | 52 | 378 | NVIDIA A100 * 4 | 40GB * 4 | 16 | 900万 | 16 | 8 |
| ecs.gn7-c13g1.26xlarge | 104 | 756 | NVIDIA A100 * 8 | 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指标说明。
GPU虚拟化型实例规格族vgn6i/vgn6i-vws
vgn6i-vws规格族：
vgn6i规格族：
- 如果您需要vgn6i实例支持OpenGL图形显示等图形功能，请自行向NVIDIA购买GRID License，并在创建实例后手动安装GRID驱动和激活License。
- 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（Gbit/s） | 网络收发包PPS | 多队列（主网卡/辅网卡） | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|
| ecs.vgn6i-m4.xlarge | 4 | 23 | NVIDIA T4 * 1/4 | 16GB * 1/4 | 2 | 50万 | 4/2 | 3 | 10 |
| ecs.vgn6i-m8.2xlarge | 10 | 46 | NVIDIA T4 * 1/2 | 16GB * 1/2 | 4 | 80万 | 8/2 | 4 | 10 |
| 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指标说明。
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）
- GPU加速器：T4
- 存储：
- I/O优化实例
- 支持ESSD云盘（百万IOPS）、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 | 网络带宽（Gbit/s） | 网络收发包PPS | 存储IOPS基准 | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|---|
| ecs.gn6i-c4g1.xlarge | 4 | 15 | NVIDIA T4 * 1 | 16GB * 1 | 4 | 50万 | 无 | 2 | 2 | 10 |
| ecs.gn6i-c8g1.2xlarge | 8 | 31 | NVIDIA T4 * 1 | 16GB * 1 | 5 | 80万 | 无 | 2 | 2 | 10 |
| ecs.gn6i-c16g1.4xlarge | 16 | 62 | NVIDIA T4 * 1 | 16GB * 1 | 6 | 100万 | 无 | 4 | 3 | 10 |
| ecs.gn6i-c24g1.6xlarge | 24 | 93 | NVIDIA T4 * 1 | 16GB * 1 | 7.5 | 120万 | 无 | 6 | 4 | 10 |
| ecs.gn6i-c40g1.10xlarge | 40 | 155 | NVIDIA T4 * 1 | 16GB * 1 | 10 | 160万 | 无 | 16 | 10 | 10 |
| ecs.gn6i-c24g1.12xlarge | 48 | 186 | NVIDIA T4 * 2 | 16GB * 2 | 15 | 240万 | 无 | 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指标说明。
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
- 支持ESSD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 | 网络带宽（Gbit/s） | 网络收发包PPS | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|
| 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指标说明。
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
- 支持ESSD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 | 网络带宽（Gbit/s） | 网络收发包PPS | 存储IOPS基准 | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|---|
| ecs.gn6v-c8g1.2xlarge | 8 | 32 | NVIDIA V100 * 1 | 16GB * 1 | 2.5 | 80万 | 无 | 4 | 4 | 10 |
| ecs.gn6v-c8g1.8xlarge | 32 | 128 | NVIDIA V100 * 4 | 16GB * 4 | 10 | 200万 | 无 | 8 | 8 | 20 |
| ecs.gn6v-c8g1.16xlarge | 64 | 256 | NVIDIA V100 * 8 | 16GB * 8 | 20 | 250万 | 无 | 16 | 8 | 20 |
| ecs.gn6v-c10g1.20xlarge | 82 | 336 | NVIDIA V100 * 8 | 16GB * 8 | 32 | 450万 | 25万 | 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指标说明。
GPU虚拟化型实例规格族vgn5i
vgn5i的特点如下：
- 如果您需要vgn5i实例支持OpenGL图形显示等图形功能，请自行向NVIDIA购买GRID License，并在创建实例后手动安装GRID驱动和激活License。
- 计算：
- 采用NVIDIA P4 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 P4的1/8、1/4、1/2和1:1
- GPU显存支持1 GB、2 GB、4 GB和8 GB
- 处理器与内存配比为1:3
- 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：
- 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
vgn5i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（Gbit/s） | 网络收发包PPS | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|
| ecs.vgn5i-m1.large | 2 | 6 | NVIDIA P4 * 1/8 | 8GB * 1/8 | 1 | 30万 | 2 | 2 | 6 |
| ecs.vgn5i-m2.xlarge | 4 | 12 | NVIDIA P4 * 1/4 | 8GB * 1/4 | 2 | 50万 | 2 | 3 | 10 |
| ecs.vgn5i-m4.2xlarge | 8 | 24 | NVIDIA P4 * 1/2 | 8GB * 1/2 | 3 | 80万 | 2 | 4 | 10 |
| ecs.vgn5i-m8.4xlarge | 16 | 48 | NVIDIA P4 * 1 | 8GB * 1 | 5 | 100万 | 4 | 5 | 20 |
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 P4 * 1/8中的NVIDIA P4表示GPU卡型号；1/8表示GPU的分片，即1块GPU分成8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指标说明。
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 | 网络带宽（Gbit/s） | 网络收发包PPS | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|---|
| 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指标说明。
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 | 网络带宽（Gbit/s） | 网络收发包PPS | 多队列 | 弹性网卡 | 单网卡私有IP |
|---|---|---|---|---|---|---|---|---|---|
| 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指标说明。