亚马逊网络服务（AWS）宣布了一个新的基于GPU的实例Amazon P4d的可用性，该实例基于Nvidia的新Ampere架构，并且两家公司都在宣称性能。

AWS十年来一直提供基于GPU的实例，最新一代的实例称为P3。AWS和Nvidia都声称，与P3实例相比，P4d实例在机器学习培训和高性能计算工作负载方面的性能提高了三倍，成本降低了60％，GPU内存增加了2.5倍。

根据Nvidia的说法，与默认的FP32精度相比，使用FP16实例可以将机器学习模型的训练时间减少三倍，而使用TF32则可以将训练时间减少多达六倍，但是还可以训练更大，更复杂的模型。

这些也是一些重量级的实例。在一个EC2实例中，具有八个Nvidia A100 GPU的P4d实例能够提供高达2.5 petaflops的混合精度性能和320GB的高带宽GPU内存。AWS表示，P4d实例是第一个通过Elastic Fabric Adapter（EFA）和Nvidia GPUDirect RDMA网络接口提供400 Gbps网络带宽的设备，以实现跨服务器的GPU之间的直接通信，从而降低延迟和提高扩展效率。

每个P4d实例还提供96个Intel Xeon可扩展（级联湖）vCPU，1.1TB系统内存和8TB本地NVMe存储，以减少单节点训练时间。通过将上一代P3实例的性能提高一倍以上，P4d实例可以将训练机器学习模型的成本降低多达60％。

“随着数据变得越来越丰富，客户正在训练具有数百万甚至数十亿个参数的模型，例如用于自然语言处理以进行文档摘要和问题解答，用于自动驾驶汽车的对象检测和分类，用于大规模内容审核的图像分类等参数，电子商务网站的推荐引擎，以及智能搜索引擎的排名算法，所有这些都需要增加网络吞吐量和GPU内存。” AWS在一份声明中说。

该公司表示，客户可以使用带有Amazon Elastic Kubernetes服务（Amazon EKS）或Amazon Elastic Container Service（Amazon ECS）库的AWS深度学习容器运行P4d实例。为了获得更全面的管理体验，客户可以通过Amazon SageMaker使用P4d实例，该实例旨在帮助开发人员和数据科学家快速构建，训练和部署ML模型。

HPC客户可以将AWS Batch和AWS ParallelCluster与P4d实例结合使用，以帮助协调作业和集群。P4d实例支持所有的ML学习框架，包括TensorFlow，PyTorch和Apache MXNet，使客户可以灵活地选择他们喜欢的框架。

P4d实例在美国东部（弗吉尼亚北部）和美国西部（俄勒冈）地区可用，并计划在不久的将来提供更多的可用性。AWS实例的起价为每小时32.77美元，但一年保留实例的价格降至每小时19.22美元，三年下来为11.57美元。