24 აპრილი : აშშ-ს 40-ე პრეზიდენტი ჯორჯ ბუში.

ძიება

ნეირონული ქსელის, მაგალითად CNN-ის, მცირე ტრანსფორმატორების და GAN-ის NVIDIA Tesla P40-ზე (24 GB VRAM, Pascal-ის არქიტექტურა) წვრთნა. GPU სერვერები ჯერ არ არის შესაძლებელი; დაგვიკავშირდით, რომ გაიგოთ, თუ როდის იქნება შესაძლებელი მათი შეკვეთა.

$ pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())"
# დაყენების ბრძანების მაგალითი

რა არის Deep Learning GPU VPS-ზე?

ღრმა სწავლება საჭიროებს GPU აჩქარებას, რათა ნეირონული ქსელი დროულად მომზადებული იყოს. GPU სერვერი გთავაზობთ GPU- ს თქვენი ექსპერიმენტებისთვის.

Deep Learning VPS.org გრაფიკული პროცესორის სერვერზე

ბლოკის არჩევა

PyTorch, TensorFlow, JAX ან ნებისმიერი CUDA ბლოკი, რომელიც ჯერ კიდევ მხარს უჭერს Pascal GPU-ს.

სიჩქარე

GPU არ არის გაზიარება, ასე რომ წვრთნის სიჩქარე არ დამოკიდებულია სხვა კლიენტებზე.

24 გბ VRAM

1999 წელს სოფელში დაარსდა სოფლის მეურნეობის დარგები და ფერმები.

გრძელი დავალებანი

სერვერის გრძელი სწავლების დავალება შეიძლება ჩატარდეს. შენახვა checkpoints როგორც თქვენ წასვლა.

პოპულარული Deep Learning გამოყენების შემთხვევები

CNN-ის წვრთნა
ტრანსფორმატორის მოდელი
GAN წვრთნაName
გაძლიერება
AutoML ექსპერიმენტები
ნეირონული არქიტექტურის ძებნაName

GPU- ს სპეციფიკაციები

გრაფიკული პროცესორიNVIDIA Tesla P40
VRAM24 GB GDDR5
CUDA ფერები3,840
FP3212 TFLOPS
INT847 TOPS
მეხსიერება346 GB/s
არქიტექტურაNamePascal (GP102)
გადაცემაPCIe გადამცემი

ხშირად დასმული კითხვები

What is Deep Learning on a GPU VPS?

+

Deep Learning- მა შეუძლია NVIDIA გრაფიკული პროცესორის გამოყენება მისი მუშაობის გასასწრაფებლად. VPS.org გრაფიკული სერვერები ჯერ არ არის ხელმისაწვდომი; დაგვიკავშირდით, რომ გაიგოთ, როდის იქნება ხელმისაწვდომი. Deep Learning არის გრაფიკული პროცესორის მიერ დააჩქარებული სამუშაო დატვირთვა. დარწმუნდით, რომ თქვენი პროგრამა CUDA- ს მხარდაჭერას ფლობს და რომ თქვენი დრაივერის/ წარმადობის ვერსიები შეესაბამება Deep Learning- ს სამუშაო დატვირთვის მოთხოვნებს.

როგორ დავყენო Deep Learning GPU VPS- ზე?

+

GPU სერვერები ჯერ არ არის ხელმისაწვდომი. დღეს თქვენ შეგიძლიათ Deep Learning- ის გაშვება ჩვეულებრივ CPU გეგმაზე, სადაც ის მუშაობს უფრო ნელა ვიდრე GPU- ზე: შედით SSH- ში და გაუშვით pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())".

How much VRAM do I need for Deep Learning?

+

Deep Learning-ის VRAM-ის მოთხოვნილება დამოკიდებულია მოდელსა და ბატის ზომაზე; მიმდინარე მონაცემებისთვის შეამოწმეთ პროექტის დოკუმენტაცია.

How much would a GPU server for Deep Learning cost?

+

GPU- ს ფასები გამოქვეყნდება, როდესაც GPU სერვერები შეძლებენ შეკვეთას. დაგვიკავშირდით, თუ გსურთ გაიგოთ, თუ როდის მოხდება ეს.

Can I run other tools alongside Deep Learning?

+

Yes. Every VPS.org server comes with full root access, so you can run other tools alongside Deep Learning within the server's RAM and storage.

Do I get full root on the Deep Learning GPU VPS?

+

ყველა VPS.org სერვერი მოდის სრული root SSH წვდომით, ასე რომ შეგიძლიათ დააყენოთ დრაფიტები, ბიბლიოთეკები და Deep Learning როგორც გსურთ.

VPS.org- მა CUDA- ს წინასწარ დაყენება Deep Learning- ისთვის?

+

არა. სერვერები არ მოდის CUDA- ს ან NVIDIA- ს დრაივერის წინასწარ დაყენებული ვერსიით და GPU სერვერები ჯერ არ არის ხელმისაწვდომი. თქვენ უნდა დააყენოთ Deep Learning- ს საჭირო ვერსიები.

ჩემი Deep Learning GPU VPS-ი სეანსებს შორის რჩება?

+

VPS.org სერვერები მუდმივი ვირტუალური მანქანებია, არა ეპემერიული ინდექსები: Deep Learning მოდელი, კონფიგურაცია და მონაცემები სერვერის SSD მეხსიერებაზე რჩება სანამ არ წაშლით მათ.

Where should I store data for my Deep Learning workload?

+

Keep working data on the server's SSD for fast access during Deep Learning runs, and copy finished artifacts (weights, generations, embeddings) to storage outside VPS.org; snapshots and backups stay on the same storage cluster.

Can I scale my Deep Learning GPU VPS later?

+

ნებისმიერი VPS.org სერვერის გაუმჯობესება უფრო დიდი გეგმის გამოყენებით შესაძლებელია კონტროლის პანელიდან; ზომის შეცვლა მას გადაამოწმებს და თქვენი Deep Learning დაყენება გადავა. GPU სერვერები ჯერ არ არის ხელმისაწვდომი.

გაქვს თუ არა სარეზერვო ასლები ხელმისაწვდომი ჩემს GPU VPS- ში?

+

დიახ. სარეზერვო ასლები ფასიანი დამატებაა (დღეში +30% ფასის, 7 დღის განმავლობაში დაცული; კვირაში +20%, 28 დღის განმავლობაში დაცული) და სურათები უფასოა, რაც სასარგებლოა Deep Learning- ის ხანგრძლივი მუშაობის წინ. ორივე რჩება იმავე შენახვის კლასტერზე, როგორც სერვერი.

Can I get a refund?

+

დახმარების ცენტრთან დაკავშირება 30 დღის განმავლობაში პირველი შეძენის შემდეგ, თანხის დაბრუნების მოთხოვნით. GPU სერვერები ჯერ არ არის გაყიდული, ამიტომ GPU შეკვეთა არ შედის.

გსურთ Deep Learning- ის გაშვება გრაფიკული პროცესორის სერვერზე?

გრაფიკული პროცესორის მოცულობა შეზღუდულია. მოგვწერეთ თქვენი სამუშაოს დატვირთვის შესახებ და ჩვენ მოგაწვდით ხელმისაწვდომობასა და ფასებს.