VMware vSphere Bitfusion對AI和機器學習，提供彈性基礎架構

VMware vSphere Bitfusion虛擬化了圖形處理單元（GPU）等硬件加速器，以提供一組共享的，可通過網絡訪問的資源，支持人工智慧（AI）和機器學習（ML）工作負載。vSphere Bitfusion可與TensorFow和PyTorch等人工智能框架一起使用。您可以在虛擬機或Docker容器中部署 vSphere Bitfusion，以在數據中心環境中使用。借助vSphere Bitfusion，您可以監視網絡中所有 GPU 伺服器的運行狀況，利用率，效率和可用性。您還可以監視客戶端對GPU的使用情況，並分配配額和時間限制，可按需提供彈性基礎設施。

Bitfusion 要解決的是以下問題：

• 有些團隊在利用機器學習進行研究時沒有 GPU 可以用來加速學習速度；
• 而另一些團隊已經擁有了 GPU，但是他們沒有完全利用 GPU 的處理能力，很多 GPU 資源在白白閒置。

Bitfusion GPU 區分方案具有以下特點：

• 分區可以是任意大小：

Bitfusion 可以指定任意大小的分區，例如 1%；如前所述，這特別適用于開發測試等試驗性的應用場景。

• GPU 獨立性：

各個 GPU 分區相互獨立，各自運行不同的 AI 框架和模型，絕對不會相互影響。

• 大小可動態調整：

GPU 分區可以動態調整大小，例如從同一塊物理 GPU 分出的兩塊分區分別為 45% 和 55%，55% 的 GPU 分區可以進一步拆分成更小的兩塊 35% 和 20%，而不會影響另一塊 45% 分區 上工作負載的正常運行。

• 支援多個物理 GPU：

從不同物理 GPU 中分出來的多個 GPU 分區能夠以多個 GPU 的形式分配給同一個使用者和工作負載，這既可以提高整個 GPU 資源池的利用率，也有助於開發和調試多 GPU 工作負載應用。