Fakty o usłudze
IteraGPU to nazwa usługi prezentowanej na tej stronie. Poniższe punkty opisują naszą ofertę i dostępne narzędzia. Szczegółowe ceny i stan magazynowy każdej konfiguracji można sprawdzić w katalogu; pojemność karty sama w sobie nie opisuje serwera ani wyniku twojego oprogramowania.
| Orientacyjnie | Wartość lub działanie | Warunek odczytu |
|---|---|---|
| Odbiorcy | Badania i inżynieria ML | Trenowanie, wnioskowanie i dostrajanie zgodnie z twoim protokołem |
| Katalog | 15 konfiguracji NVIDIA i AMD | Wybór na podstawie kompatybilnego oprogramowania, pamięci i zmierzonego obciążenia |
| Pamięć | 24 do 192 GB nominalnie na GPU | GB odpowiadają GB podanym przez producenta; nie są to wolne GiB ani RAM serwera |
| Skład | 1 GPU na partię; 2 GPU dla B200 | Cena partii obejmuje jej karty; ich pamięć nie łączy się automatycznie |
| Location | 3, 7 lub 30 dni; od 1 do 10 partii | Pełna kwota w USD za partię pomnożona przez liczbę |
| Dostępność | Stan magazynowy widoczny na każdej karcie | Potwierdzenie płatności i przygotowanie dostępu to dwa odrębne etapy |
| Przygotowanie oprogramowania | Środowisko wskazane przy zamówieniu | Preferencja nie jest dowodem instalacji ani zgodności twojego modelu |
| Śledzenie | Konto, zamówienia i dziennik ML | Wprowadzone notatki nie zastępują twoich plików, kopii zapasowych ani zewnętrznych pomiarów |
Źródła techniczne: Katalog i charakterystyka ofert · Cennik ryczałtów · Warunki zamówienia
GPU to decyzja o protokole
Pamięć musi pomieścić zaplanowaną pracę, środowisko musi pasować do modelu, a harmonogram musi obejmować przygotowanie, pomiary, wznowienia i eksport. Przy wnioskowaniu ustal długości wejścia i wyjścia oraz liczbę jednoczesnych żądań. Przy trenowaniu przeanalizuj pełny krok i stany niezbędne do wznowienia.
Kalkulator doboru wylicza zapotrzebowanie na podstawie parametrów, formatu wag i twojego zapasu na wykonanie. Ten zapas to wyraźne założenie; nie jest gwarantowaną pojemnością. Aby rozstrzygnąć między dwiema konfiguracjami, zachowaj wspólny zestaw danych wejściowych i wspólną regułę jakości, a następnie zmierz przypadki istotne dla twojego projektu.
Źródła techniczne: Kalkulator doboru i założenia · Przygotuj zapytania inferencyjne
Oryginalne zasoby o wyraźnie określonym zakresie
IteraGPU Lab v1 zawiera notebook do obliczeń i pomiaru pamięci, dwa skrypty Python, protokół jakości, cennik forfaitów oraz pustą tabelę wyników. Oryginalny kod i dokumentacja są udostępniane na licencji MIT. Instrukcje wskazują wymagania wstępne i jawne błędy, gdy brakuje PyTorch lub GPU.
Skrypt pomiarowy został przetestowany na RTX 5070 spoza katalogu z siecią o 8 320 parametrach. Ten test weryfikuje instrumentację; nie mierzy ani dużego modelu, ani wydajności wynajmowanych ofert. Dokumentacja pamięci określa warunki i wyniki.
Metoda pamięciowa objaśnia liczniki; metoda benchmarków porównuje wyniki przy ustalonej jakości oraz koszt zaangażowanego forfaita. Udostępniane zasoby nie zawierają gotowych wyników notebooka ani wyników GPU. Zmierz swoje obciążenie, zanim wyciągniesz rekomendację.
- Pobierz IteraGPU Lab v1
Wersjonowane archiwum: protokół, notebook, skrypty, tabele, instrukcje, inwentarz i licencja.
- Przeczytaj wymagania wstępne i zakres walidacji
Wymagania wstępne, testowane parametry i ograniczenia testu.
Źródła techniczne: Szacowanie i szczyt pamięci · Porównanie i koszt na zwalidowany korpus
Autonomia w Twoich obliczeniach
Ty wybierasz swoje oprogramowanie, modele i organizację obliczeń. IteraGPU nie dokonuje inspekcji zawartości Twoich plików, promptów ani obliczeń. Ta polityka dotyczy zawartości prac; nie usuwa informacji niezbędnych do konta, zamówienia i śledzenia rozliczenia.
Przygotuj zależności i wersje, sprawdź prawa do użytkowania i zorganizuj kopie zapasowe. Środowisko wybrane przy zamówieniu wyraża Twoją potrzebę przygotowania. Jego zgodność z Twoimi bibliotekami, rozszerzeniami i modelami należy sprawdzić przed uruchomieniem pełnej kampanii.
Źródła techniczne: Dane i prywatność
Dziennik, który zachowuje powód wyboru
Dziennik ML przechowuje cele, parametry i obserwacje, które wprowadzasz. Powiąż swoją hipotezę z wersją kodu, zbiorem danych wejściowych i numerem zamówienia. Zachowaj także odrzucone warianty: przekroczenie pamięci, niewystarczająca jakość lub niepełny wynik wyjaśniają kolejną decyzję.
Dziennik nie uruchamia Twojego kodu, nie zbiera automatycznie telemetrii GPU i nie przesyła Twoich zbiorów danych. Przechowuj surowe pliki, wyniki i checkpointy we własnych kopiach zapasowych. Notatka powinna pozwolić odnaleźć dowód, nie zastępując go.
Od forfaita do śledzenia wynajmu
Wybierz model, czas trwania i liczbę partii, a następnie sprawdź sumę w USD. Cena dotyczy całego forfaita; nie jest licznikiem godzinowym. Płatność krypto odbywa się bez KYC i bez prośby o dokument tożsamości. Imię, nazwisko i email służą do śledzenia zamówienia.
Po przelewie „Zapłaciłem” rejestruje Twoje zgłoszenie do weryfikacji. Potwierdzona płatność i udostępnienie dostępu do GPU są śledzone osobno. Twoje konto gromadzi zamówienia, dokumenty i prośby o wsparcie; sprawdź stan gotowości przed rozpoczęciem obliczeń.
Źródła techniczne: Przebieg rozliczenia krypto
Praktyczne pytania
Czy IteraGPU podaje uniwersalną rekomendację GPU?
IteraGPU podaje kryteria i narzędzia do przygotowania wyboru, nie wskazując zwycięskiego GPU dla wszystkich obciążeń. Pamięć, środowisko, kontekst, współbieżność i jakość należy sprawdzić razem. Budżet porównuje się następnie między opcjami spełniającymi te wymagania.
Czy dwa GPU B200 to jedna pamięć?
Partia B200 obejmuje dwa GPU, każdy z własną pamięcią. Twoje oprogramowanie musi jawnie rozdzielić dane lub obliczenia, aby użyć ich razem. Skład partii nie dowodzi zunifikowanej pamięci, konkretnej topologii ani określonego przyspieszenia.
Czy wybór PyTorch przy zamówieniu gwarantuje, że mój model zadziała?
Wybór środowiska wyraża preferencję przygotowania, a nie walidację Twojego modelu. Sprawdź sterownik, biblioteki, rozszerzenia i wymagane wersje, a następnie uruchom mały reprezentatywny przypadek przed kampanią.