在本周于法蘭克福召開的國際超算大會上，NVIDIA推出9個新的HPC和可視化容器。至此，用戶可在NGC上使用35個深度學習、高性能計算和可視化容器。NVIDIA GPU Cloud（NGC）自去年推出以來，提供的容器數量已增加了兩倍多。

NVIDIA一直努力推動部署GPU加速的高性能計算和人工智能。在過去三年中，尤其是對于從事AI工作的研究人員和數據科學家而言，容器已成為在共享集群上部署應用并加速其工作的關鍵工具。

深度學習框架也是深度神經網絡設計、訓練和驗證的構建模塊，這些容器使深度學習框架的部署能夠更快更輕松。框架的設置是一個非常復雜又耗時的過程，容器簡化了這一流程，因此用戶可通過簡單的拖動和運行指令就能訪問最新版的應用程序。

復雜的部署挑戰也存在于HPC計算和可視化應用中。

進展迅速：全新NGC容器包括CHROMA、CANDLE、PGI和VMD

在去年超算大會推出的包括NAMD、GROMACS和ParaView在內的八個容器基礎上，NGC新增了9個HPC和可視化容器，包括CHROMA、CANDLE、PGI和VMD。

NGC上提供的PGI編譯器容器將助力開發者構建面向多核CPU和NVIDIA Tesla GPU的HPC應用。有了PGI編譯器和工具，就能通過OpenACC、OpenMP和CUDA Fortran并行編程，開發具有性能可移植性的HPC應用。

NGC容器對于用戶的價值顯而易見，現已有超過27000名用戶注冊訪問NGC容器注冊。

容器必然會讓HPC應用的部署變得更加輕松且快速。

容器加速發現過程

對容器的需求不僅局限于深度學習。超級計算也亟需簡化所有細分市場的應用部署，這是因為幾乎所有的超算中心都采用環境模塊來構建、部署和啟動應用。

如果沒有容器，應用的更新就會相當復雜，如上圖所示。

這種方法可能需要幾天的時間，所以非常耗時且生產效率低下。這對系統管理員和最終用戶來說都是一種非常低效的方式。

在超算領域中，這種安裝的復雜性就限制了用戶訪問最新功能并享受優化的性能，繼而延遲發現進程。

容器簡化共享系統上的應用部署

容器是一個很好的選擇。無需安裝意味著無需跟蹤或擔心打破環境模塊鏈路。

用戶只需拖動并運行容器即可部署應用

用戶可自行提取容器，并在幾分鐘內完成應用部署，而無需因為走審批流程而等待好幾天。

系統管理員現可專注于任務關鍵型的工作任務，而非服務和維護應用。

容器的其他主要優點還包括提供了可重復性和可移植性。用戶可在不安裝應用的情況下，在各種系統上運行工作負載并獲得等效的模擬結果。這對驗證研究論文的結果尤其有幫助。

NGC提高生產力并加速發現進程

NGC容器內的應用是GPU加速的，比CPU系統具有更好的性能。

用戶可訪問最新版本的HPC應用，且NVIDIA每月都會在整個軟件堆棧范圍內對深度學習框架容器進行更新和優化，以提供基于NVIDIA GPU的最佳性能。

最后，這些容器還將在支持的云服務提供商（包括AWS、谷歌云平臺和Oracle云基礎設施）的各種系統上（包括基于GPU的工作站、NVIDIA DGX System和NVIDIA GPU）進行測試，以實現流暢的用戶體驗。