在本周于法蘭克福召開的國際超算大會上，NVIDIA推出9個新的HPC和可視化容器。至此，用戶可在NGC上使用35個深度學習、高性能計算和可視化容器。NVIDIA GPU Cloud（NGC）自去年推出以來，提供的容器數(shù)量已增加了兩倍多。

NVIDIA一直努力推動部署GPU加速的高性能計算和人工智能。在過去三年中，尤其是對于從事AI工作的研究人員和數(shù)據(jù)科學家而言，容器已成為在共享集群上部署應(yīng)用并加速其工作的關(guān)鍵工具。

深度學習框架也是深度神經(jīng)網(wǎng)絡(luò)設(shè)計、訓(xùn)練和驗證的構(gòu)建模塊，這些容器使深度學習框架的部署能夠更快更輕松。框架的設(shè)置是一個非常復(fù)雜又耗時的過程，容器簡化了這一流程，因此用戶可通過簡單的拖動和運行指令就能訪問最新版的應(yīng)用程序。

復(fù)雜的部署挑戰(zhàn)也存在于HPC計算和可視化應(yīng)用中。

進展迅速：全新NGC容器包括CHROMA、CANDLE、PGI和VMD

在去年超算大會推出的包括NAMD、GROMACS和ParaView在內(nèi)的八個容器基礎(chǔ)上，NGC新增了9個HPC和可視化容器，包括CHROMA、CANDLE、PGI和VMD。

NGC上提供的PGI編譯器容器將助力開發(fā)者構(gòu)建面向多核CPU和NVIDIA Tesla GPU的HPC應(yīng)用。有了PGI編譯器和工具，就能通過OpenACC、OpenMP和CUDA Fortran并行編程，開發(fā)具有性能可移植性的HPC應(yīng)用。

NGC容器對于用戶的價值顯而易見，現(xiàn)已有超過27000名用戶注冊訪問NGC容器注冊。

容器必然會讓HPC應(yīng)用的部署變得更加輕松且快速。

容器加速發(fā)現(xiàn)過程

對容器的需求不僅局限于深度學習。超級計算也亟需簡化所有細分市場的應(yīng)用部署，這是因為幾乎所有的超算中心都采用環(huán)境模塊來構(gòu)建、部署和啟動應(yīng)用。

如果沒有容器，應(yīng)用的更新就會相當復(fù)雜，如上圖所示。

這種方法可能需要幾天的時間，所以非常耗時且生產(chǎn)效率低下。這對系統(tǒng)管理員和最終用戶來說都是一種非常低效的方式。

在超算領(lǐng)域中，這種安裝的復(fù)雜性就限制了用戶訪問最新功能并享受優(yōu)化的性能，繼而延遲發(fā)現(xiàn)進程。

容器簡化共享系統(tǒng)上的應(yīng)用部署

容器是一個很好的選擇。無需安裝意味著無需跟蹤或擔心打破環(huán)境模塊鏈路。

用戶只需拖動并運行容器即可部署應(yīng)用

用戶可自行提取容器，并在幾分鐘內(nèi)完成應(yīng)用部署，而無需因為走審批流程而等待好幾天。

系統(tǒng)管理員現(xiàn)可專注于任務(wù)關(guān)鍵型的工作任務(wù)，而非服務(wù)和維護應(yīng)用。

容器的其他主要優(yōu)點還包括提供了可重復(fù)性和可移植性。用戶可在不安裝應(yīng)用的情況下，在各種系統(tǒng)上運行工作負載并獲得等效的模擬結(jié)果。這對驗證研究論文的結(jié)果尤其有幫助。

NGC提高生產(chǎn)力并加速發(fā)現(xiàn)進程

NGC容器內(nèi)的應(yīng)用是GPU加速的，比CPU系統(tǒng)具有更好的性能。

用戶可訪問最新版本的HPC應(yīng)用，且NVIDIA每月都會在整個軟件堆棧范圍內(nèi)對深度學習框架容器進行更新和優(yōu)化，以提供基于NVIDIA GPU的最佳性能。

最后，這些容器還將在支持的云服務(wù)提供商（包括AWS、谷歌云平臺和Oracle云基礎(chǔ)設(shè)施）的各種系統(tǒng)上（包括基于GPU的工作站、NVIDIA DGX System和NVIDIA GPU）進行測試，以實現(xiàn)流暢的用戶體驗。