本頁面由 Cloud Translation API 翻譯而成。

Dataflow 支援 GPU

本頁提供 GPU 如何搭配 Dataflow 運作的背景資訊，包括先決條件和支援的 GPU 類型。

在 Dataflow 工作中使用 GPU，可加速部分資料處理工作。GPU 執行特定運算的速度比 CPU 快。這些運算通常是數值或線性代數，常用於圖像處理和機器學習用途。效能提升幅度取決於用途、運算類型和處理的資料量。

在 Dataflow 中使用 GPU 的先決條件

如要在 Dataflow 工作中使用 GPU，必須使用 Runner v2。
Dataflow 會在 Docker 容器內的工作站 VM 中執行使用者程式碼。這些工作站 VM 會執行 Container-Optimized OS。如要讓 Dataflow 工作使用 GPU，必須符合下列先決條件：
- GPU 驅動程式會安裝在工作站 VM 上，Docker 容器可存取這些驅動程式。詳情請參閱「安裝 GPU 驅動程式」。
- 自訂容器映像檔中已安裝管道所需的 GPU 程式庫，例如 NVIDIA CUDA-X 程式庫或 NVIDIA CUDA Toolkit。詳情請參閱「設定容器映像檔」。
由於 GPU 容器通常很大，為避免磁碟空間不足，請將預設開機磁碟大小增加至 50 GB 以上。

使用 GPU 的工作會產生費用，詳情請參閱 Dataflow價格頁面。

Dataflow 支援下列 GPU 類型：

如要進一步瞭解各 GPU 類型，包括效能資料，請參閱 Compute Engine GPU 平台。

如要瞭解 GPU 適用的區域和可用區，請參閱 Compute Engine 說明文件中的「GPU regions and zones availability」。

下表針對不同工作負載，提供建議使用的 GPU 類型。下表中的範例僅供參考，您必須在自己的環境中進行測試，才能判斷適合工作負載的 GPU 類型。

如要進一步瞭解不同 GPU 型號的記憶體大小、功能可用性，以及理想的工作負載類型，請參閱 GPU 平台頁面的一般比較圖表。