TensorFlow VPS — nuo 5,49 €/mėn.
Mokykite TensorFlow modelius be apribojimų — serveris ant NVMe su atminties atsarga, 5 valandos bandymo, visiškai be rizikos
Paleisti TensorFlow dabar
TensorFlow VPS — tai virtualus serveris su visiška root prieiga modeliams mokyti ir vykdyti su TensorFlow bei Keras. Patys įsidiegiate Linux, Python ir reikiamas TensorFlow versijas, o skaičiavimai vyksta serveryje ir atlaisvina jūsų kompiuterį. Atminties atsarga ir greiti NVMe diskai laiko duomenų rinkinius bei modelio svorius šalia, o TensorBoard atsidaro naršyklėje. Planai prasideda nuo 5,49 €/mėn., o serveris išduodamas su 5 valandų bandomuoju laikotarpiu — patikrinkite našumą su savo duomenimis prieš apmokėdami.
Planai
VPS TensorFlow projektams
Standard 1 (4 vCPU, 4 GB) ir Standard 2 (4 vCPU, 6 GB) tinka prototipams ir derinimui. Modelių vykdymui procesoriumi ir nedidelių modelių mokymui reikia Power 3 (16 vCPU, 24 GB) ar aukštesnio, o sunkiam mokymui — vaizdo plokštės. 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 |
Sava TensorFlow aplinka
Įdiekite reikiamas Python, TensorFlow ir Keras versijas — savo modeliams, be išorinių apribojimų ir skaičiavimo laiko limitų.
Mokymas serveryje
Ilgi mokymo ciklai vyksta serveryje visą parą ir neužima nešiojamojo — paleiskite ir palikite skaičiuoti.
Duomenų rinkiniai ant NVMe
Greiti diskai ir atminties atsarga pagreitina didelių duomenų rinkinių įkėlimą ir laiko modelio svorius šalia skaičiavimų.
Kaip paleisti TensorFlow 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 ML rinkiniui.
Įdiekite OS patys
Per valdymo skydelį pasirinktą OS į KVM serverį įdiegiate patys — aplinka lieka visiškai jūsų kontrolėje.
Sukonfigūruokite TensorFlow
Per SSH arba KVM konsolę įdiekite Python ir TensorFlow, sukelkite duomenis ir pradėkite mokymą su TensorBoard.
Serveris jūsų modeliams
Patarsime, kuris planas tinka jūsų modeliui ir duomenų rinkinio dydžiui: kiek atminties, kiek vCPU ir kiek NVMe vietos. Modelių vykdymui ir mokymui GPU konfigūraciją surenkame atskirai.
Padėsime sutvarkyti aplinką, TensorBoard ir saugią prieigą. Alternatyvus karkasas — PyTorch VPS, o konfigūracijos su vaizdo plokšte — GPU serveriai.
Padėkite parinkti konfigūracijąDažnai užduodami klausimai
Neradote atsakymo?
Parašykite mums per kontaktų puslapį.
Visas — turite root prieigą ir patys įsidiegiate projektui reikalingas Python, TensorFlow ir Keras versijas.
Taip: paleiskite mokymą per systemd, tmux arba nohup — procesas tęsiasi ir atsijungus nuo SSH. Žurnalai ir kontroliniai taškai rašomi į serverio diską.
Baziniai planai sudaryti iš vCPU, atminties ir NVMe. GPU darbams konfigūraciją surenkame atskirai — atsiųskite užklausą.
Taip. Paleidus TensorBoard jis atsidaro naršyklėje serverio adresu — mokymo metrikas stebite nuotoliniu būdu.
Modelių vykdymui ir nedidelių modelių mokymui — taip: 16 vCPU ir 24 GB (Power 3, 27,99 €/mėn.) susidoroja su tipiniais darbais. Sunkiam mokymui reikia GPU.
Sumažinkite paketo dydį ir naudokite duomenų generatorius, užuot krovę visą rinkinį į atmintį. Jei to nepakanka, pereikite į planą su 32–64 GB (Max 1 arba Max 3).
Taip, užrašinė įdiegiama serveryje ir atidaroma per saugų tunelį arba už Nginx su slaptažodžiu. Nepalikite prievado atviro be apsaugos.
Taip, KVM konsolė duoda tokią pat prieigą kaip monitorius ir klaviatūra prie mašinos: konfigūracijos taisymas, paleidimas į atkūrimo režimą, perdiegimas.