ឆាប់ៗនេះ: NVIDIA Tesla P40, 24 GB VRAM

ការ​រៀន​សូត្រ​ជ្រៅ GPU VPS

បណ្តុះបណ្ដាលបណ្តាញ neural ដូចជា CNNs, transformers តូចនិង GANs នៅលើ NVIDIA Tesla P40 (24 GB VRAM, Pascal architecture) ។ ម៉ាស៊ីនបម្រើ GPU មិនត្រូវបានបញ្ជាទិញនៅឡើយទេ សូមទាក់ទងយើងដើម្បីទទួលបានការជូនដំណឹងនៅពេលពួកគេមាន។

$ pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())"
# ពាក្យ​បញ្ជា​ដំឡើង​ឧទាហរណ៍

តើអ្វីទៅជា {ឈ្មោះ} នៅ GPU VPS?

ការ​រៀន​ជ្រៅ​ត្រូវការ​ការ​បង្កើន​ល្បឿន GPU ដើម្បី​បណ្តុះ​បណ្ដាល​បណ្ដាញ​សរសៃ​ប្រសាទ​ក្នុង​ពេល​សមរម្យ ។ ម៉ាស៊ីន​បម្រើ GPU ផ្ដល់​ឲ្យ​អ្នក​នូវ GPU មួយ​សម្រាប់​ការ​ពិសោធន៍​ផ្ទាល់​ខ្លួន​របស់​អ្នក ។

Deep Learning លើ​ម៉ាស៊ីន​បម្រើ GPU VPS.org

ជម្រើស​ស៊ុម

PyTorch TensorFlow JAX ឬ​គ្រោងការណ៍ CUDA ណាមួយ​ដែល​គាំទ្រ Pascal GPUs ។

ល្បឿន​ដែល​មិន​ប្រែប្រួល

GPU មិន​ត្រូវ​បាន​ចែក​រំលែក ដូច្នេះ​ល្បឿន​ការ​បង្ហាត់​មិន​អាស្រ័យ​លើ​អតិថិជន​ផ្សេង​ទៀត​ទេ ។

២៤ ជីកាបៃ VRAM

បន្ទប់​សម្រាប់​ស្ថាបត្យកម្ម​ទំហំ​មធ្យម និង​ទំហំ​បាច់ ។

ការងារ​វែង

ម៉ាស៊ីន​បម្រើ​ដែល​មិន​ប្រែប្រួល​អាច​រត់​ការងារ​បណ្តុះបណ្តាល​យូរ​បាន​ រក្សា​ទុក​ចំណុច​ពិនិត្យ​តាម​ដែល​អ្នក​ទៅ ។

ករណី​ប្រើ {ឈ្មោះ} ពេញនិយម

ការ​បណ្តុះបណ្តាល CNN
ម៉ូដែល​ប្ដូរ
ការ​បង្ហាត់ GAN
ការ​រៀន​ពង្រឹង
ការ​សាកល្បង AutoML
ការ​ស្វែងរក​ស្ថាបត្យកម្ម​សរសៃ​ប្រសាទ

ការ​បញ្ជាក់ GPU ដែល​បាន​គ្រោង​ទុក

ស៊ីភីយូNVIDIA Tesla P40
VRAM24 GB GDDR5
ពណ៌ CUDA3,840
FP32 ​12 TFLOPS
INT847 TOPS
សតិ​ពណ៌​ស346 GB/s
ស្ថាបត្យកម្មPascal (GP102)
ឆ្លងកាត់PCIe ឆ្លងកាត់

សំណួរ​ដែល​សួរ​ញឹកញាប់

តើអ្វីទៅជា Deep Learning នៅលើ GPU VPS?

+

Deep Learning អាចប្រើ NVIDIA GPU ដើម្បីបង្កើនល្បឿនការងាររបស់ខ្លួន។ ម៉ាស៊ីនបម្រើ VPS.org GPU មិន អាចបញ្ជាទិញបាននៅឡើយទេ; ទាក់ទងមកយើងដើម្បីឮនៅពេលពួកគេ។ Deep Learning គឺជាការផ្ទុកការងារដែលបង្កើនល្បឿន GPU ទូទៅ។ ប្រាកដថាកម្មវិធីរបស់អ្នកមានការគាំទ្រ CUDA ហើយថាកម្មវិធីបញ្ជា / កំណែ Runtime របស់អ្នកសមនឹងតម្រូវការផ្ទុកការងារសម្រាប់ Deep Learning ។

តើខ្ញុំត្រូវរៀបចំ Deep Learning នៅលើ GPU VPS យ៉ាងដូចម្តេច?

+

ម៉ាស៊ីនបម្រើ GPU មិន អាច បញ្ជា ទិញ បាន នៅ ឡើយ ទេ ។ ថ្ងៃនេះ អ្នក អាច រត់ Deep Learning លើ ផែនការ CPU ធម្មតា កន្លែង ដែល វា ធ្វើការ យឺត ជាង លើ GPU ៖ SSH ក្នុង និង រត់ pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())" ។

តើ VRAM ប៉ុន្មានដែលខ្ញុំត្រូវការសម្រាប់ Deep Learning?

+

VRAM ត្រូវការ​សម្រាប់ Deep Learning អាស្រ័យ​លើ​ម៉ូដែល និង​ទំហំ​បាច់ ពិនិត្យ​មើល​ឯកសារ​គម្រោង​សម្រាប់​រូប​តំណាង​បច្ចុប្បន្ន ។

តើ​ម៉ាស៊ីន​បម្រើ GPU សម្រាប់ Deep Learning ចំណាយ​ប៉ុន្មាន?

+

ការ​កំណត់​តម្លៃ GPU នឹង​ត្រូវ​បាន​ចេញ​ផ្សាយ​នៅពេល​ដែល​ម៉ាស៊ីន​បម្រើ GPU អាច​ត្រូវ​បាន​បញ្ជា​ទិញ ។ ទាក់ទង​យើង​ប្រសិន​បើ​អ្នក​ចង់​ឮ​ពេល​ដែល​វា​កើតឡើង ។

តើខ្ញុំអាចរត់ឧបករណ៍ផ្សេងទៀតនៅក្បែរ Deep Learning បានទេ?

+

បាទ / ចាស ។ ម៉ាស៊ីនបម្រើ VPS.org ទាំងអស់មកជាមួយការចូលដំណើរការ root ពេញលេញដូច្នេះអ្នកអាចរត់ឧបករណ៍ផ្សេងទៀតនៅក្បែរ Deep Learning នៅក្នុង RAM និងកន្លែងផ្ទុករបស់ម៉ាស៊ីនបម្រើ។

តើខ្ញុំទទួលបាន root ពេញលេញនៅលើ Deep Learning GPU VPS ទេ?

+

ម៉ាស៊ីន​បម្រើ VPS.org ទាំងអស់​មក​ជាមួយ​ការ​ចូល​ដំណើរការ SSH root ពេញលេញ ដូច្នេះ​អ្នក​អាច​ដំឡើង​កម្មវិធី​បញ្ជា បណ្ណាល័យ និង Deep Learning ទោះ​បី​ជា​អ្នក​ត្រូវការ ។

តើ VPS.org ដំឡើង CUDA មុន​សម្រាប់ Deep Learning ទេ​ឬ?

+

ទេ. ម៉ាស៊ីនបម្រើគ្មានមកជាមួយ CUDA រត់ពេលឬកម្មវិធីបញ្ជា NVIDIA បានដំឡើងជាមុននិងម៉ាស៊ីនបម្រើ GPU មិនអាចរកបានដើម្បីបញ្ជានៅឡើយទេ. អ្នកដំឡើងកំណែ Deep Learning ត្រូវការខ្លួនឯង.

តើ Deep Learning GPU VPS របស់​ខ្ញុំ​នៅតែ​បន្ត​រវាង​សម័យ​ដែរឬទេ?

+

បាទ/ ចាស ។ ម៉ាស៊ីន​បម្រើ VPS.org គឺ​ជា​ម៉ាស៊ីន​និម្មិត​ដែល​មាន​ភាព​រឹងមាំ​មិន​មែន​ជា​ឧទាហរណ៍​ដែល​មាន​រយៈពេល​ខ្លី​ទេ ៖ ម៉ូដែល Deep Learning ការ​កំណត់​រចនា​សម្ព័ន្ធ និង​ទិន្នន័យ​នៅ​លើ​ការ​ផ្ទុក SSD របស់​ម៉ាស៊ីន​បម្រើ​រហូត​ដល់​អ្នក​លុប​ពួក​វា ។

តើខ្ញុំគួរតែរក្សាទុកទិន្នន័យសម្រាប់ Deep Learning ការងាររបស់ខ្ញុំ?

+

រក្សាទុកទិន្នន័យការងារនៅលើ SSD របស់ម៉ាស៊ីនបម្រើសម្រាប់ការចូលដំណើរការលឿនក្នុងអំឡុងពេលរត់ Deep Learning និងចម្លង artefacts បញ្ចប់ (ទម្ងន់, ជំនាន់, បង្កប់) ទៅការផ្ទុកខាងក្រៅ VPS.org; snapshots និងបម្រុងទុកនៅសល់នៅលើ cluster ផ្ទុកដូចគ្នា។

តើខ្ញុំអាចធ្វើមាត្រដ្ឋាន Deep Learning GPU VPS របស់ខ្ញុំបានទេ?

+

អ្នក​អាច​ធ្វើ​ឲ្យ​ម៉ាស៊ីន​បម្រើ VPS.org ណាមួយ​ប្រសើរ​ឡើង​ទៅ​ផែនការ​ធំ​ជាង​ពី​បន្ទះ​បញ្ជា​ ការ​ប្ដូរ​ទំហំ​ចាប់ផ្តើម​វា​ឡើង​វិញ ហើយ​ការ​ដំឡើង Deep Learning របស់​អ្នក​ដឹក​លើ ។ ម៉ាស៊ីន​បម្រើ GPU មិន​ទាន់​មាន​នៅ​ឡើយ​ទេ ។

តើការបម្រុងទុកមានសម្រាប់ GPU VPS របស់ខ្ញុំទេ?

+

បាទ. ការបម្រុងទុកគឺជាការបន្ថែមដែលបានបង់ប្រាក់ (ប្រចាំថ្ងៃ +30% នៃតម្លៃផែនការ, រក្សាទុក7ថ្ងៃ; រៀងរាល់សប្តាហ៍ +20%, រក្សាទុក 28 ថ្ងៃ) និង snapshots គឺឥតគិតថ្លៃ, ដែលមានប្រយោជន៍មុនពេល Deep Learning យូររត់. ទាំងពីរនៅសល់នៅលើ cluster ផ្ទុកដូចគ្នាដូចជាម៉ាស៊ីនបម្រើ.

តើខ្ញុំអាចទទួលបានការសងប្រាក់វិញបានទេ?

+

ទាក់ទងការគាំទ្រក្នុងរយៈពេល 30 ថ្ងៃនៃការទិញដំបូងរបស់អ្នកដើម្បីស្នើសុំការសងប្រាក់។ ម៉ាស៊ីនបម្រើ GPU មិនត្រូវបានលក់នៅឡើយទេដូច្នេះគ្មានការបញ្ជាទិញ GPU ពាក់ព័ន្ធ។

តើ​អ្នក​ចង់​រត់ Deep Learning នៅ​លើ​ម៉ាស៊ីន​បម្រើ GPU ទេ?

សមត្ថភាព GPU គឺ មាន កម្រិត. ប្រាប់ យើង អំពី ចំនួន ការងារ របស់ អ្នក ហើយ យើង នឹង ឆ្លើយ តប ជាមួយ ភាព អាច រក បាន និង តម្លៃ.