Użyj GPU na NVIDIA Tesla P40 (24 GB VRAM, Pascal architektura) do pracy naukowej w Jupyter. Serwery GPU nie są jeszcze porządne; skontaktuj się z nami, aby być powiadomione, kiedy są.
$ pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0
# Przykład polecenia instalacyjnego
Nauka o przyspieszonych danych GPU przenosi ciężkie tary i obliczenia modelowe do GPU. CuPy, XGBoost i PyTorch obsługują Pascal P40; NVIDIA RAPIDS (cuDF, cuML) wymaga nowszego GPU.
GPU agregaty i gradient wzmacniające, które wspierają Pascal GPUs.
Zainstaluj JupyterLab i działaj interaktywnie na GPU.
Zachowywać duże tablice w pamięci GPU podczas pracy.
Zainstaluj wymagane wersje stacka PyData.
Data Science może używać NVIDIA GPU do przyspieszenia jego pracy. VPS.org GPU serwery nie są jeszcze dostępne; skontaktuj się z nami, aby usłyszeć kiedy są. Data Science jest ogólną zadaną pracą GPU. Upewnij się, że Twoje oprogramowanie ma wsparcie PUDA i że Twój kierowca / wersja jazdy odpowiada wymaganiom pracy dla Data Science.
Serwery GPU nie są jeszcze dostępne. Dzisiaj można uruchomić Data Science w ramach regularnego planu procesora, gdzie działa on znacznie powoli niż w GPU: SSH w i uruchomić pip install cudf-cu12 cuml-cu12 jupyterlab && jupyter lab --ip=0.0.0.0.
Potrzeby VRAM dla Data Science zależą od wielkości modelu i partii; sprawdź dokumentację projektu, aby uzyskać aktualne dane.
GPU ceny zostaną opublikowane, gdy serwery GPU będą mogły być zamówione. Skontaktuj się z nami, jeśli chcesz usłyszeć, kiedy to się stanie.
Tak. Każdy serwer VPS.org ma pełny dostęp do korzeni, więc można uruchomić inne narzędzia obok Data Science w pamięci i przechowywaniu serwera.
Każdy serwer VPS.org przychodzi z pełnym dostępem SSH root, więc możesz zainstalować sterowniki, biblioteki i Data Science, jak tylko chcesz.
Nie. Nie ma serwera z uruchomieniem CIDA lub NVIDIA sterownik wstępnie zainstalowany, a serwery GPU nie są jeszcze dostępne do zamówienia. Zainstalowałeś wersje Data Science potrzebują siebie.
Tak. serwery VPS.org to uporcze maszyny wirtualne, a nie efemeralne przykłady: modele Data Science, konfiguracje i dane pozostają na pamięci SSD serwera, aż je usuniesz.
Zachować prace nad SSD serwera w celu szybkiego dostępu podczas uruchamiania Data Science i kopiować gotowe artefakty (wagi, pokolenia, wbudowy) do przechowywania poza VPS.org; zdjęcia i kopie kopii pozostają na tym samym gronie.
Możesz uaktualnić każdy serwer VPS.org do większego planu z panelu sterowania; zmiana rozmiaru ponownie go i instalacja Data Science przenosi. Serwery GPU nie są jeszcze dostępne.
Tak. Kopia kopii to dodatek (dnia +30% ceny planu, zatrzymane 7 dni; tydzień +20%, przechowywane 28 dni) i zrzuty są bezpłatne, co jest użyte przed długim uruchomieniem Data Science. Oba pozostań na tym samym gronie co serwer.
Wsparcie kontaktowe w ciągu 30 dni od pierwszego zakupu, aby zażądać zwrotu. Serwery GPU nie są jeszcze sprzedawane, więc nie ma zamówienia GPU.
Pojemność GPU jest ograniczona. Opowiedz nam o swojej pracy i będziemy odpowiedzieć na to za pomocą dostępności i cen.