Train réseaux neuronaux tels que CNN, petits transformateurs et GAN sur un NVIDIA Tesla P40 (24 GB VRAM, architecture Pascal). Les serveurs GPU ne sont pas encore disponibles; contactez-nous pour être avertis quand ils sont.
$ pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())"
# Exemple de commande d'installation
L'apprentissage profond a besoin d'une accélération GPU pour former des réseaux neuronaux dans un délai raisonnable. Un serveur GPU vous donne un GPU pour vos propres expériences.
PyTorch, TensorFlow, JAX ou tout cadre CUDA qui supporte encore les GPUs Pascal.
Le GPU n'est pas partagé, donc la vitesse de formation ne dépend pas des autres clients.
Chambre pour les architectures de taille moyenne et les tailles de lots.
Un serveur persistant peut exécuter de longs travaux de formation; enregistrer des points de contrôle au fur et à mesure que vous allez.
Deep Learning 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. Deep Learning 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 Deep Learning.
Les serveurs GPU ne sont pas encore disponibles pour commander. Aujourd'hui, vous pouvez exécuter Deep Learning sur un plan CPU régulier, où il fonctionne beaucoup plus lentement que sur un GPU: SSH et exécuter pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())".
Les besoins en VRAM pour Deep Learning 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 Deep Learning 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 Deep Learning 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 Deep Learning vous-même.
Oui. Les serveurs VPS.org sont des machines virtuelles persistantes, pas des instances éphémères : les modèles Deep Learning, 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 Deep Learning, 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 Deep Learning 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 Deep Learning. 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.