da Agency

AWS Graviton2-basierte Amazon EC2 C6gd-Instances sind jetzt in der Region Asien-Pazifik (Seoul) verfügbar

Amazon EC2 C6gd-Instances sind ab heute in der AWS-Region Asien-Pazifik (Seoul) verfügbar C6gd-Instances sind ideal für anspruchsvolle Workloads wie High Performance Computing (HPC), Batch-Verarbeitung, Ad-Serving, Videocodierung, Gaming, wissenschaftliche Modellierung, verteilte Analytik und CPU-basierte Machine-Learning-Inferenz. C6gd-Instances bieten bis zu 50 % mehr NVMe-Speicher GB/vCPU im Vergleich zu x86-basierten Instances und sind ideal für Anwendungen, die schnellen, lokalen Speicher mit niedriger Latenz benötigen.
Quelle: aws.amazon.com

da Agency

Amazon EC2 C7g-Instances betrieben mit AWS Graviton3-Prozessoren sind jetzt in den Regionen USA-Ost (Ohio) und Europa (Irland) verfügbar

Ab heute sind Compute-optimierte Amazon EC2 C7g-Instances in den Regionen USA Ost (Ohio) und Europa (Irland) verfügbar. C7g-Instances sind die ersten Instances, die von den neuesten AWS-Graviton3-Prozessoren angetrieben werden und eine bis zu 25 % bessere Leistung als Graviton2-basierte C6g-Instances für ein breites Spektrum von Anwendungen wie Anwendungsserver, Microservices, Batch-Verarbeitung, Electronic Design Automation (EDA), Spiele, Videocodierung, wissenschaftliche Modellierung, verteilte Analytik, High Performance Computing (HPC), CPU-basierte Machine Learning (ML)-Inferenz und Ad Serving bieten.
Quelle: aws.amazon.com

da Agency

Amazon EC2 G5-Instances sind jetzt in weiteren Regionen verfügbar

Ab heute sind Amazon Elastic Compute Cloud (Amazon EC2) G5-Instances betrieben mit NVIDIA A10G Tensor Core-GPUs in den Regionen Asien-Pazifik (Mumbai, Tokio), Europa (Frankfurt, London) und Kanada (Zentral) verfügbar. G5-Instances können für zahlreiche grafikintensive und Machine-Learning-Anwendungsfälle eingesetzt werden. Sie bieten im Vergleich zu Amazon-EC2-G4dn-Instances eine bis zu 3-mal höhere Leistung für grafikintensive Anwendungen und Machine-Learning-Inferenz sowie eine bis zu 3,3-mal höhere Leistung beim Trainieren von einfachen bis moderat komplexen Machine-Learning-Modellen.
Quelle: aws.amazon.com