Comprare una decisione, non una serie senza fine.

Definire cosa permetterà di chiudere la campagna

«Addestrare un modello» non definisce né il lavoro da acquistare né il momento in cui è terminato. Preferisci un obiettivo come confrontare un controllo e due varianti su un corpus fisso, poi consegnare le loro predizioni, un'analisi degli errori e un artefatto ricaricabile. Il risultato negativo può bastare: mostrare che nessuna variante rispetta la soglia evita una campagna più lunga mal mirata.

Separa tre categorie prima dell'ordine: indispensabile per concludere, utile se il tempo lo permette, esplorativo. Il controllo, la verifica dei dati e una verifica di ripresa appartengono generalmente alla prima. Fissa un punto di decisione dopo il pilota: continuare, ridurre una variante facoltativa o rivedere la domanda. Il forfait disponibile non deve diventare un obbligo di riempire ogni ora.

Costruire un calendario end-to-end

Un'estrapolazione a partire da uno step di addestramento già a regime a volte dimentica il caricamento, gli input lunghi, la validazione e i file di output. Distingui le fasce in cui la macchina è impegnata e il tempo umano di preparazione. Fasce indipendenti possono sovrapporsi; due fasi che usano la stessa GPU non diventano parallele perché hanno due righe in una tabella.

Ecco un calendario illustrativo, senza velocità GPU misurata. Riserva 48 ore sequenziali dall'inizio della preparazione al recupero dei risultati. In una finestra di 72 ore, lascia 24 ore non impegnate. Questa sottrazione verifica solo il calendario: né l'installazione, né una variante da dieci ore sono tempi promessi da IteraGPU.

Confrontare i pacchetti senza inventare una fatturazione oraria

Il prezzo di un lotto copre la durata selezionata. Una RTX 4090 del catalogo costa 47,14 USD per tre giorni, 110 USD per sette giorni e 390 USD per trenta giorni. Questi importi sono le tariffe IteraGPU; non misurano il numero di modelli addestrati. Due lotti da tre giorni rappresentano 94,28 USD. Il lotto B200 include già due GPU: la sua composizione non moltiplica una seconda volta il suo prezzo.

Se il calendario illustrativo si allunga di 30 ore, raggiunge 78 ore e supera i tre giorni di sei ore. Valuta allora il pacchetto da sette giorni, o un protocollo ridotto che risponda comunque alla domanda. Acquistare due lotti può aiutare varianti indipendenti se il tuo ambiente lo consente; non accorcia automaticamente un'esecuzione e non unisce le memorie.

Fonti tecniche: Tariffe IteraGPU e unità di noleggio · Calcolare i pacchetti e verificare la finestra

Prioritizzare le varianti in base alla loro utilità per la decisione

Dopo il pilota, aggiorna le tue ipotesi sulla durata e chiediti quale risultato cambierebbe la scelta. Una variante quasi identica al riferimento può essere meno informativa di un controllo che isola una causa. Evita di avviare in un colpo solo tutte le combinazioni di rango, precisione, tasso di apprendimento e lunghezza. La guida alle ablazioni mostra come impostare un piccolo piano interpretabile.

Scrivi la regola di arresto prima delle prove: perdita non finita, qualità sotto una soglia, input indispensabile troncato o assenza di una ripresa utilizzabile. Se l'arresto avviene, conserva il suo identificatore e il suo motivo. Un'esecuzione interrotta non diventa un deliverable accettato, ma resta una spesa e a volte un'informazione decisiva. Una nuova configurazione dopo la correzione merita un nuovo identificatore.

Prevedere il costo di un'interruzione

Una ripresa dell'addestramento richiede più dei soli pesi. La documentazione PyTorch distingue i parametri del modello e lo stato dell'ottimizzatore; anche la progressione deve essere conservata. A seconda del ciclo, aggiungi gli stati necessari dello scheduler, dello scaler, delle casualità e del percorso dei dati. Decidi se vuoi riprendere l'apprendimento o semplicemente rilanciare un'inferenza.

Prova un salvataggio precoce e poi il suo ricaricamento in un nuovo processo. Conta il tempo di scrittura, trasferimento e ripristino nel calendario. Un intervallo di salvataggio non si sceglie solo per produrre molti file: avvicina la perdita di lavoro tollerabile e il costo osservato dell'operazione. Verifica anche dove vivono questi file e come li recupererai prima della fine del periodo.

Fonti tecniche: PyTorch — salvataggio e ripresa

Rapportare il budget al risultato utile

Alla chiusura, indica il pacchetto impegnato, le altre spese effettivamente incluse e il numero di deliverable che hanno superato i controlli annunciati. Le eventuali spese esterne restano separate dal prezzo del noleggio; non inventare né aliquote fiscali né costi di trasferimento non forniti. Il costo di una campagna non viene cancellato quando il suo risultato è negativo.

Esempio aritmetico condizionale: se un pacchetto da 47,14 USD permette di consegnare due corpus distinti completi e accettati, la sua quota di noleggio è di 23,57 USD per corpus. Ripetere cinque volte lo stesso corpus per cronometrare non produce cinque corpus utili. Con zero corpus accettati, il rapporto è indefinito; mostra il costo sostenuto e la causa del rifiuto, mai un costo nullo. Per una decisione di ricerca, descrivi piuttosto la conclusione ottenuta invece di creare un'unità artificiale.

Chiudere con file che puoi rileggere

Prepara la cartella di output durante la campagna: manifest, parametri, misure grezze, previsioni, motivi di arresto e istruzioni di ricarica. Verifica gli identificatori attesi, i file vuoti e i percorsi che dipendono da una cartella temporanea. Per un adapter, conserva la revisione esatta della base. Un file presente ma impossibile da ricaricare non è un output verificato.

Confronta previsto e realizzato senza riscrivere il piano iniziale: tempo riservato, tempo rilevato, scostamenti spiegati, decisioni prese. Il registro IteraGPU può conservare la sintesi e il riferimento dell'ordine; i tuoi file grezzi e i backup restano da organizzare. La campagna successiva parte così con una stima migliore e una lista più corta di incertezze.

Domande pratiche