使用具有GPU代替GPU VM的本地计算机是完全可行的,并且根据您的特定需求可能是有利的。这是一些考虑因素:
1。性能和控制:本地机器可直接访问GPU,从而可以更好地性能和控制硬件。这对于需要低延迟和高内存带宽的应用程序特别有益,例如深度学习或高性能计算任务[3]。
2。成本和可伸缩性:在购买和维护本地GPU的同时可能是昂贵的,云GPU提供可扩展性和付费定价模型,这对于可变工作负载可能更具成本效益[3]。但是,如果您有一致的高性能需求,从长远来看,本地设置可能会更经济。
3。虚拟化限制:大多数虚拟化软件并未将GPU用于VM中的一般计算任务。取而代之的是,连接到VM [2] [4]时,GPU主要用于图形渲染。如果您的VM需要用于机器学习或图形密集型应用程序等任务的GPU加速度,则具有直接GPU访问的本地设置可能是有益的。
4.安全性和合规性:云GPU提供了增强的安全性和合规性好处,因为它们通过强大的安全措施在远程数据中心进行管理[3]。但是,如果出于安全原因需要将数据保存在本地,则优选本地GPU设置。
总而言之,使用具有GPU的本地计算机对于需要直接GPU访问,低延迟和高性能的应用程序是有利的。但是,Cloud GPU提供可扩展性和成本优势,可能比可变或大规模的工作负载可取。
引用:[1] https://cloud.google.com/compute/docs/gpus
[2] https://superuser.com/questions/1288358/how-much-gpu-ram-is-is-is-required-to-run-about-8-8-to-10-virtual-virtual-machines-machines-at-the-same-t
[3] https://www.linkedin.com/pulse/cloud-gpus-vs-on-premise-premise-premise-premise-better-your-use-case-kumar-kumar-yuvraj-
[4] https://www.reddit.com/r/linuxhardware/comments/osia6l/do_i_need_a_a_dedicated_gpu_for_for_virtualization_stuff/
[5] https://www.reddit.com/r/azure/comments/13ryzwz/gpu_instances_vs_cpu_instances_vs_local_3080/
[6] https://docs.docker.com/desktop/features/gpu/
[7] https://www.oracle.com/pk/cloud/compute/gpu/
[8] https://forums.fast.ai/t/building-local-gpu-server/101865