Geschwindigkeitssteigerung, Array-Mathematik und Modelltraining mit der GPU auf einem NVIDIA Tesla P40 (24 GB VRAM, Pascal Architektur). GPU-Server sind noch nicht bestellbar; kontaktieren Sie uns, um benachrichtigt zu werden, wenn sie sind.
$ pip install cuml-cu12 xgboost cudf-cu12
# Beispiel Installieren
GPU-beschleunigtes maschinelles Lernen beschleunigt das Training und die Vorhersage mit CUDA. Bibliotheken wie XGBoost und CuPy können die GPU nutzen; NVIDIA RAPIDS benötigt neuere GPUs als Pascal P40.
Zugverlaufs-Verstärkermodelle auf der GPU.
NumPy-kompatible Arrays, die auf der GPU laufen.
Trainieren Sie neuronale Modelle neben klassischen auf dem gleichen Server.
Installieren Sie die Bibliotheksversionen, die Ihre Pipeline benötigt.
Machine Learning 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. Machine Learning ist eine allgemeine GPU-beschleunigte Arbeitsbelastung. Stellen Sie sicher, dass Ihre Software CUDA-Unterstützung hat und dass Ihre Treiber / Laufzeitversionen die Workload-Anforderungen für Machine Learning entsprechen.
GPU-Server sind noch nicht verfügbar. Heute können Sie Machine Learning auf einem regulären CPU-Plan ausführen, wo es viel langsamer funktioniert als auf einer GPU: SSH in und laufen pip install cuml-cu12 xgboost cudf-cu12.
VRAM-Anforderungen für Machine Learning 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 Machine Learning 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 Machine Learning 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 Machine Learning selbst.
Ja. VPS.org Server sind persistente virtuelle Maschinen, nicht ephemere Instanzen: Machine Learning 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 Machine Learning 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 Machine Learning-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 Machine Learning 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.