Coming soon: NVIDIA Tesla P40, 24 GB VRAM

دانش داده‌ها GPU VPS

از GPU روی NVIDIA Tesla P40 (24 GB VRAM، معماری Pascal) برای کارهای علوم داده در Jupyter استفاده کنید. سرورهای GPU هنوز سفارشی نیستند؛ برای اطلاع از زمان سفارشی شدن با ما تماس بگیرید.

$ pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0
# مثال دستور نصب

Data Science در یک VPS GPU چیست؟

CuPy، XGBoost و PyTorch از Pascal P40 پشتیبانی می‌کنند؛ NVIDIA RAPIDS (cuDF، cuML) نیازمند یک GPU جدید است.

Data Science روی یک کارگزار GPU VPS.org

CuPy و XGBoost

آرایه‌های GPU و افزایش گرادیان که از GPUهای پاسکال پشتیبانی می‌کنند.

مشتری

نصب JupyterLab و کار کردن تعاملی بر روی GPU.

حافظۀ GPU ۲۴ گیگابایتی

در هنگام کار آرایه‌های بزرگ را در حافظه GPU نگه دارید.

دسترسی کامل ریشه

نصب نسخه‌های پشته PyData که نیاز دارید.

Data Science موردهای کاربرد محبوب

تحلیل مجموعه داده‌های بزرگ
مهندسی ویژگی
شتاب‌دهندۀ ETL
مدل‌سازی آماری
تحلیل گراف
تحلیل جغرافیایی فضا

مشخصات GPU برنامه‌ریزی شده

GPUNVIDIA Tesla P40
حافظۀ تصویری24 GB GDDR5
رنگهای CUDA3,840
FP3212 TFLOPS
INT847 TOPS
حافظه سیاه و سفید346 GB/s
معماریPascal (GP102)
گذرگذرگاه PCIe

پرسشهای متداول

Data Science در یک GPU VPS چیست؟

+

Data Science می‌تواند از یک پردازنده گرافیکی NVIDIA برای سرعت بخشیدن به کار خود استفاده کند. کارسازهای پردازنده گرافیکی VPS.org هنوز برای سفارش در دسترس نیستند؛ برای اطلاع از زمان سفارش با ما تماس بگیرید. Data Science یک بار کاری شتاب‌دار پردازنده گرافیکی عمومی است. مطمئن شوید که نرم‌افزار شما پشتیبانی از CUDA دارد و نسخه‌های راننده/ زمان اجرا با نیازمندی‌های بار کاری Data Science مطابقت دارد.

چگونه می‌توانم Data Science را روی یک GPU VPS تنظیم کنم؟

+

سرورهای GPU هنوز برای سفارش در دسترس نیستند. امروزه می‌توانید Data Science را در یک برنامه CPU معمولی اجرا کنید، جایی که بسیار کندتر از GPU کار می‌کند: SSH در و pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0 را اجرا کنید.

برای Data Science چقدر VRAM لازم دارم؟

+

نیازهای VRAM برای Data Science به مدل و اندازه بسته بستگی دارد؛ برای اطلاعات بیشتر مستندات پروژه را بررسی کنید.

چقدر ميشه يه سرور GPU براي Data Science؟

+

قیمت‌گذاری GPU زمانی منتشر خواهد شد که کارگزارهای GPU قابل سفارش باشند. اگر می‌خواهید هنگامی که این اتفاق می‌افتد بدانید با ما تماس بگیرید.

میتونم ابزارهای دیگه رو همزمان با Data Science اجرا کنم؟

+

بله هر سرور VPS.org با دسترسی کامل به ریشه میاد پس میتونی ابزارهای دیگه رو همزمان با Data Science در رم و حافظه سرور اجرا کنی

من کاملاً روی Data Science GPU VPS ریشه میگیرم؟

+

هر سرور VPS.org با دسترسی کامل root SSH همراه است، بنابراین می‌توانید درایورها، کتابخانه‌ها و Data Science را هر طور که نیاز دارید نصب کنید.

آیا VPS.org CUDA را برای Data Science پیش‌نصب می‌کند؟

+

نه. هیچ سرور با یک زمان اجرا CUDA یا راننده NVIDIA پیش‌فرض نمی‌آید، و سرورهای GPU هنوز برای سفارش در دسترس نیستند. نسخه‌هایی که Data Science نیاز دارد را خودتان نصب می‌کنید.

آیا سرور مجازی GPU Data Science من بین نشست‌ها باقی می‌ماند؟

+

بله. سرورهای VPS.org ماشین‌های مجازی پایدار هستند، نه نمونه‌های کوتاه مدت: مدل‌های Data Science، تنظیمات و داده‌ها در حافظه SSD سرور باقی می‌مانند تا زمانی که آن‌ها را حذف کنید.

کجا بايد داده ها رو براي بار کار Data Scienceم ذخيره کنم؟

+

داده‌های کار را در SSD سرور برای دسترسی سریع در طول اجرای Data Science نگه دارید و اشیاء تمام شده (وزن، نسل، embeddings) را به ذخیره خارج از VPS.org کپی کنید؛ عکس‌های لحظه ای و پشتیبان‌ها در همان خوشه ذخیره باقی می‌مانند.

میتونم بعدا Data Science GPU VPS رو مقیاس بگیرم؟

+

می‌توانید هر کارگزار VPS.org را از پنل کنترل به یک طرح بزرگتر ارتقا دهید؛ تغییر اندازه آن را دوباره شروع می‌کند و نصب Data Science شما به آن منتقل می‌شود. کارگزارهای GPU هنوز در دسترس نیستند.

آیا پشتیبان‌ها برای GPU VPS من در دسترس هستند؟

+

بله. پشتیبان‌گیری یک افزونهٔ پرداختی است (روزانه +۳۰٪ از قیمت برنامه، ۷ روز نگه داشته می‌شود؛ هفته ای +۲۰٪، ۲۸ روز نگه داشته می‌شود) و عکس‌های لحظه ای رایگان هستند، که قبل از اجرای طولانی Data Science مفید است. هر دو در همان خوشه ذخیره‌سازی مانند سرور باقی می‌مانند.

ميشه پولم رو پس بگيرم؟

+

در طول ۳۰ روز از اولین خریدتان با پشتیبانی تماس بگیرید تا درخواست بازپرداخت کنید. سرورهای GPU هنوز فروخته نشده‌اند، بنابراین هیچ سفارش GPU درگیر نیست.

می‌خواهید Data Science را در یک کارساز GPU اجرا کنید؟

ظرفیت GPU محدود است. درباره بار کاری خود به ما بگویید و ما با موجودی و قیمت پاسخ خواهیم داد.