Le domande prima del primo tentativo.

Parti dal modello e dalla domanda a cui rispondere. Stima i pesi, poi aggiungi la cache, le attivazioni e i buffer della tua esecuzione. Una prima prova di 3 giorni può servire a caricare il modello, verificare le dipendenze e misurare il picco di memoria. Confronta poi le schede con capacità sufficiente: una scheda più recente non sostituisce un protocollo adatto al tuo carico.

I noleggi durano 3, 7 o 30 giorni. Scegli da 1 a 10 lotti nel checkout: un lotto comprende una scheda, tranne B200 che ne comprende due. Tre giorni vanno bene per una validazione mirata, sette giorni per una serie di varianti e trenta giorni per una campagna organizzata. Prepara i tuoi dati e un punto di ripresa prima dell'inizio dei calcoli, per dedicare la durata al tuo obiettivo.

Il prezzo mostrato corrisponde a un lotto per la durata scelta, in USD. Il totale dell'ordine moltiplica questo forfait per il numero di lotti. Lo stock indica le schede disponibili, o i lotti di due schede per B200. Per esempio, due lotti B200 rappresentano quattro GPU: il prezzo del lotto non deve essere moltiplicato una seconda volta per due.

Scegli la GPU, la durata, il numero di lotti e la tua preferenza di ambiente: Ubuntu, PyTorch, Blender o altro. Crea poi il tuo account con il tuo nome, il tuo cognome, la tua email e una password, oppure scegli «Ho già un account» per accedere. Verifica i dati precompilati se sei connesso, poi il riepilogo. Non ti viene richiesto alcun documento d'identità.

Ogni scheda ha la propria memoria. Un programma distribuito deve collocare esplicitamente i suoi dati o i suoi calcoli su più dispositivi; due GPU non costituiscono automaticamente un'unica grande GPU. La duplicazione del modello, la ripartizione dei layer e la suddivisione degli stati di addestramento rispondono a esigenze diverse. Scegli la tua strategia prima di ordinare più lotti.

Definisci gli esperimenti indispensabili, le varianti facoltative e il tuo criterio di arresto. Fai funzionare un piccolo caso completo prima di lanciare i lotti lunghi. Conserva le revisioni del codice, i parametri, le misurazioni e un checkpoint che hai realmente ricaricato. Prevedi anche il tempo per verificare ed esportare i risultati, così da non riservare all'unico calcolo tutta la durata.

IteraGPU non richiede né un documento d'identità né una procedura di verifica dell'identità KYC per il noleggio. Il checkout conserva comunque il tuo nome, il tuo cognome e la tua email di contatto. Scegli un asset e la sua rete, poi effettui il trasferimento dal tuo portafoglio. Questo percorso senza controllo dell'identità non significa che le transazioni di una blockchain pubblica diventino anonime.

I metodi sono BTC su Bitcoin, ETH su Ethereum, USDT e USDC su Ethereum, SOL su Solana, TRX e USDT su Tron, oltre a LTC su Litecoin. Scegli la coppia asset/rete mostrata nell'ordine. Per un token come USDT, il solo nome non basta a identificare la destinazione: le istruzioni distinguono Ethereum e Tron.

L'ordine conserva il suo totale in USD. Le istruzioni indicano un importo cripto esatto, un cambio e una scadenza. Usa l'intenzione ancora valida quando prepari il trasferimento. Se scade prima del tuo invio, richiedi nuove istruzioni da questo ordine; il nuovo importo corrisponde al cambio ottenuto in quel momento.

Dopo il trasferimento, clicca sul pulsante dell'intenzione interessata. Il messaggio «Pagamento segnalato. Verifica in attesa.» indica che la segnalazione è registrata e resta visibile al tuo ritorno. Il regolamento passa poi attraverso la sua verifica. Se hai usato una vecchia intenzione, aprila nella cronologia e usa il suo pulsante.

Una ricarica cripto confermata alimenta il tuo saldo in USD. Apri poi l'ordine di noleggio e scegli il regolamento con il saldo quando copre il suo importo. La ricarica e il noleggio mantengono ciascuno il proprio riferimento, e il registro permette di seguire il credito e poi l'addebito. La semplice registrazione di una ricarica non aggiunge fondi disponibili.

Trovi la pratica in «I miei noleggi», poi nella lista degli ordini. Presenta separatamente l'importo, il regolamento e la fase di fornitura. «Pagamento segnalato» corrisponde alla tua dichiarazione; «Pagata» corrisponde a un regolamento confermato. Consulta poi lo stato di preparazione e le informazioni di accesso quando sono fornite.

Sì. Scegli il tuo codice, i tuoi modelli, le tue dipendenze e le elaborazioni che esegui sulla GPU noleggiata. Prepara un ambiente di cui conosci le versioni e i requisiti. Per cambiare famiglia hardware, verifica la compatibilità delle tue librerie e delle tue estensioni prima di trasporre un protocollo completo.

Il servizio non procede a un'ispezione del contenuto dei tuoi file, prompt o calcoli. Mantieni il controllo delle tue elaborazioni e dei tuoi risultati. Il monitoraggio commerciale utilizza le informazioni di ordine e regolamento; questa politica non costituisce una promessa di assenza di qualsiasi dato tecnico né di anonimato assoluto.

Il quaderno raccoglie le ipotesi, le versioni dell'ambiente, i parametri e le osservazioni che vi annoti. Usa una scheda per ogni domanda sperimentale: ad esempio, confrontare due precisioni a batch costante o misurare l'effetto del contesto sulla cache. Una nota chiara associa la configurazione alla misura e alla conclusione; non confonde una stima con un risultato osservato.

Accedi a IteraGPU con l'email e la password del tuo account per ritrovare i tuoi ordini, il tuo saldo e il tuo quaderno. La disconnessione chiude solo la sessione. I dati di una vecchia sessione ospite possono essere conservati durante una nuova registrazione da quella sessione, se è ancora valida e non già associata. Un indirizzo email identico non basta a recuperare le pratiche di un altro browser. Scarica il riepilogo dei tuoi ordini per conservare i riferimenti utili.

Mantieni costanti modello, dataset, versioni, lunghezza degli input e regole di misurazione. Cambia una variabile alla volta. Distingui le prime esecuzioni dallo stato stabilizzato e misura anche la qualità dell'output, non solo la velocità. Documenta i fallimenti: un picco di memoria superato è un'informazione utile per scegliere la configurazione successiva.

Annota il riferimento dell'ordine, il modello GPU, la versione delle librerie e i passaggi che riproducono il problema. Se possibile, riduci il caso a un input rappresentativo e indica cosa ci si aspettava. Nella tua richiesta privata, rimuovi i segreti e allega i messaggi utili come testo; tieni sotto il tuo controllo i dati di business e i file completi.

No. Fornisce una base per l'archiviazione dei parametri. Il lavoro aggiunge altri oggetti: attivazioni e allocazioni temporanee, gradienti e stati dell'optimizer durante l'addestramento, cache eventuale durante la generazione. Prepara una stima con le dimensioni del tuo carico, poi misura un test rappresentativo.

È un'ipotesi calcolata a partire dai tuoi input e dalle voci esplicitamente mostrate. Aiuta a organizzare una selezione; non garantisce né il caricamento di un modello né la sua velocità. Le dimensioni, i formati e i costi aggiuntivi propri del tuo software possono modificare il fabbisogno. Conserva la stima con la sua data, poi confrontala con il picco misurato.

Una precisione più bassa modifica il compromesso tra memoria, calcolo e comportamento numerico. Confrontala sugli stessi input con i tuoi criteri di qualità. Conserva il formato dei pesi, quello del calcolo e le versioni della libreria: la loro combinazione permette di riprodurre la variante scelta.

Il programma deve distribuire il lavoro e, se necessario, gli stati del modello tra i dispositivi. Più GPU non diventano automaticamente uno spazio di memoria unico. Scegli la tua strategia di parallelismo in base al modello, poi rileva il picco su ogni GPU. Il lotto B200 contiene due GPU; la memoria resta descritta per singola scheda.

Definisci prima la domanda, le metriche e il criterio di qualità. Conserva gli input, le versioni, i parametri, il metodo di misurazione e i risultati individuali. Spiega cosa cambia tra le varianti. Se più elementi cambiano contemporaneamente, puoi confrontare le configurazioni complete, ma non puoi attribuire lo scarto a uno solo di questi elementi.

Controlla alcune fonti di casualità, non tutte le differenze di esecuzione. PyTorch non garantisce una riproducibilità completa tra versioni, piattaforme e dispositivi. Documenta i seed, le impostazioni deterministiche e l'ambiente. Definisci anche cosa consideri riproducibile: stessi valori esatti o risultato comparabile secondo una tolleranza spiegata.