创建带GPU的GCP Deep Learning VM实例遇配额报错,是否误选预留GPU
关于创建Deep Learning VM时GPU选型的核心说明
在创建Deep Learning VM、选择GPU的环节,默认完全不会选中Committed(已承诺/预留)类型的GPU:
- Committed GPU是用户主动购买1年/3年期预留折扣计划后才会获得的专属资源池,它的配额计算、绑定逻辑完全和按需创建实例的流程隔离。你翻遍整个实例创建配置页,也找不到任何选择Committed类型GPU的入口,页面上所有可下拉选择的GPU选项,全部对应按需付费的通用GPU资源池,不会关联到Committed的配额校验。
- 你在配额页面看到的
Committed NVIDIA ***配额为0的显示,只是说明你没有购买任何预留承诺类的GPU资源,这个数值和你创建按需实例时的配额校验没有任何关系,不会因为它为0就触发报错。
你当前收到的报错真实原因
触发的You've gone over GPUs (all regions) quota by 1 GPU报错,和你看到的单个型号GPU配额显示不冲突:
- 这个报错对应的是账号维度的全区域GPU总数量全局配额校验,是新账号创建GPU类实例时最常见的触发场景。哪怕你在配额页面看到单个型号比如NVIDIA V100的配额显示为1,只要这个全局总配额的阈值还停留在默认的0值,创建时的校验逻辑会优先拦截全局配额超限的请求,根本不会走到单型号配额的校验环节。
- 新GCP账号往往会在配额页面展示单型号GPU的试用展示配额,但全局总GPU配额会因为账号信任度、付费状态的默认设置,远低于单型号的展示值,这也是为什么你明明看到V100配额为1,依然会收到超出1个GPU限额的报错。
对应的处理方向
- 不需要对Committed配额做任何操作,直接定位到配额列表里的
GPUs (all regions)全局配额项,提交至少1个GPU的提额申请,申请时标注清楚是用于深度学习开发的按需实例创建需求,通常审核流程很快。 - 等全局GPU配额生效后,再返回创建页面选择V100 GPU配置实例,全程不会出现自动选中Committed GPU的情况,除非你主动去购买对应的预留折扣计划。
内容的提问来源于stack exchange,提问作者Liam Pieri
相关产品推荐
相关产品推荐

