Les questions avant le premier essai.

Partez du modèle et de la question à trancher. Estimez les poids, puis ajoutez le cache, les activations et les buffers de votre exécution. Un premier essai de 3 jours peut servir à charger le modèle, vérifier les dépendances et mesurer le pic mémoire. Comparez ensuite les fiches à capacité suffisante : une carte plus récente ne remplace pas un protocole adapté à votre charge.

Les locations durent 3, 7 ou 30 jours. Vous choisissez de 1 à 10 lots dans le checkout : un lot comporte une carte, sauf B200 qui en comporte deux. Trois jours conviennent à une validation ciblée, sept jours à une série de variantes et trente jours à une campagne organisée. Préparez vos données et un point de reprise avant le début de vos calculs pour consacrer la durée à votre objectif.

Le prix affiché correspond à un lot pour la durée choisie, en USD. Le total de commande multiplie ce forfait par le nombre de lots. Le stock indique les cartes disponibles, ou les lots de deux cartes pour B200. Par exemple, deux lots B200 représentent quatre GPU : le prix du lot ne doit pas être multiplié une seconde fois par deux.

Choisissez le GPU, la durée, le nombre de lots et votre préférence d’environnement : Ubuntu, PyTorch, Blender ou autre. Créez ensuite votre compte avec votre prénom, votre nom, votre email et un mot de passe, ou choisissez « J’ai déjà un compte » pour vous connecter. Vérifiez les coordonnées préremplies si vous êtes connecté, puis le récapitulatif. Aucune pièce d’identité ne vous est demandée.

Chaque carte possède sa propre mémoire. Un programme réparti doit placer explicitement ses données ou ses calculs sur plusieurs appareils ; deux GPU ne constituent pas automatiquement un grand GPU unique. La duplication du modèle, la répartition des couches et le découpage des états d’entraînement répondent à des besoins différents. Choisissez votre stratégie avant de commander plusieurs lots.

Définissez les expériences indispensables, les variantes facultatives et votre critère d’arrêt. Faites fonctionner un petit cas complet avant de lancer les lots longs. Conservez les révisions de code, les paramètres, les mesures et un checkpoint que vous avez réellement rechargé. Prévoyez aussi le temps de vérifier et d’exporter les résultats, afin de ne pas réserver toute la période au seul calcul.

IteraGPU ne demande ni pièce d’identité ni procédure de vérification d’identité KYC pour la location. Le checkout conserve néanmoins votre prénom, votre nom et votre email de contact. Vous choisissez un actif et son réseau, puis vous effectuez le transfert depuis votre portefeuille. Ce parcours sans contrôle d’identité ne signifie pas que les transactions d’une blockchain publique deviennent anonymes.

Les méthodes sont BTC sur Bitcoin, ETH sur Ethereum, USDT et USDC sur Ethereum, SOL sur Solana, TRX et USDT sur Tron, ainsi que LTC sur Litecoin. Choisissez la paire actif/réseau affichée dans la commande. Pour un jeton comme USDT, le nom seul ne suffit pas à identifier la destination : les instructions distinguent Ethereum et Tron.

La commande conserve son total en USD. Les instructions indiquent un montant crypto exact, un cours et une échéance. Utilisez l’intention encore valide lorsque vous préparez le transfert. Si elle expire avant votre envoi, demandez de nouvelles instructions depuis cette commande ; le nouveau montant correspond au cours obtenu à ce moment-là.

Après votre transfert, cliquez sur le bouton de l’intention concernée. Le message « Paiement signalé. Vérification en attente. » indique que le signalement est enregistré, et reste visible à votre retour. Le règlement passe ensuite par sa vérification. Si vous avez utilisé une ancienne intention, ouvrez-la dans l’historique et utilisez son propre bouton.

Une recharge crypto confirmée alimente votre solde en USD. Ouvrez ensuite la commande de location et choisissez le règlement avec le solde lorsqu’il couvre son montant. La recharge et la location gardent chacune leur référence, et le registre permet de suivre le crédit puis le débit. Le simple enregistrement d’une recharge n’ajoute pas de fonds disponibles.

Retrouvez le dossier dans « Mes locations », puis dans la liste des commandes. Il présente le montant, le règlement et l’étape de fourniture séparément. « Paiement signalé » correspond à votre déclaration ; « Payée » correspond à un règlement confirmé. Consultez ensuite l’état de préparation et les informations d’accès lorsqu’elles sont fournies.

Oui. Vous choisissez votre code, vos modèles, vos dépendances et les traitements que vous exécutez sur le GPU loué. Préparez un environnement dont vous connaissez les versions et les besoins. Pour changer de famille matérielle, vérifiez la compatibilité de vos bibliothèques et de vos extensions avant de transposer un protocole complet.

Le service ne procède pas à une inspection du contenu de vos fichiers, prompts ou calculs. Vous gardez la maîtrise de vos traitements et de vos résultats. Le suivi commercial utilise les informations de commande et de règlement ; cette politique ne constitue pas une promesse d’absence de toute donnée technique ni d’anonymat absolu.

Le carnet rassemble les hypothèses, versions d’environnement, paramètres et observations que vous y inscrivez. Utilisez une fiche par question expérimentale : par exemple, comparer deux précisions à batch constant ou mesurer l’effet du contexte sur le cache. Une note claire associe la configuration à la mesure et à la conclusion ; elle ne confond pas une estimation avec un résultat observé.

Connectez-vous à IteraGPU avec l’email et le mot de passe de votre compte pour retrouver vos commandes, votre solde et votre carnet. La déconnexion ferme seulement la session. Les données d’une ancienne session invitée peuvent être conservées lors d’une nouvelle inscription depuis cette session, si elle est encore valide et non déjà rattachée. Une adresse email identique ne suffit pas à récupérer les dossiers d’un autre navigateur. Téléchargez le récapitulatif de vos commandes pour conserver les références utiles.

Gardez constants le modèle, le jeu de données, les versions, la longueur des entrées et les règles de mesure. Changez une variable à la fois. Distinguez les premières exécutions de l’état stabilisé et mesurez aussi la qualité de sortie, pas uniquement la vitesse. Documentez les échecs : un pic mémoire dépassé est une information utile pour choisir la configuration suivante.

Notez la référence de commande, le modèle GPU, la version des bibliothèques et les étapes qui reproduisent le problème. Réduisez si possible le cas à une entrée représentative et indiquez ce qui était attendu. Dans votre demande privée, retirez les secrets et joignez les messages utiles sous forme de texte ; gardez vos données métier et les fichiers complets sous votre contrôle.

Non. Elle donne une base pour le stockage des paramètres. Le travail ajoute d’autres objets : activations et allocations temporaires, gradients et états d’optimiseur pendant l’entraînement, cache éventuel pendant la génération. Préparez une estimation avec les dimensions de votre charge, puis mesurez un essai représentatif.

C’est une hypothèse calculée à partir de vos entrées et des postes explicitement affichés. Elle aide à organiser une sélection; elle ne garantit ni le chargement d’un modèle ni sa vitesse. Les dimensions, formats et surcoûts propres à votre logiciel peuvent modifier le besoin. Conservez l’estimation avec sa date, puis comparez-la au pic mesuré.

Une précision plus faible modifie le compromis entre mémoire, calcul et comportement numérique. Comparez-la sur les mêmes entrées avec vos critères de qualité. Conservez le format des poids, celui du calcul et les versions de bibliothèque : leur combinaison permet de reproduire la variante retenue.

Le programme doit répartir le travail et, si nécessaire, les états du modèle entre les appareils. Plusieurs cartes ne deviennent pas automatiquement un espace mémoire unique. Choisissez votre stratégie de parallélisme en fonction du modèle, puis relevez le pic sur chaque GPU. Le lot B200 contient deux GPU; la mémoire reste décrite par carte.

Fixez d’abord la question, les métriques et le critère de qualité. Conservez les entrées, versions, paramètres, méthode de mesure et résultats individuels. Expliquez ce qui change entre les variantes. Si plusieurs éléments changent simultanément, vous pouvez comparer les configurations complètes, mais vous ne pouvez pas attribuer l’écart à un seul de ces éléments.

Elle contrôle certaines sources d’aléa, pas toutes les différences d’exécution. PyTorch ne garantit pas une reproductibilité complète entre versions, plateformes et appareils. Documentez les graines, les réglages déterministes et l’environnement. Définissez aussi ce que vous considérez comme reproductible : mêmes valeurs exactes ou résultat comparable selon une tolérance expliquée.