在Azure平台，利用NGC提供的预配置容器，开发者可以按需进行GPU计算以扩展自己的需求，并降低软件集成和测试的复杂程度。

为了运行热门的深度学习软件（例如 TensorFlow、Microsoft Cognitive Toolkit、PyTorch 和 NVIDIA TensorRT），创建并测试可靠的软件堆栈必不可少。但这个过程往往非常具有挑战性且耗费时间。

在操作系统层面，驱动程序、库和运行时都有依赖项（dependencies）。并且，许多程序包都建议区分不同版本的支持组件。

另一方面，框架和应用程序频繁升级，这意味着每次有新版本推出时，这项工作就必须重做一次。一般情况下，我们需要测试新版本以确认其是否能提供与以往相同或更好的性能。而且所有这些操作都需要在项目开始之前进行。

对于HPC（高性能计算），如何为众多系统部署最新的软件是其困难所在。除了查找和安装正确的依赖项和进行测试之外，还必须在多租户环境和多个系统中完成此工作。

通过提供带有GPU加速软件的预配置容器，NGC减少了这些复杂操作。而NVIDIA在研发上的持续投入，能够确保深度学习容器始终配备最新的GPU功能。通过每月的升级，NVIDIA对深度学习容器中的完整软件堆栈进行测试、调整和优化，确保实现更加卓越的性能。

NVIDIA还与社群以及框架开发者密切合作，并为开源项目做出了贡献。仅在2017年，NVIDIA参与开源项目并提供专业支持就多达800余次。NVIDIA与在NGC上提供其他容器的开发者合作，以优化其应用程序，并测试这些应用程序的性能和兼容性。

用户可在NGC上使用35个GPU加速的容器，将其用于深度学习软件、高性能计算应用程序、高性能计算可视化工具和众多来自NGC容器注册的合作伙伴应用程序，然后在以下使用 NVIDIA GPU的Microsoft Azure实例类型中运行：

• NCv3（1、2或4个NVIDIA Tesla V100 GPU）

• NCv2（1、2或4个NVIDIA Tesla P100 GPU）

• ND（1、2或4个NVIDIA Tesla P40 GPU）

相同的NGC容器可在各种Azure实例类型上运行，甚至是与不同类型或数量的GPU结合使用。

结合使用NGC容器和Azure非常简单：

1. 只需前往Microsoft Azure Marketplace，查找“NVIDIA GPU Cloud Image for Deep Learning and HPC”（这是一个预配置Azure虚拟机器图像，带有运行NGC容器所需的全部内容）。

2. 在Azure上启动一个兼容的NVIDIA GPU实例。

3. 然后，将您需要的容器从NGC注册服务器中拖到正在运行的实例中。

除了使用Azure Marketplace上的NVIDIA发布图像来运行NGC容器，也可以使用Azure Batch AI在Azure NCv2、NCv3和ND虚拟机上下载和运行这些NGC容器。按照简单的GitHub说明操作，即可开始通过NGC容器使用Batch AI。

通过支持Azure的NGC，每个人都能够更轻松地在云中启动AI或HPC项目。