Coming soon: NVIDIA Tesla P40, 24 GB VRAM

کارگزار دفترچه Jupyter GPU

دفترچه یادداشت‌های Jupyter را روی NVIDIA Tesla P40 (24 GB VRAM، معماری Pascal) برای کارهای تعاملی علوم داده و ML اجرا کنید. سرورهای GPU هنوز قابل سفارش نیستند؛ برای اطلاع از زمان سفارش آن‌ها با ما تماس بگیرید.

$ pip install jupyterlab torch && jupyter lab --ip=0.0.0.0 --allow-root
# مثال دستور نصب

Jupyter در یک VPS GPU چیست؟

دفترچهٔ Jupyter روی یک کارگزار GPU به شما محیطی تعاملی می‌دهد که سلول‌های دفترچه می‌توانند از GPU استفاده کنند. برای آزمایش‌ها و مدل‌سازی نمونه مفید است.

Jupyter روی یک کارگزار GPU VPS.org

GPU در دفترچه یادداشتها

از GPU از سلول‌های دفترچه پس از نصب CUDA و چارچوب خود استفاده کنید.

آزمایشگاه ژوپیتر

JupyterLab با ترمینال، مرورگر فایل و افزونه‌ها.

کتابخانه‌های شخصی شما

شما PyTorch، TensorFlow، scikit-learn، pandas و هر چیزی که نیاز دارید را نصب می‌کنید.

دسترسی از راه دور

دسترسی به دفترچه خاطرات خود از طریق یک مرورگر؛ آن‌ها را با یک نشانه، رمز عبور یا تونل SSH امن کنید.

Jupyter موردهای کاربرد محبوب

آزمایش ML
اکتشاف داده‌ها
مدل سازی
کارگاه‌های آموزشی
دفترچه تحقیق
مسابقات Kaggle

مشخصات GPU برنامه‌ریزی شده

GPUNVIDIA Tesla P40
حافظۀ تصویری24 GB GDDR5
رنگهای CUDA3,840
FP3212 TFLOPS
INT847 TOPS
حافظه سیاه و سفید346 GB/s
معماریPascal (GP102)
گذرگذرگاه PCIe

پرسشهای متداول

Jupyter در یک GPU VPS چیست؟

+

Jupyter می‌تواند از یک پردازنده گرافیکی NVIDIA برای سرعت بخشیدن به کار خود استفاده کند. کارسازهای پردازنده گرافیکی VPS.org هنوز برای سفارش در دسترس نیستند؛ برای اطلاع از زمان سفارش با ما تماس بگیرید. Jupyter یک بار کاری شتاب‌دار پردازنده گرافیکی عمومی است. مطمئن شوید که نرم‌افزار شما پشتیبانی از CUDA دارد و نسخه‌های راننده/ زمان اجرا با نیازمندی‌های بار کاری Jupyter مطابقت دارد.

چگونه می‌توانم Jupyter را روی یک GPU VPS تنظیم کنم؟

+

سرورهای GPU هنوز برای سفارش در دسترس نیستند. امروزه می‌توانید Jupyter را در یک برنامه CPU معمولی اجرا کنید، جایی که بسیار کندتر از GPU کار می‌کند: SSH در و pip install jupyterlab torch && jupyter lab --ip=0.0.0.0 --allow-root را اجرا کنید.

برای Jupyter چقدر VRAM لازم دارم؟

+

نیازهای VRAM برای Jupyter به مدل و اندازه بسته بستگی دارد؛ برای اطلاعات بیشتر مستندات پروژه را بررسی کنید.

چقدر ميشه يه سرور GPU براي Jupyter؟

+

قیمت‌گذاری GPU زمانی منتشر خواهد شد که کارگزارهای GPU قابل سفارش باشند. اگر می‌خواهید هنگامی که این اتفاق می‌افتد بدانید با ما تماس بگیرید.

میتونم ابزارهای دیگه رو همزمان با Jupyter اجرا کنم؟

+

بله هر سرور VPS.org با دسترسی کامل به ریشه میاد پس میتونی ابزارهای دیگه رو همزمان با Jupyter در رم و حافظه سرور اجرا کنی

من کاملاً روی Jupyter GPU VPS ریشه میگیرم؟

+

هر سرور VPS.org با دسترسی کامل root SSH همراه است، بنابراین می‌توانید درایورها، کتابخانه‌ها و Jupyter را هر طور که نیاز دارید نصب کنید.

آیا VPS.org CUDA را برای Jupyter پیش‌نصب می‌کند؟

+

نه. هیچ سرور با یک زمان اجرا CUDA یا راننده NVIDIA پیش‌فرض نمی‌آید، و سرورهای GPU هنوز برای سفارش در دسترس نیستند. نسخه‌هایی که Jupyter نیاز دارد را خودتان نصب می‌کنید.

آیا سرور مجازی GPU Jupyter من بین نشست‌ها باقی می‌ماند؟

+

بله. سرورهای VPS.org ماشین‌های مجازی پایدار هستند، نه نمونه‌های کوتاه مدت: مدل‌های Jupyter، تنظیمات و داده‌ها در حافظه SSD سرور باقی می‌مانند تا زمانی که آن‌ها را حذف کنید.

کجا بايد داده ها رو براي بار کار Jupyterم ذخيره کنم؟

+

داده‌های کار را در SSD سرور برای دسترسی سریع در طول اجرای Jupyter نگه دارید و اشیاء تمام شده (وزن، نسل، embeddings) را به ذخیره خارج از VPS.org کپی کنید؛ عکس‌های لحظه ای و پشتیبان‌ها در همان خوشه ذخیره باقی می‌مانند.

میتونم بعدا Jupyter GPU VPS رو مقیاس بگیرم؟

+

می‌توانید هر کارگزار VPS.org را از پنل کنترل به یک طرح بزرگتر ارتقا دهید؛ تغییر اندازه آن را دوباره شروع می‌کند و نصب Jupyter شما به آن منتقل می‌شود. کارگزارهای GPU هنوز در دسترس نیستند.

آیا پشتیبان‌ها برای GPU VPS من در دسترس هستند؟

+

بله. پشتیبان‌گیری یک افزونهٔ پرداختی است (روزانه +۳۰٪ از قیمت برنامه، ۷ روز نگه داشته می‌شود؛ هفته ای +۲۰٪، ۲۸ روز نگه داشته می‌شود) و عکس‌های لحظه ای رایگان هستند، که قبل از اجرای طولانی Jupyter مفید است. هر دو در همان خوشه ذخیره‌سازی مانند سرور باقی می‌مانند.

ميشه پولم رو پس بگيرم؟

+

در طول ۳۰ روز از اولین خریدتان با پشتیبانی تماس بگیرید تا درخواست بازپرداخت کنید. سرورهای GPU هنوز فروخته نشده‌اند، بنابراین هیچ سفارش GPU درگیر نیست.

می‌خواهید Jupyter را در یک کارساز GPU اجرا کنید؟

ظرفیت GPU محدود است. درباره بار کاری خود به ما بگویید و ما با موجودی و قیمت پاسخ خواهیم داد.