Snart: NVIDIA Tesla P40, 24 GB VRAM

Djupt lärande GPU VPS

Träna neurala nätverk som CNN, små transformatorer och GAN på en NVIDIA Tesla P40 (24 GB VRAM, Pascal arkitektur). GPU-servrar är ännu inte beställas; kontakta oss för att bli meddelade när de är.

$ pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())"
# Exempel på installationskommando

Vad är {namn} på en GPU VPS?

Djupt lärande behöver GPU acceleration för att träna neurala nätverk i rimlig tid. En GPU-server ger dig en GPU för dina egna experiment.

Deep Learning på en GPU-server för VPS.org

Ramval

PyTorch, TensorFlow, JAX eller någon CUDA ram som fortfarande stöder Pascal GPUs.

Konsekvent varvtal

GPU delas inte, så träningshastigheten beror inte på andra kunder.

24 GB VRAM

Rum för medelstora arkitekturer och batchstorlekar.

Långa jobb

En ihållande server kan köra långa utbildningsarbeten; spara kontrollpunkter när du går.

Populärt {namn} Användningsfall

CNN-utbildning
Transformatormodeller
GAN-utbildning
Förstärkning av lärandet
AutoML- experiment
Neural arkitektursökning

Planerade specifikationer för GPU

GPUNVIDIA Tesla P40
VRAM24 GB GDDR5
CUDA- kärnor3,840
FP3212 TFLOPS
INT8 Ordförande47 TOPS
Minne BW346 GB/s
ArkitekturPascal (GP102)
GenomströmningGenomströmning av PCIe

Vanliga frågor

Vad är Deep Learning på en GPU VPS?

+

Deep Learning kan använda en NVIDIA GPU för att snabba upp sitt arbete. VPS.org GPU-servrar är inte tillgängliga för beställning ännu. Kontakta oss för att höra när de är. Deep Learning är en allmän GPU-accelererad arbetsbelastning. Se till att din programvara har stöd för CUDA och att dina drivrutins-/runtime-versioner matchar arbetsbelastningskraven för Deep Learning.

Hur sätter jag upp Deep Learning på en GPU VPS?

+

GPU- servrar är inte tillgängliga för beställning ännu. Idag kan du köra Deep Learning på en vanlig CPU- plan, där det fungerar mycket långsammare än på en GPU: SSH i och kör pip install torch torchvision && python -c "import torch; print(torch.cuda.is_available())".

Hur mycket VRAM behöver jag för Deep Learning?

+

VRAM-behoven för Deep Learning beror på modellen och partistorleken; kontrollera projektdokumentationen för aktuella siffror.

Hur mycket skulle en GPU-server för Deep Learning kosta?

+

GPU-pris publiceras när GPU-servrar kan beställas. Kontakta oss om du vill höra när det händer.

Kan jag köra andra verktyg tillsammans med Deep Learning?

+

Ja. Varje VPS.org-server har full åtkomst till root, så att du kan köra andra verktyg tillsammans med Deep Learning inom serverns RAM-minne och lagring.

Får jag full rot på Deep Learning GPU VPS?

+

Varje VPS.org-server kommer med full åtkomst till roten SSH, så att du kan installera drivrutiner, bibliotek och Deep Learning hur du än behöver.

Förinstallerar VPS.org CUDA för Deep Learning?

+

Nej. Ingen server levereras med en CUDA-runtime eller NVIDIA-drivrutin förinstallerad, och GPU-servrar är inte tillgängliga för beställning ännu. Du installerar versionerna Deep Learning behöver dig själv.

Håller mina Deep Learning GPU-VPS kvar mellan sessionerna?

+

Ja. VPS.org-servrar är ihållande virtuella maskiner, inte efemära instanser: Deep Learning-modeller, konfigurationer och data stannar på serverns SSD-lagring tills du tar bort dem.

Var ska jag lagra data för min Deep Learning arbetsbelastning?

+

Fortsätt att arbeta data på serverns SSD för snabb åtkomst under Deep Learning körningar, och kopiera färdiga artefakter (vikter, generationer, inbäddningar) för att lagra utanför VPS.org; ögonblicksbilder och säkerhetskopior stannar på samma lagringskluster.

Kan jag skala min Deep Learning GPU VPS senare?

+

Du kan uppgradera vilken VPS.org-server som helst till en större plan från kontrollpanelen. Omstorleken startar om den och installationen av Deep Learning överförs. GPU-servrar är ännu inte tillgängliga.

Är säkerhetskopior tillgängliga för min GPU VPS?

+

Ja. Säkerhetskopiering är ett betalt tillägg (dagligen +30% av planens pris, som hålls 7 dagar; veckovis +20%, som hålls 28 dagar) och ögonblicksbilder är gratis, vilket är användbart innan långa Deep Learning körs. Båda stannar på samma lagringskluster som servern.

Kan jag få tillbaka pengarna?

+

Kontakta supporten inom 30 dagar efter ditt första köp för att begära återbetalning. GPU-servrar säljs inte ännu, så ingen GPU-beställning är inblandad.

Vill du köra Deep Learning på en GPU-server?

GPU-kapaciteten är begränsad. Berätta om din arbetsbelastning och vi svarar med tillgänglighet och prissättning.