ប្រើ GPU នៅលើ NVIDIA Tesla P40 (24 GB VRAM, ស្ថាបត្យកម្ម Pascal) សម្រាប់ការងារវិទ្យាសាស្ត្រទិន្នន័យនៅក្នុង Jupyter ។ ម៉ាស៊ីនបម្រើ GPU មិនត្រូវបានបញ្ជាទិញនៅឡើយទេ សូមទាក់ទងយើងដើម្បីទទួលបានការជូនដំណឹងនៅពេលពួកគេ។
$ pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0
# ពាក្យបញ្ជាដំឡើងឧទាហរណ៍
វិទ្យាសាស្ត្រទិន្នន័យដែលបានបង្កើនល្បឿនដោយ GPU ផ្លាស់ទីការគណនាអ័ក្ស និងគំរូធ្ងន់ទៅកាន់ GPU ។ CuPy, XGBoost និង PyTorch គាំទ្រ Pascal P40 NVIDIA RAPIDS (cuDF, cuML) ត្រូវការ GPU ថ្មី ។
អារេ GPU និងការបង្កើនជម្រាលដែលគាំទ្រ Pascal GPUs ។
ដំឡើង JupyterLab និងធ្វើការអន្តរកម្មលើ GPU ។
រក្សាអារេធំនៅក្នុងសតិ GPU ខណៈពេលអ្នកធ្វើការ ។
ដំឡើងកំណែជង់ PyData ដែលអ្នកត្រូវការ ។
Data Science អាចប្រើ NVIDIA GPU ដើម្បីបង្កើនល្បឿនការងាររបស់ខ្លួន។ ម៉ាស៊ីនបម្រើ VPS.org GPU មិន អាចបញ្ជាទិញបាននៅឡើយទេ; ទាក់ទងមកយើងដើម្បីឮនៅពេលពួកគេ។ Data Science គឺជាការផ្ទុកការងារដែលបង្កើនល្បឿន GPU ទូទៅ។ ប្រាកដថាកម្មវិធីរបស់អ្នកមានការគាំទ្រ CUDA ហើយថាកម្មវិធីបញ្ជា / កំណែ Runtime របស់អ្នកសមនឹងតម្រូវការផ្ទុកការងារសម្រាប់ Data Science ។
ម៉ាស៊ីនបម្រើ GPU មិន អាច បញ្ជា ទិញ បាន នៅ ឡើយ ទេ ។ ថ្ងៃនេះ អ្នក អាច រត់ Data Science លើ ផែនការ CPU ធម្មតា កន្លែង ដែល វា ធ្វើការ យឺត ជាង លើ GPU ៖ SSH ក្នុង និង រត់ pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0 ។
VRAM ត្រូវការសម្រាប់ Data Science អាស្រ័យលើម៉ូដែល និងទំហំបាច់ ពិនិត្យមើលឯកសារគម្រោងសម្រាប់រូបតំណាងបច្ចុប្បន្ន ។
ការកំណត់តម្លៃ GPU នឹងត្រូវបានចេញផ្សាយនៅពេលដែលម៉ាស៊ីនបម្រើ GPU អាចត្រូវបានបញ្ជាទិញ ។ ទាក់ទងយើងប្រសិនបើអ្នកចង់ឮពេលដែលវាកើតឡើង ។
បាទ / ចាស ។ ម៉ាស៊ីនបម្រើ VPS.org ទាំងអស់មកជាមួយការចូលដំណើរការ root ពេញលេញដូច្នេះអ្នកអាចរត់ឧបករណ៍ផ្សេងទៀតនៅក្បែរ Data Science នៅក្នុង RAM និងកន្លែងផ្ទុករបស់ម៉ាស៊ីនបម្រើ។
ម៉ាស៊ីនបម្រើ VPS.org ទាំងអស់មកជាមួយការចូលដំណើរការ SSH root ពេញលេញ ដូច្នេះអ្នកអាចដំឡើងកម្មវិធីបញ្ជា បណ្ណាល័យ និង Data Science ទោះបីជាអ្នកត្រូវការ ។
ទេ. ម៉ាស៊ីនបម្រើគ្មានមកជាមួយ CUDA រត់ពេលឬកម្មវិធីបញ្ជា NVIDIA បានដំឡើងជាមុននិងម៉ាស៊ីនបម្រើ GPU មិនអាចរកបានដើម្បីបញ្ជានៅឡើយទេ. អ្នកដំឡើងកំណែ Data Science ត្រូវការខ្លួនឯង.
បាទ/ ចាស ។ ម៉ាស៊ីនបម្រើ VPS.org គឺជាម៉ាស៊ីននិម្មិតដែលមានភាពរឹងមាំមិនមែនជាឧទាហរណ៍ដែលមានរយៈពេលខ្លីទេ ៖ ម៉ូដែល Data Science ការកំណត់រចនាសម្ព័ន្ធ និងទិន្នន័យនៅលើការផ្ទុក SSD របស់ម៉ាស៊ីនបម្រើរហូតដល់អ្នកលុបពួកវា ។
រក្សាទុកទិន្នន័យការងារនៅលើ SSD របស់ម៉ាស៊ីនបម្រើសម្រាប់ការចូលដំណើរការលឿនក្នុងអំឡុងពេលរត់ Data Science និងចម្លង artefacts បញ្ចប់ (ទម្ងន់, ជំនាន់, បង្កប់) ទៅការផ្ទុកខាងក្រៅ VPS.org; snapshots និងបម្រុងទុកនៅសល់នៅលើ cluster ផ្ទុកដូចគ្នា។
អ្នកអាចធ្វើឲ្យម៉ាស៊ីនបម្រើ VPS.org ណាមួយប្រសើរឡើងទៅផែនការធំជាងពីបន្ទះបញ្ជា ការប្ដូរទំហំចាប់ផ្តើមវាឡើងវិញ ហើយការដំឡើង Data Science របស់អ្នកដឹកលើ ។ ម៉ាស៊ីនបម្រើ GPU មិនទាន់មាននៅឡើយទេ ។
បាទ. ការបម្រុងទុកគឺជាការបន្ថែមដែលបានបង់ប្រាក់ (ប្រចាំថ្ងៃ +30% នៃតម្លៃផែនការ, រក្សាទុក7ថ្ងៃ; រៀងរាល់សប្តាហ៍ +20%, រក្សាទុក 28 ថ្ងៃ) និង snapshots គឺឥតគិតថ្លៃ, ដែលមានប្រយោជន៍មុនពេល Data Science យូររត់. ទាំងពីរនៅសល់នៅលើ cluster ផ្ទុកដូចគ្នាដូចជាម៉ាស៊ីនបម្រើ.
ទាក់ទងការគាំទ្រក្នុងរយៈពេល 30 ថ្ងៃនៃការទិញដំបូងរបស់អ្នកដើម្បីស្នើសុំការសងប្រាក់។ ម៉ាស៊ីនបម្រើ GPU មិនត្រូវបានលក់នៅឡើយទេដូច្នេះគ្មានការបញ្ជាទិញ GPU ពាក់ព័ន្ធ។
សមត្ថភាព GPU គឺ មាន កម្រិត. ប្រាប់ យើង អំពី ចំនួន ការងារ របស់ អ្នក ហើយ យើង នឹង ឆ្លើយ តប ជាមួយ ភាព អាច រក បាន និង តម្លៃ.