在數據中心越來越受歡迎，它可以加速機器學習和深度學習等數據密集型工作負載?，F在，全球最大的GPU制造商Nvidia將推出一個與Kubernetes集群配合使用的用例，以加速深度學習模型的訓練。   本周二表示，將發布Kubernetes on Nvidia GPUs的候選版本，可供開發人員免費使用。該版本是針對那些在多云GPU集群上訓練深度學習模型的企業。   Nvidia 是在Computer Vision and Pattern Recognition大會上宣布推出Kubernetes on Nvidia GPUs的，此外還推出了新版本的推理優化工具和運行時引擎TensorRT，以及名為DALI的GPU數據增強和圖像加載庫，旨在優化深度學習框架的數據管道。   Nvidia表示，推出Kubernetes on Nvidia GPUs背后的想法是為了讓軟件容器編排平臺更加“GPU感知”。Kubernetes on Nvidia GPUs針對的是運行人工智能應用的容器，將幫助開發人員更好地協調散步在多個云主機的GPU集群。   Moor Insights＆Strategy創始人兼首席分析師Patrick Moorhead表示：“這很重要，因為Kubernetes托管的應用現在可以利用GPU的性能了。這在虛擬機上將實現比以前更高的可擴展性。”   就在Nvidia這次發布的幾周之前，谷歌剛剛在其Kubernetes Engine平臺上發布了一個測試版的GPU，旨在加速圖像處理和機器學習工作負載。谷歌當時表示，這個云GPU可用于創建由、和K80處理器驅動的Kubernetes節點池。   Nvidia的TensorRT推理加速器是針對推理模型的開發者。該工具集成了谷歌開源的TensorFlow機器學習框架，并增加了新的層和功能，以加強針對推薦系統、神經機器翻譯、圖像分類和語音識別等應用的推理。   至于DALI，這是一項為JPEG圖像編碼提供GPU加速庫的服務，旨在解決基于視覺的深度學習應用中的性能瓶頸，目的是為了幫助擴展圖像分類系統如PyTorch、TensorFlow和ResNet-50的訓練。AWS的P3 8-GPU實例以及Nvidia自己的DGX-1深度學習系統上都將提供DALI。   “深度學習研究人員需要他們的管道是便攜的，”加速計算軟件和AI產品總監Kari Briski說。