Utilisez le GPU sur un NVIDIA Tesla P40 (24 GB VRAM, architecture Pascal) pour le travail de data science dans Jupyter. Les serveurs GPU ne sont pas encore disponibles; contactez-nous pour être avertis quand ils le sont.
$ pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0
# Exemple de commande d'installation
La science des données accélérée par GPU déplace les calculs de tableaux lourds et de modèles sur le GPU. CuPy, XGBoost et PyTorch prennent en charge le Pascal P40; NVIDIA RAPIDS (cuDF, cuML) nécessite un GPU plus récent.
Les tableaux GPU et le boostage de gradient qui prennent en charge les GPU Pascal.
Installez JupyterLab et travaillez de manière interactive sur le GPU.
Gardez de grands tableaux dans la mémoire GPU pendant que vous travaillez.
Installez les versions de la pile PyData dont vous avez besoin.
Data Science peut utiliser un GPU NVIDIA pour accélérer son travail. Les serveurs GPU VPS.org ne sont pas encore disponibles pour commander; contactez-nous pour savoir quand ils sont. Data Science est une charge de travail générale accélérée GPU. Assurez-vous que votre logiciel a le support CUDA et que vos versions pilote/exécution correspondent aux exigences de charge de travail pour Data Science.
Les serveurs GPU ne sont pas encore disponibles pour commander. Aujourd'hui, vous pouvez exécuter Data Science sur un plan CPU régulier, où il fonctionne beaucoup plus lentement que sur un GPU: SSH et exécuter pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0.
Les besoins en VRAM pour Data Science dépendent du modèle et de la taille des lots; vérifiez la documentation du projet pour les chiffres actuels.
Les prix GPU seront publiés lorsque les serveurs GPU pourront être commandés. Contactez-nous si vous voulez savoir quand cela se produit.
Oui. Chaque serveur VPS.org est livré avec un accès root complet, vous pouvez donc exécuter d'autres outils à côté de Data Science dans la mémoire vive et le stockage du serveur.
Chaque serveur VPS.org est livré avec un accès SSH racine complète, de sorte que vous pouvez installer les pilotes, les bibliothèques et Data Science comme vous le souhaitez.
Non. Aucun serveur n'est livré avec un pilote d'exécution CUDA ou NVIDIA préinstallé, et les serveurs GPU ne sont pas encore disponibles pour commander. Vous installez les versions Data Science vous-même.
Oui. Les serveurs VPS.org sont des machines virtuelles persistantes, pas des instances éphémères : les modèles Data Science, les configs et les données restent sur le stockage SSD du serveur jusqu'à ce que vous les supprimiez.
Continuez à travailler sur le SSD du serveur pour un accès rapide pendant les exécutions de Data Science, et copiez les artefacts finis (poids, générations, embarquations) au stockage extérieur de VPS.org ; les instantanés et sauvegardes restent sur le même groupe de stockage.
Vous pouvez mettre à niveau n'importe quel serveur VPS.org vers un plan plus grand depuis le panneau de contrôle ; la redimensionnement le redémarre et votre installation Data Science se déplace. Les serveurs GPU ne sont pas encore disponibles.
Oui. Les sauvegardes sont un add-on payant (par jour +30% du prix du forfait, gardé 7 jours; hebdomadaire +20%, gardé 28 jours) et les instantanés sont gratuits, ce qui est utile avant de longues Data Science. Les deux restent sur le même groupe de stockage que le serveur.
Assistance de contact dans les 30 jours suivant votre premier achat pour demander un remboursement. Les serveurs GPU ne sont pas encore vendus, donc aucune commande GPU n'est en cause.
La capacité de GPU est limitée. Parlez-nous de votre charge de travail et nous répondrons avec disponibilité et prix.