I fatti del servizio
IteraGPU è il nome del servizio presentato su questo sito. I riferimenti seguenti descrivono la nostra offerta e gli strumenti disponibili. Le tariffe dettagliate e la disponibilità di ogni configurazione si consultano nel catalogo; la capacità di una scheda non descrive da sola il server né il risultato del tuo software.
| Riferimento | Valore o funzionamento | Condizione di lettura |
|---|---|---|
| Pubblico | Ricerca e ingegneria ML | Addestramento, inferenza e fine-tuning secondo il tuo protocollo |
| Catalogo | 15 configurazioni NVIDIA e AMD | Scegliere in base a software compatibile, memoria e carico misurato |
| Memoria | Da 24 a 192 GB nominali per GPU | I GB riprendono i GB del produttore; non sono né i GiB liberi né la RAM del server |
| Composizione | 1 GPU per lotto; 2 GPU per B200 | Il prezzo del lotto include le sue schede; la loro memoria non si somma automaticamente |
| Location | 3, 7 o 30 giorni; da 1 a 10 lotti | Importo completo in USD per lotto, moltiplicato per la quantità |
| Disponibilità | Stock indicato su ogni scheda | La conferma del pagamento e la preparazione dell'accesso sono due fasi distinte |
| Preparazione software | Ambiente desiderato all'ordine | Una preferenza non equivale a prova di installazione o di compatibilità del tuo modello |
| Monitoraggio | Account, ordini e quaderno ML | Le note inserite non sostituiscono i tuoi file, backup o misurazioni esterne |
Fonti tecniche: Catalogo e caratteristiche delle offerte · Tariffe dei preventivi · Condizioni di ordine
La GPU è una decisione di protocollo
La memoria deve accogliere il lavoro previsto, l'ambiente deve essere adatto al modello e il calendario deve includere preparazione, misurazioni, riprese ed export. In inferenza, fissa le lunghezze di input e output nonché il numero di richieste simultanee. In addestramento, esamina lo step completo e gli stati necessari alla ripresa.
Il dimensionatore calcola un envelope a partire dai parametri, dal formato dei pesi e dalla tua riserva di esecuzione. Questa riserva è un'ipotesi esplicita; non è una capacità garantita. Per distinguere due configurazioni, mantieni un set di input e una regola di qualità comuni, poi misura i casi che contano per il tuo progetto.
Fonti tecniche: Dimensionatore e ipotesi · Preparare le richieste di inferenza
Risorse originali, con un ambito esplicito
IteraGPU Lab v1 raccoglie un notebook per il calcolo e la misura della memoria, due script Python, un protocollo di qualità, i prezzi dei pacchetti e una tabella grezza vuota. Il codice e la documentazione originali sono distribuiti con licenza MIT. Le istruzioni indicano i prerequisiti e gli errori espliciti quando mancano PyTorch o la GPU.
Lo script di misura è stato testato su una RTX 5070 fuori catalogo con una rete di 8.320 parametri. Questa prova verifica la strumentazione; non misura né un modello grande né le prestazioni delle offerte a noleggio. Il dossier memoria specifica le condizioni e i risultati.
Il metodo memoria spiega i contatori; il metodo benchmark confronta risultati a qualità fissata e il costo del pacchetto impegnato. Le risorse distribuite non contengono output di notebook o risultati GPU precompilati. Misura il tuo carico prima di trarne una raccomandazione.
- Scarica IteraGPU Lab v1
Archivio con versioni: protocollo, notebook, script, tabelle, istruzioni, inventario e licenza.
- Leggere i prerequisiti e l'ambito di validazione
Prerequisiti, parametri testati e limiti della prova.
Fonti tecniche: Stima e picco di memoria · Confronto e costo per corpus validato
L'autonomia nelle tue elaborazioni
Scegli tu i tuoi software, i tuoi modelli e l'organizzazione dei tuoi calcoli. IteraGPU non ispeziona il contenuto dei tuoi file, prompt o elaborazioni. Questa politica riguarda il contenuto dei lavori; non elimina le informazioni necessarie all'account, all'ordine e al monitoraggio del pagamento.
Prepara le dipendenze e le versioni, verifica i diritti d'uso e organizza i tuoi backup. L'ambiente selezionato all'ordine esprime la tua esigenza di preparazione. La sua compatibilità con le tue librerie, estensioni e modelli va controllata prima di lanciare la campagna completa.
Fonti tecniche: Dati e privacy
Un quaderno per conservare la ragione della scelta
Il quaderno ML conserva gli obiettivi, i parametri e le osservazioni che inserisci. Collega la tua ipotesi a una versione del codice, a un set di input e a un riferimento d'ordine. Conserva anche le varianti scartate: superamento della memoria, qualità insufficiente o risultato incompleto spiegano la decisione successiva.
Il quaderno non lancia il tuo codice, non rileva automaticamente la telemetria GPU e non carica i tuoi set di dati. Conserva i file grezzi, gli output e i checkpoint nei tuoi backup. Una nota deve permettere di ritrovare la prova, senza sostituirsi ad essa.
Dal pacchetto al monitoraggio del noleggio
Scegli il modello, la durata e il numero di lotti, poi verifica il totale in USD. Il prezzo corrisponde al pacchetto intero; non è un contatore orario. Il pagamento crypto avviene senza KYC né richiesta di documento d'identità. Nome, cognome ed email servono al monitoraggio dell'ordine.
Dopo un trasferimento, «Ho pagato» registra la tua segnalazione per la verifica. Il pagamento confermato e la fornitura dell'accesso GPU sono monitorati separatamente. Il tuo account raccoglie gli ordini, i documenti e le richieste di assistenza; consulta lo stato di preparazione prima di avviare le tue elaborazioni.
Fonti tecniche: Percorso di pagamento crypto
Domande pratiche
IteraGPU fornisce una raccomandazione universale di GPU?
IteraGPU fornisce criteri e strumenti per preparare la tua scelta, senza indicare una GPU vincente per tutte le elaborazioni. Memoria, ambiente, contesto, concorrenza e qualità vanno verificati insieme. Il budget si confronta poi tra le opzioni che soddisfano questi requisiti.
Due GPU B200 costituiscono un'unica memoria?
Un lotto B200 comprende due GPU, ciascuna con la propria memoria. Il tuo software deve ripartire esplicitamente i dati o i calcoli per usarle insieme. La composizione del lotto non dimostra una memoria unificata, una topologia particolare o un'accelerazione data.
La scelta di PyTorch all'ordine garantisce che il mio modello funzionerà?
La scelta di un ambiente esprime una preferenza di preparazione, non una validazione del tuo modello. Verifica il driver, le librerie, le estensioni e le versioni necessarie, poi esegui un piccolo caso rappresentativo prima della tua campagna.