NVIDIA Tesla P40 (24 GB VRAM, Pascal architecture) वर PyTorch मॉडेल चालवा व प्रशिक्षण द्या, पूर्ण रूट प्रवेशासह. GPU सर्वर अजूनही ऑर्डर करू शकत नाही; ते आल्यावर सूचना देण्यासाठी आम्हाला संपर्क करा.
$ pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124
# उदाहरण प्रतिष्ठापन आदेश
पायटोर्क एक व्यापकपणे वापरले जाणारे खोल शिकवणी चौकट आहे. GPU सर्व्हर पायटोर्क प्रशिक्षण आणि GPU वरील निष्कर्ष चालवते, जे बहुतेक मॉडेलसाठी CPU वरीलपेक्षा जास्त वेगवान आहे.
You install the NVIDIA driver, CUDA and the PyTorch build you need. Check that your PyTorch build still supports Pascal GPUs (compute capability 6.1).
याचे मुख्य कारण म्हणजे छोट्या व मध्यम आकाराचे पक्षी, लहान आकाराचे पक्षी आणि पक्षी यांचे कळप.
GPU वर परस्पर कार्य करण्यासाठी सर्वर वर Jupyter नोटबुक चालवा.
तुमच्या प्रकल्पाची गरज प्रमाणे वातावरण संयोजीत करा.
PyTorch त्याच्या कामाचा वेग वाढविण्यासाठी NVIDIA GPU चा वापर करू शकते. VPS.org GPU सर्वर अद्याप ऑर्डर करण्यासाठी उपलब्ध नाही; ते कधी उपलब्ध होतील हे जाणून घेण्यासाठी आम्हाला संपर्क करा. PyTorch एक प्रशिक्षण / फिन-ट्यूनिंग कार्यभार आहे. दीर्घकाळ चालणाऱ्या कामांसाठी योजना: आपल्या VPS ची नियमितपणे स्नैपशॉट घ्या आणि VPS.org पासून बाहेर प्रशिक्षण वजनाची एक प्रत ठेवा.
GPU सर्वर अद्याप ऑर्डर करण्यासाठी उपलब्ध नाही. आज आपण PyTorch नियमित CPU योजनावर चालवू शकता, जिथे ते GPU वरपेक्षा खूपच मंद कार्य करते: SSH मध्ये आणि pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 चालवा.
प्रशिक्षण VRAM ऑप्टिमायझर राज्य आणि सक्रियीकरणे द्वारे अधिराज्य आहे.7बी एलएलएम पूर्ण फिन-ट्यूनिंग सुमारे 24 ते 48 GB आवश्यक आहे; LoRA / QLoRA 8 ते 16 GB मध्ये बसते.
GPU सर्वर ऑर्डर करता येतील तेव्हा GPU किंमत प्रकाशित केली जाईल. जेव्हा ते घडेल तेव्हा ऐकायला हवे असल्यास आम्हाला संपर्क करा.
होय. प्रत्येक VPS.org सर्वर पूर्ण रूट प्रवेशासह येतो, म्हणून तुम्ही PyTorch सोबत इतर साधने सर्व्हरच्या RAM आणि संचयीत चालवू शकता.
प्रत्येक VPS.org सर्व्हर पूर्ण रूट SSH प्रवेश येते, म्हणून आपण ड्राइव्हर्स, लायब्ररी आणि PyTorch आवश्यक असल्यास स्थापित करू शकता.
नाही. कुठलेही सर्वर CUDA रनटाइम किंवा NVIDIA ड्राइवर पूर्व-संस्थापित केले नाही, आणि GPU सर्वर अद्याप ऑर्डर करण्याकरीता उपलब्ध नाही. PyTorch आवश्यक आवृत्ती तुम्ही स्वतः प्रतिष्ठापीत करा.
Yes. VPS.org servers are persistent virtual machines, not ephemeral instances: PyTorch models, configs and data stay on the server's SSD storage until you delete them.
Keep working data on the server's SSD for fast access during PyTorch runs, and copy finished artifacts (weights, generations, embeddings) to storage outside VPS.org; snapshots and backups stay on the same storage cluster.
तुम्ही नियंत्रण पटल पासून कोणत्याही VPS.org सर्वर ला मोठ्या प्लॅन वर अपग्रेड करू शकता; आकार बदलणे पुन्हा सुरू होते व तुमचे PyTorch प्रतिष्ठापन पुढे जाते. GPU सर्वर अजून उपलब्ध नाही.
होय. बॅकअप एक भरपाई जोडणी आहे (दिवसभर +30% योजना किंमत,7दिवस ठेवले; आठवड्यातून +20%, 28 दिवस ठेवले) आणि स्नैपशॉट मोफत आहेत, जे PyTorch लांब चालण्यापूर्वी उपयोगी आहे. दोन्ही सर्व्हरसारख्याच साठवण क्लस्टरवर राहतात.
परतफेड मागण्यासाठी तुमच्या पहिल्या खरेदीच्या 30 दिवसांच्या आत समर्थनाचा संपर्क करा. GPU सर्वर अजून विकले गेलेले नाहीत, म्हणून GPU ऑर्डर समाविष्ट नाही.
GPU क्षमता मर्यादित आहे. आम्हाला तुमच्या कार्यभाराविषयी सांगा आणि आम्ही उपलब्धता व किंमत बरोबर उत्तर देऊ.