Führen Sie Jupyter Notebooks auf einem NVIDIA Tesla P40 (24 GB VRAM, Pascal Architektur) für interaktive Datenwissenschaft und ML Arbeit. GPU-Server sind noch nicht bestellbar; kontaktieren Sie uns, um benachrichtigt werden, wenn sie sind.
$ pip install jupyterlab torch && jupyter lab --ip=0.0.0.0 --allow-root
# Beispiel Installieren
Jupyter Notebooks auf einem GPU-Server bieten Ihnen eine interaktive Umgebung, in der Notebookzellen die GPU nutzen können. Nützlich für Experimente und Modell-Prototyping.
Verwenden Sie die GPU von Notebook-Zellen, sobald CUDA und Ihr Framework installiert sind.
JupyterLab mit Terminal, Dateibrowser und Erweiterungen.
Sie installieren PyTorch, TensorFlow, scikit-learn, Pandas und was Sie sonst noch brauchen.
Erreichen Sie Ihre Notebooks von einem Browser aus; sichern Sie sie mit einem Token, Passwort oder SSH-Tunnel.
Jupyter kann eine NVIDIA GPU verwenden, um seine Arbeit zu beschleunigen. VPS.org GPU-Server sind noch nicht verfügbar, kontaktieren Sie uns, um zu hören, wenn sie sind. Jupyter ist eine allgemeine GPU-beschleunigte Arbeitsbelastung. Stellen Sie sicher, dass Ihre Software CUDA-Unterstützung hat und dass Ihre Treiber / Laufzeitversionen die Workload-Anforderungen für Jupyter entsprechen.
GPU-Server sind noch nicht verfügbar. Heute können Sie Jupyter auf einem regulären CPU-Plan ausführen, wo es viel langsamer funktioniert als auf einer GPU: SSH in und laufen pip install jupyterlab torch && jupyter lab --ip=0.0.0.0 --allow-root.
VRAM-Anforderungen für Jupyter hängen vom Modell und der Chargengröße ab; überprüfen Sie die Projektdokumentation auf aktuelle Zahlen.
GPU-Preise werden veröffentlicht, wenn GPU-Server bestellt werden können. Kontaktieren Sie uns, wenn Sie hören möchten, wenn das passiert.
Ja. Jeder VPS.org-Server verfügt über einen vollständigen Root-Zugriff, sodass Sie andere Werkzeuge neben Jupyter im RAM und Speicher des Servers ausführen können.
Jeder VPS.org Server verfügt über einen vollständigen Root-SSH-Zugang, so dass Sie Treiber, Bibliotheken und Jupyter installieren können, wie Sie es auch brauchen.
Nein. Kein Server verfügt über einen vorinstallierten CUDA-Laufzeit- oder NVIDIA-Treiber, und GPU-Server stehen noch nicht zur Verfügung. Sie installieren die Versionen Jupyter selbst.
Ja. VPS.org Server sind persistente virtuelle Maschinen, nicht ephemere Instanzen: Jupyter Modelle, Konfigurationen und Daten bleiben auf dem SSD-Speicher des Servers, bis Sie sie löschen.
Halten Sie die Arbeitsdaten auf der SSD des Servers für schnellen Zugriff während Jupyter läuft, und kopieren Sie fertige Artefakte (Gewichte, Generationen, Einbettungen) auf Speicher außerhalb VPS.org; Snapshots und Backups bleiben auf dem gleichen Speichercluster.
Sie können jeden VPS.org-Server auf einen größeren Plan von der Systemsteuerung aktualisieren; die Größe ändert es neu und Ihre Jupyter-Installation übernimmt. GPU-Server sind noch nicht verfügbar.
Ja. Backups sind ein kostenpflichtiges Add-on (täglich +30% des Planpreises, 7 Tage gehalten; wöchentlich +20%, 28 Tage gehalten) und Snapshots sind kostenlos, was nützlich ist, bevor lange Jupyter läuft. Beide bleiben auf dem gleichen Storage-Cluster wie der Server.
Kontaktieren Sie den Support innerhalb von 30 Tagen nach Ihrem ersten Kauf, um eine Rückerstattung zu beantragen. GPU-Server werden noch nicht verkauft, so dass keine GPU-Bestellung beteiligt ist.
Die GPU-Kapazität ist begrenzt. Erzählen Sie uns von Ihrem Arbeitsaufwand und wir werden mit Verfügbarkeit und Preisgestaltung antworten.