.png){kind=icon}
返回
GPU-Accelerated Cloud Computing Services and Performance Evaluation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.simpat.2025.103181.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文探讨了用图形处理器（GPU）加速服务替代传统基于CPU的云计算的可行性。利用NVIDIA的CUDA GPU加速C/C++和Python库，我们对比了GPU计算与多线程CPU计算在机器学习、大规模图像处理等多个领域的性能。本工作的创新贡献在于提出了一种智能自动扩展系统，该系统在扩展至额外GPU前优先最大化单GPU资源利用率，以提升云部署的效率。我们的仿真实验表明，GPU加速计算可显著提升性能，并凸显了云环境中优化资源分配的影响。例如，在一个机器学习实验中，使用包含8.790个条目的数据集，GeForce 3060 ti GPU的执行速度是16线程CPU计算机的3.42倍。与同一16线程CPU相比，Tesla K80 GPU的执行速度则快4.17倍。此外，我们还分析了GPU性能优化策略，包括内存管理、并发技术以及工作负载分配方法，为GPU加速云基础设施的长期可扩展性和成本效益提供了见解。
期刊
IF:
4.6
论文数:
2.6K
被引数:
4.8K
机构
暂无机构信息
引用论文
A Review of Recent Hardware and Software Advances in GPU-Accelerated Edge-Computing Single-Board Computers (SBCs) for Computer Vision.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏分享收藏
分享收藏 没有更多内容
没有更多内容