隨著深度學習對人工智能的巨大推動，深度學習所構建的多層神經網絡模型的參數空間已從***上升到百億級，這對計算能力提出了新的挑戰。相比CPU，GPU更適合深度學習的神經網絡模型，可進行高度統一、相互無依賴的大規模并行計算。

阿里云發布的***一代異構計算通用GPU實例GN5規格族就是一款用于搭建深度學習加速平臺的云端利器。

“品學兼優”的GN5采用了NVIDIA Pascal架構旗艦級P100 GPU，可在云端按需構建敏捷彈性、高性能和高性價比的深度學習平臺，讓用戶以最簡便地方式享用阿里云遍布全球的高效、穩定的云基礎設施資源。

與上一代相比，GN5的單實例性能拓展了5倍，單實例最多可提供8個 NVIDIA P100 GPU，提供2萬多個并行處理核心，***75TFLOPS FP32單精度浮點、150 TFLOPS FP16半精度浮點和38 TFLOPS FP64雙精度浮點運算能力。

自建GPU物理服務器經常會遇上擴容難、適配難的難題，GN5規格族提供了靈活彈性的系列化配置，可以根據深度學習計算力的要求，按需選擇合適的規格，分鐘級即可完成實例的創建，并可根據運算力需求進行GPU實例的“Scale-out”水平擴容或“Scale-up”垂直變配。

為了更好地發揮GN5多GPU卡并行計算效率，GN5支持GPUDirect，通過GPU卡之間點對點通信，可讓GPU之間在無需CPU干預下，直接通過PCIe的總線進行高帶寬低時延的互聯通信，極大地提升了深度學習訓練中模型參數交換效率。

除了GPU外，深度學習還需要有海量的數據存儲能力、業務服務能力、監控能力等，這在傳統模式下復雜度高、工作量大、費時費力。而GN5實現了與ECS彈性計算生態的***結合，可與OSS對象存儲、NAS文件存儲等打通，滿足深度學習海量訓練數據的低成本存儲和訪問要求；通過EMR服務進行預處理；通過云監控服務進行GPU資源的監控與告警；通過負載均衡、彈性伸縮、資源編排等快速在云端搭建完整彈性GPU服務；并可搭配容器服務使用，簡化部署和運維的復雜度，提供資源調度服務等。

GN5實例支持靈活的使用支付方式，用戶可以按年支付以獲得***的使用折扣；也支持按月周期付費，以降低用戶的計算資源使用一次性投入成本，并且具有相對較低的單位小時使用價格；同樣支持按小時的付費方式使用戶以***的單次使用成本來應對臨時性的短期使用需求。