PyTorch VPS — nuo 5,49 €/mėn.
Mokykite neuroninius tinklus savo serveryje — PyTorch VPS ant NVMe, 5 valandos bandymo, visiškai be rizikos
Paleisti PyTorch dabar
PyTorch VPS — tai virtualus serveris su visiška root prieiga gilaus mokymosi modeliams mokyti ir vykdyti. Patys įsidiegiate Linux, Python ir PyTorch rinkinį su reikiamomis CUDA bibliotekų versijomis, o sunkūs skaičiavimai vyksta serveryje, o ne jūsų nešiojamajame. Pakankamai atminties ir greiti NVMe diskai laiko didelius duomenų rinkinius bei kontrolinius taškus po ranka. Planai prasideda nuo 5,49 €/mėn., o serveris išduodamas su 5 valandų bandomuoju laikotarpiu — pamatuokite mokymo greitį su savo duomenimis prieš apmokėdami.
Planai
VPS PyTorch projektams
Standard 1 (4 vCPU, 4 GB) ir Standard 2 (4 vCPU, 6 GB) tinka kodo derinimui ir nedidelių modelių vykdymui. Mokymas procesoriumi auga kartu su branduolių skaičiumi — rinkitės Power 3 (16 vCPU, 24 GB) ar aukštesnį, o mokymui nuo nulio reikia GPU konfigūracijos. 5 valandos bandymo prieš apmokėjimą.
Palyginti visus planusStandard 1
| 4 vCPU · AMD EPYC |
| 4 GB RAM |
| 50 GB NVMe |
| Neribotas duomenų srautas |
| 1× IPv4 · KVM |
| Pagalba 24/7 |
Standard 2
| 4 vCPU · AMD EPYC |
| 6 GB RAM |
| 60 GB NVMe |
| Neribotas duomenų srautas |
| 1× IPv4 · KVM |
| Pagalba 24/7 |
Savas PyTorch rinkinys
Įdiekite bet kurias Python, PyTorch ir CUDA bibliotekų versijas — torchvision, transformers ir savo modeliams, be svetimų apribojimų.
Skaičiavimai serveryje
Mokymas vyksta serveryje visą parą ir neužima jūsų kompiuterio — paleiskite ilgas epochas ir palikite skaičiuoti.
Duomenys ant NVMe
Greiti diskai ir atminties atsarga laiko didelius duomenų rinkinius bei kontrolinius taškus šalia modelio ir pagreitina mokymo iteracijas.
Kaip paleisti PyTorch VPS serveryje
Pasirinkite planą ir atvaizdį
Pasirinkite planą — Standard 1 (4 vCPU, 4 GB) arba Standard 2 (4 vCPU, 6 GB) — ir nurodykite Linux atvaizdį, Ubuntu ar Debian, savo gilaus mokymosi rinkiniui.
Įdiekite OS patys
Per valdymo skydelį pasirinktą OS į KVM serverį įdiegiate patys — taip aplinka lieka visiškai jūsų kontrolėje.
Sukonfigūruokite PyTorch
Per SSH arba KVM konsolę įdiekite Python, PyTorch ir reikiamas bibliotekas, sukelkite duomenų rinkinį ir pradėkite mokymą.
Serveris jūsų modeliams
Patarsime, kuris planas tinka jūsų modeliui ir duomenų rinkinio dydžiui: kiek atminties, kiek vCPU ir kiek NVMe vietos palikti duomenims bei kontroliniams taškams. GPU darbams konfigūraciją surenkame atskirai.
Padėsime sutvarkyti aplinką ir apsaugoti nuotolinę prieigą. Konfigūracijos su vaizdo plokšte yra puslapyje GPU serveriai, o alternatyvus karkasas — TensorFlow VPS.
Padėkite parinkti konfigūracijąDažnai užduodami klausimai
Neradote atsakymo?
Parašykite mums per kontaktų puslapį.
Visos — savo serveryje patys įsidiegiate reikiamas Python ir PyTorch versijas kartu su tinkamomis CUDA bibliotekomis.
Skaičiuokite duomenis ir kontrolinius taškus kartu: vidutinio modelio kontrolinis taškas — šimtai megabaitų, vaizdų rinkinys — dešimtys gigabaitų. Pradinė 80–120 GB NVMe atsarga yra planuose Standard 3 ir Standard 5.
Baziniai planai sudaryti iš vCPU, atminties ir NVMe — vaizdo plokštės juose nėra. GPU darbams konfigūraciją surenkame atskirai, atsiųskite užklausą.
Taip, CPU režimas visiškai palaikomas: jis tinka modelių vykdymui, nedidelių modelių pritaikymui ir kodo derinimui. Mokymui nuo nulio reikia vaizdo plokštės.
Mokymas procesoriumi gerai auga su branduoliais: 16 vCPU (Power 3, 27,99 €/mėn.) skaičiuoja pastebimai greičiau nei aštuoni. Vidutiniams duomenų rinkiniams imkite 24 GB atminties ar daugiau.
Taip, root prieiga leidžia įdiegti bet kurią PyTorch versiją ir tvarkykles. Konfigūracijose be vaizdo plokštės naudojama CPU versija — ji įsidiegia įprastai per pip.
Prisijunkite per KVM konsolę: ji veikia aparatiniame lygyje ir lieka pasiekiama, kai sistema neįsikelia arba SSH uždarytas.
Taip, augant modeliui galima pereiti į aukštesnį planą — pridedama vCPU, atminties ir disko vietos didesniems duomenų rinkiniams.