NVIDIA Tesla P40 (24 GB VRAM, Pascal architecture) પર PyTorch મોડેલોને તાલીમ આપો અને ચલાવો, સંપૂર્ણ રુટ પ્રવેશ સાથે. GPU સર્વર હજુ સુધી આદેશ કરી શકાય તેવા નથી; જ્યારે તેઓ હોય ત્યારે સૂચિત કરવા માટે અમારો સંપર્ક કરો.
$ pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
# ઉદાહરણ સ્થાપન આદેશ
PyTorch એ વિશાળપણે વપરાતું ઊંડું શીખવાની ફ્રેમવર્ક છે. GPU સર્વર PyTorch તાલીમ અને GPU પર અંદાજ ચલાવે છે, જે CPU પર કરતાં વધારે ઝડપી છે.
તમે NVIDIA ડ્રાઇવર, CUDA અને PyTorch બિલ્ડ સ્થાપિત કરો જેની જરૂર છે. ચકાસો કે તમારું PyTorch બિલ્ડ હજુ Pascal GPUs ને આધાર આપે છે (ગણતરી ક્ષમતા ૬.૧).
નાના અને મધ્યમ કદના મોડેલો, લોરા ફાઈન ટ્યુનિંગ અને મધ્યમ બેચ કદ માટેની જગ્યા.
GPU પર વાતચીત કરવા માટે સર્વર પર Jupyter નોટબુક ચલાવો.
તમારા પ્રોજેક્ટની જરૂરિયાતો પ્રમાણે પર્યાવરણને રૂપરેખાંકિત કરો.
PyTorch એ તેની કામગીરીને ઝડપી બનાવવા NVIDIA GPU વાપરી શકે છે. VPS.org GPU સર્વર હજુ સુધી ઓર્ડર કરવા માટે ઉપલબ્ધ નથી; તેઓ ક્યારે છે તે સાંભળવા માટે અમારો સંપર્ક કરો. PyTorch એ તાલીમ / સુધારા કાર્યભાર છે. લાંબા સમય સુધી ચાલતી કામગીરી માટે યોજના: તમારી VPS નિયમિત રીતે સ્નેપશોટ કરો અને VPS.org બહાર તાલીમ વજનોની નકલ રાખો.
GPU સર્વર હજુ સુધી ઓર્ડર કરવા માટે ઉપલબ્ધ નથી. આજે તમે PyTorch ને નિયમિત CPU યોજના પર ચલાવી શકો છો, જ્યાં તે GPU કરતા ઘણું ધીમેથી કામ કરે છે: SSH માં અને pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 ચલાવો.
તાલીમ VRAM ઑપ્ટિમાઇઝર સ્થિતિ અને સક્રિયતાઓ દ્વારા નિયંત્રિત થાય છે. 7B LLM ની સંપૂર્ણ સુધારા માટે લગભગ 24 થી 48 GB ની જરૂર છે; LoRA / QLoRA 8 થી 16 GB માં બંધબેસે છે.
GPU કિંમત જાહેર કરવામાં આવશે જ્યારે GPU સર્વરોને આદેશ કરી શકાય છે. અમારો સંપર્ક કરો જો તમે સાંભળવા માંગતા હોવ તો જ્યારે તે થાય છે.
હા. દરેક VPS.org સર્વર સંપૂર્ણ રુટ પ્રવેશ સાથે આવે છે, તેથી તમે સર્વરની RAM અને સંગ્રહની અંદર PyTorch ની સાથે અન્ય સાધનો ચલાવી શકો છો.
દરેક VPS.org સર્વર સંપૂર્ણ રુટ SSH પ્રવેશ સાથે આવે છે, તેથી તમે ડ્રાઇવરો, લાઇબ્રેરીઓ અને PyTorch સ્થાપિત કરી શકો છો જેમ તમારે જરૂર હોય.
ના. કોઇ સર્વર CUDA runtime અથવા NVIDIA ડ્રાઇવર સાથે પહેલાથી સ્થાપિત થયેલ નથી, અને GPU સર્વરો હજુ સુધી આદેશ માટે ઉપલબ્ધ નથી. તમે PyTorch આવૃત્તિઓ તમારી જાતને સ્થાપિત કરો.
હા. VPS.org સર્વર એ સ્થિર વર્ચ્યુઅલ મશીનો છે, અસ્થાયી ઘટનાઓ નથી: PyTorch મોડેલો, રૂપરેખાંકનો અને માહિતી સર્વરના SSD સંગ્રહ પર રહે છે જ્યાં સુધી તમે તેમને કાઢી નાખો.
PyTorch ચલાવવા દરમિયાન ઝડપી પ્રવેશ માટે સર્વરની SSD પર કામ કરવાની માહિતી રાખો, અને સમાવાયેલ આર્ટીફેક્ટ્સ (વજન, પેઢીઓ, સમાવિષ્ટો) ની નકલ VPS.org ની બહાર સંગ્રહમાં કરો; સ્નેપશોટ અને બેકઅપ એ જ સંગ્રહ ક્લસ્ટર પર રહે છે.
તમે નિયંત્રણ પેનલમાંથી કોઈપણ VPS.org સર્વરને મોટી યોજના માટે સુધારી શકો છો; માપ બદલવાનું તેને પુન:શરૂ કરે છે અને તમારું PyTorch સ્થાપન ઉપર લઇ જાય છે. GPU સર્વર હજુ ઉપલબ્ધ નથી.
હા. બેકઅપ એ ચૂકવણી થયેલ ઉમેરું છે (દરરોજ +30% યોજના કિંમત, 7દિવસ રાખેલ; અઠવાડિયામાં +20%, 28 દિવસ રાખેલ) અને સ્નેપશોટ મુક્ત છે, જે PyTorch લાંબા સમય સુધી ચાલે તે પહેલાં ઉપયોગી છે. બંને સર્વરની જેમ સમાન સંગ્રહ ક્લસ્ટર પર રહે છે.
તમારા પ્રથમ ખરીદીના 30 દિવસો અંદર ફરીથી ચૂકવણીની વિનંતી કરવા માટે આધારનો સંપર્ક કરો. GPU સર્વર હજુ વેચાયા નથી, તેથી GPU આદેશ સામેલ નથી.
GPU ક્ષમતા મર્યાદિત છે. અમને તમારા કાર્યભાર વિશે કહો અને અમે ઉપલબ્ધતા અને કિંમત સાથે જવાબ આપીશું.