Գրաֆիկական պրոցեսոր NVIDIA Tesla P40-ի վրա (24 ԳԲ VRAM, Pascal ճարտարապետություն) օգտագործել Jupyter-ի տվյալների գիտության աշխատանքի համար։ Գրաֆիկական պրոցեսորների սերվերները դեռևս չեն կարող պատվիրվել։ Հաղորդակցվեք մեզ հետ, որպեսզի տեղեկացնենք, երբ դրանք կհայտնվեն։
$ pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0
# Տեղադրման հրամանի օրինակ
Գրաֆիկական պրոցեսորի արագացրած տվյալների գիտությունը տեղափոխում է ծանր մոդելների և մոդելային հաշվարկները գրաֆիկական պրոցեսորի վրա։ CuPy, XGBoost և PyTorch-ը աջակցում են Pascal P40-ին։ NVIDIA RAPIDS-ը (cuDF, cuML) պահանջում է նոր GPU։
GPU-ի ռեժիմներ և գրաֆիկական պրոցեսորի աջակցությամբ պրոցեսորը արագացնելու գործիքներ։
Տեղադրել JupyterLab-ը և աշխատել GPU-ի վրա ինտերակտիվ կերպով։
Գրաֆիկական պրոցեսորի հիշողության մեջ պահել մեծ մակարդակների ցուցակները, երբ աշխատում եք։
Տեղադրել PyData stack-ի անհրաժեշտ տարբերակները։
Data Science- ը կարող է օգտագործել NVIDIA GPU- ն իր աշխատանքը արագացնելու համար։ VPS.org GPU սերվերները դեռևս չեն հասանելի պատվիրելու համար։ Հետևեք մեզ՝ իմանալու համար, երբ դրանք հասանելի կլինեն։ Data Science- ը GPU- ով արագացված ընդհանուր աշխատանքային ծանրաբեռնվածություն է։ Վստահ եղեք, որ ձեր ծրագրային ապահովումը CUDA- ի աջակցություն ունի և ձեր վարորդը / գործարկման տարբերակը համապատասխանում է Data Science- ի աշխատանքային ծանրաբեռնվածության պահանջներին։
Գրաֆիկական պրոցեսորի սերվերները դեռևս չեն կարող պատվիրվել։ Այսօր դուք կարող եք Data Science-ը գործարկել սովորական պրոցեսորի պլանի վրա, որտեղ այն ավելի դանդաղ է աշխատում, քան գրաֆիկական պրոցեսորի վրա։ Սեղմեք SSH և գործարկեք pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0-ը։
Data Science-ի համար VRAM-ի պահանջները կախված են մոդելից և խմբի չափից։ Դիտեք նախագծի փաստաթղթերը՝ ներկայիս տվյալների համար։
GPU-ի գինը կհայտարարվի, երբ GPU սերվերները կարողանան պատվիրվել։ Հեռացեք մեզանից, եթե ցանկանում եք իմանալ, թե երբ է դա տեղի ունենալու։
Այո։ Յուրաքանչյուր VPS.org սերվեր ունի root-ի լիակատար իրավունքներ, այնպես որ դուք կարող եք Data Science-ի հետ միասին նաև այլ գործիքներ երթևեկել սերվերի RAM-ում և պահեստում։
Յուրաքանչյուր VPS.org սերվեր ունի root SSH մուտք, այնպես որ դուք կարող եք տեղադրել դիզայներներ, գրադարաններ և Data Science, ինչպես ձեզ հարկավոր է։
Ոչ։ Ոչ մի սերվեր չի ապահովված CUDA-ի կամ NVIDIA-ի դյուրակիրներով, և GPU սերվերները դեռևս չեն կարող պատվիրվել։ Դուք ինքներդ եք տեղադրում Data Science-ի պահանջվող տարբերակները։
Այո։ VPS.org սերվերները մշտական վիրտուալ մեքենաներ են, ոչ թե ժամանակավոր օրինակներ։ Data Science մոդելները, կառույցները և տվյալները մնում են սերվերի SSD պահեստում մինչև դրանք ոչնչացնելը։
Պահել տվյալները սերվերի SSD-ում Data Science-ի աշխատանքի ժամանակ արագ հասանելիության համար, և պատճենել ավարտվելիք արվեստագործությունները (կշիռներ, սերունդներ, ներդրումներ) VPS.org-ից դուրս պահպանման համար։ Սկզբնական նկարները և պահեստային սկավառակները մնում են նույն պահպանման խմբում։
Դուք կարող եք վերանորոգել ցանկացած VPS.org սերվեր ավելի մեծ պլանի համար կառավարման վահանակից, վերանորոգման ժամանակ այն կվերսկսվի և Data Science-ի տեղադրումը կկատարվի։ GPU սերվերները դեռևս հասանելի չեն։
Այո։ Առաջնահաշիվները վճարովի հավելված են (օրական +30% պլանի արժեքից, պահպանվում է 7 օր; շաբաթական +20%, պահպանվում է 28 օր) և նկարները անվճար են, ինչը օգտակար է Data Science-ի երկարատև գործարկման համար։ Դրանք երկուսն էլ մնացել են սերվերի հետ նույն պահպանման խմբում։
Հաղորդակցվել աջակցության հետ առաջին գնումից հետո 30 օրվա ընթացքում՝ գումարը վերադարձնելու համար։ GPU սերվերները դեռևս չեն վաճառվել, հետևաբար GPU-ի պատվեր չի կատարվել։
Գրաֆիկական պրոցեսորի ունակությունը սահմանափակ է։ Պատմեք մեզ ձեր աշխատանքի ծավալի մասին, և մենք կպատասխանենք՝ նշելով հասանելիությունը և գինը։