Какой сервер нужен для машинного обучения и AI
Разберитесь, где хватает CPU, а где нужен GPU — и проверьте конфигурацию на своих данных в тест-периоде 5 часов
Подобрать конфигурацию
Выбор сервера под ML начинается с вопроса, нужна ли видеокарта. CPU достаточно для классического машинного обучения, подготовки данных и инференса небольших моделей: модель на 7 млрд параметров в 4-битной квантизации занимает 4–5 ГБ, в 8-битной — 7–8 ГБ, а с учётом контекста и системы берут от 16 ГБ RAM. GPU нужен для обучения нейросетей и генеративных моделей — такая конфигурация в тарифы не входит и собирается под задачу. Ниже — конфигурации по сценариям; когда выбор сделан, оформляйте VPS для AI/ML.
Сколько стоит такой сервер
Тарифы без видеокарты — под данные, классический ML и инференс. Тест-период 5 часов до оплаты.
Standard 1
| 4 vCPU · AMD EPYC |
| 4 ГБ RAM |
| 50 ГБ NVMe |
| Безлимитный трафик |
| 1× IPv4 · KVM |
| Поддержка 24/7 |
Standard 2
| 4 vCPU · AMD EPYC |
| 6 ГБ RAM |
| 60 ГБ NVMe |
| Безлимитный трафик |
| 1× IPv4 · KVM |
| Поддержка 24/7 |
Standard 3
| 6 vCPU · AMD EPYC |
| 8 ГБ RAM |
| 80 ГБ NVMe |
| Безлимитный трафик |
| 1× IPv4 · KVM |
| Поддержка 24/7 |
Конфигурация под типовую задачу
Ориентиры по памяти и ядрам для задач, которые считаются на процессоре.
| Задача | Конфигурация | Тариф | Цена, €/мес | |
|---|---|---|---|---|
| Учебные проекты, scikit-learn на малых данных | 6 vCPU · 8 ГБ · 80 ГБ | Standard 3 | 8,99 € | Заказать |
| Jupyter и подготовка датасетов | 8 vCPU · 8 ГБ · 100 ГБ | Standard 4 | 10,99 € | Заказать |
| Инференс модели 7B в квантизации | 10 vCPU · 16 ГБ · 160 ГБ | Power 1 | 17,99 € | Заказать |
| Градиентный бустинг, ETL на больших таблицах | 16 vCPU · 24 ГБ · 240 ГБ | Power 3 | 27,99 € | Заказать |
| Датасеты в сотни гигабайт, тяжёлый препроцессинг | 40 vCPU · 64 ГБ · 700 ГБ | Max 3 | 84,99 € | Заказать |
Ориентиры для расчётов на процессоре. Обучение нейросетей требует конфигурации с видеокартой: она в тарифы не входит и подбирается индивидуально под модель и объём данных. Цены — помесячная оплата из нашего прайса, за полгода ниже на 10 %, за год — на 18 %.
Память под модель и контекст
Считайте вес модели в выбранной квантизации плюс контекст и систему: 7B в 4 битах — 4–5 ГБ, рабочий минимум — 16 ГБ RAM.
Ядра под данные
Препроцессинг, ETL и градиентный бустинг хорошо распараллеливаются — здесь помогают 16–40 vCPU, а не видеокарта.
GPU — под обучение
Обучение нейросетей и генеративные модели требуют видеокарты. Конфигурацию собираем под задачу — смотрите сравнение GPU-серверов.
Как подобрать сервер под свою задачу
Три шага — от требований модели до замера на своих данных.
Определите тип нагрузки
Обучение нейросети — это GPU. Инференс, классический ML и обработка данных считаются на процессоре.
Посчитайте память
Сложите вес модели в нужной квантизации, размер батча или контекста и 2 ГБ на систему — получите минимум по RAM.
Проверьте на своих данных
VPS выдаётся в тест-режиме на 5 часов: разверните окружение, прогоните эпоху или пачку инференса и решайте до оплаты.
Конфигурация выбрана — можно заказывать
Тарифы и порядок заказа — на странице VPS для AI/ML. Нужна видеокарта — начните со сравнения GPU-серверов: там разобрано, что смотреть, кроме модели карты.
Если инструмент известен заранее, начните с профильной страницы: PyTorch, TensorFlow, Jupyter или Stable Diffusion.
Перейти к заказу VPSЧастые вопросы
Не нашли ответ?
Напишите нам через форму на странице контактов.
CPU хватает для классического ML, подготовки данных и инференса небольших моделей. GPU нужен для обучения нейросетей и генеративных моделей — конфигурацию собираем под задачу.
Около 4–5 ГБ в 4-битной квантизации и 7–8 ГБ в 8-битной. С учётом контекста и системы берите от 16 ГБ RAM — это Power 1 за 17,99 €/мес.
На NVMe самого сервера: 160 ГБ в Power 1, 240 ГБ в Power 3, до 700 ГБ в Max 3. Если данных больше, напишите в поддержку — подключим дополнительный диск.
Любые: PyTorch, TensorFlow, scikit-learn, JAX, conda-окружения и драйверы нужных версий. Root-доступ полный, в состав ПО мы не вмешиваемся.
ETL, препроцессинг и градиентный бустинг распараллеливаются: 16 vCPU (Power 3, 27,99 €/мес) заметно быстрее восьми на тех же таблицах.
Да, Jupyter ставится на сервер и открывается в браузере через SSH-туннель или обратный прокси. Ноутбуки и данные при этом остаются на вашем сервере.
Цена зависит от модели карты и объёма видеопамяти, поэтому считается под задачу. Опишите модель и объём данных — соберём конфигурацию и посчитаем.
На странице VPS для AI/ML: тарифы, образы ОС и оформление заказа. Сервер выдаётся в тест-режиме на 5 часов — оплата после проверки.