Führen Sie Objekterkennung, Bildklassifizierung und Videoanalyse auf einem NVIDIA Tesla P40 (24 GB VRAM, Pascal Architektur) aus. GPU-Server sind noch nicht bestellbar; kontaktieren Sie uns, wenn sie benachrichtigt werden.
$ pip install ultralytics && yolo detect predict model=yolov8x.pt source=image.jpg device=0
# Beispiel Installieren
Computervision auf einem GPU-Server führt Objekterkennung, Klassifizierung, Segmentierung und Videoanalysemodelle auf der GPU statt auf der CPU aus.
Führen Sie YOLO und andere Detektoren auf der GPU aus.
Verwenden Sie einen OpenCV Build mit CUDA-Modulen für die GPU-Bildverarbeitung.
Verarbeiten Sie hochauflösende Bilder in größeren Chargen.
Decodieren Sie mit NVDEC und analysieren Sie mehrere Streams auf einer GPU.
Computer Vision kann eine NVIDIA GPU verwenden, um seine Arbeit zu beschleunigen. VPS.org GPU-Server sind noch nicht verfügbar, kontaktieren Sie uns, um zu hören, wenn sie sind. Computer Vision ist eine allgemeine GPU-beschleunigte Arbeitsbelastung. Stellen Sie sicher, dass Ihre Software CUDA-Unterstützung hat und dass Ihre Treiber / Laufzeitversionen die Workload-Anforderungen für Computer Vision entsprechen.
GPU-Server sind noch nicht verfügbar. Heute können Sie Computer Vision auf einem regulären CPU-Plan ausführen, wo es viel langsamer funktioniert als auf einer GPU: SSH in und laufen pip install ultralytics && yolo detect predict model=yolov8x.pt source=image.jpg device=0.
VRAM-Anforderungen für Computer Vision hängen vom Modell und der Chargengröße ab; überprüfen Sie die Projektdokumentation auf aktuelle Zahlen.
GPU-Preise werden veröffentlicht, wenn GPU-Server bestellt werden können. Kontaktieren Sie uns, wenn Sie hören möchten, wenn das passiert.
Ja. Jeder VPS.org-Server verfügt über einen vollständigen Root-Zugriff, sodass Sie andere Werkzeuge neben Computer Vision im RAM und Speicher des Servers ausführen können.
Jeder VPS.org Server verfügt über einen vollständigen Root-SSH-Zugang, so dass Sie Treiber, Bibliotheken und Computer Vision installieren können, wie Sie es auch brauchen.
Nein. Kein Server verfügt über einen vorinstallierten CUDA-Laufzeit- oder NVIDIA-Treiber, und GPU-Server stehen noch nicht zur Verfügung. Sie installieren die Versionen Computer Vision selbst.
Ja. VPS.org Server sind persistente virtuelle Maschinen, nicht ephemere Instanzen: Computer Vision Modelle, Konfigurationen und Daten bleiben auf dem SSD-Speicher des Servers, bis Sie sie löschen.
Halten Sie die Arbeitsdaten auf der SSD des Servers für schnellen Zugriff während Computer Vision läuft, und kopieren Sie fertige Artefakte (Gewichte, Generationen, Einbettungen) auf Speicher außerhalb VPS.org; Snapshots und Backups bleiben auf dem gleichen Speichercluster.
Sie können jeden VPS.org-Server auf einen größeren Plan von der Systemsteuerung aktualisieren; die Größe ändert es neu und Ihre Computer Vision-Installation übernimmt. GPU-Server sind noch nicht verfügbar.
Ja. Backups sind ein kostenpflichtiges Add-on (täglich +30% des Planpreises, 7 Tage gehalten; wöchentlich +20%, 28 Tage gehalten) und Snapshots sind kostenlos, was nützlich ist, bevor lange Computer Vision läuft. Beide bleiben auf dem gleichen Storage-Cluster wie der Server.
Kontaktieren Sie den Support innerhalb von 30 Tagen nach Ihrem ersten Kauf, um eine Rückerstattung zu beantragen. GPU-Server werden noch nicht verkauft, so dass keine GPU-Bestellung beteiligt ist.
Die GPU-Kapazität ist begrenzt. Erzählen Sie uns von Ihrem Arbeitsaufwand und wir werden mit Verfügbarkeit und Preisgestaltung antworten.