Pytania przed pierwszym testem.

Zacznij od modelu i pytania, które chcesz rozstrzygnąć. Oszacuj wagi, a następnie dodaj pamięć podręczną, aktywacje i bufory swojego uruchomienia. Pierwsza próba na 3 dni może posłużyć do wczytania modelu, sprawdzenia zależności i zmierzenia szczytowego zużycia pamięci. Następnie porównaj karty o wystarczającej pojemności: nowsza karta nie zastąpi protokołu dopasowanego do twojego obciążenia.

Wynajem trwa 3, 7 lub 30 dni. W kasie wybierasz od 1 do 10 partii: jedna partia obejmuje jedną kartę, z wyjątkiem B200, która obejmuje dwie. Trzy dni odpowiadają ukierunkowanej walidacji, siedem dni serii wariantów, a trzydzieści dni zorganizowanej kampanii. Przygotuj dane i punkt wznowienia przed rozpoczęciem obliczeń, aby poświęcić cały czas na swój cel.

Wyświetlana cena odpowiada jednej partii dla wybranego czasu trwania, w USD. Suma zamówienia mnoży ten pakiet przez liczbę partii. Stan magazynowy wskazuje dostępne karty lub partie po dwie karty dla B200. Na przykład dwie partie B200 to cztery GPU: ceny partii nie należy mnożyć po raz drugi przez dwa.

Wybierz GPU, czas trwania, liczbę partii oraz preferowane środowisko: Ubuntu, PyTorch, Blender lub inne. Następnie utwórz konto, podając imię, nazwisko, adres e-mail i hasło, albo wybierz „Mam już konto”, aby się zalogować. Sprawdź wstępnie wypełnione dane, jeśli jesteś zalogowany, a następnie podsumowanie. Nie jest wymagany żaden dokument tożsamości.

Każda karta ma własną pamięć. Program rozproszony musi jawnie umieścić swoje dane lub obliczenia na kilku urządzeniach; dwa GPU nie tworzą automatycznie jednego dużego GPU. Duplikowanie modelu, rozdzielanie warstw i dzielenie stanów treningowych odpowiadają różnym potrzebom. Wybierz swoją strategię przed zamówieniem kilku partii.

Określ eksperymenty niezbędne, warianty opcjonalne i kryterium zatrzymania. Uruchom mały kompletny przypadek przed rozpoczęciem długich partii. Zachowaj wersje kodu, parametry, pomiary i checkpoint, który rzeczywiście ponownie wczytałeś. Zaplanuj też czas na sprawdzenie i wyeksportowanie wyników, aby nie przeznaczyć całego okresu wyłącznie na obliczenia.

IteraGPU nie wymaga dokumentu tożsamości ani procedury weryfikacji tożsamości KYC przy wynajmie. Checkout zachowuje jednak Twoje imię, nazwisko i adres e-mail kontaktowy. Wybierasz aktywo i jego sieć, a następnie wykonujesz przelew ze swojego portfela. Ta ścieżka bez kontroli tożsamości nie oznacza, że transakcje w publicznym blockchainie stają się anonimowe.

Metody to BTC w sieci Bitcoin, ETH w sieci Ethereum, USDT i USDC w sieci Ethereum, SOL w sieci Solana, TRX i USDT w sieci Tron oraz LTC w sieci Litecoin. Wybierz parę aktywo/sieć wyświetlaną w zamówieniu. Dla tokena takiego jak USDT sama nazwa nie wystarcza do zidentyfikowania miejsca docelowego: instrukcje rozróżniają Ethereum i Tron.

Zamówienie zachowuje swoją sumę w USD. Instrukcje podają dokładną kwotę w krypto, kurs i termin ważności. Korzystaj z intencji, która jest jeszcze ważna, gdy przygotowujesz przelew. Jeśli wygaśnie przed Twoim wysłaniem, poproś o nowe instrukcje z tego zamówienia; nowa kwota odpowiada kursowi uzyskanemu w tym momencie.

Po wykonaniu przelewu kliknij przycisk odpowiedniej intencji. Komunikat „Płatność zgłoszona. Weryfikacja w toku.” oznacza, że zgłoszenie zostało zapisane, i pozostaje widoczny po powrocie. Rozliczenie przechodzi następnie przez weryfikację. Jeśli użyłeś starej intencji, otwórz ją w historii i użyj jej własnego przycisku.

Potwierdzona wpłata krypto zasila Twoje saldo w USD. Następnie otwórz zamówienie wynajmu i wybierz rozliczenie saldem, gdy pokrywa ono jego kwotę. Wpłata i wynajem zachowują każde własną referencję, a rejestr pozwala śledzić najpierw uznanie, a potem obciążenie. Samo zapisanie wpłaty nie dodaje dostępnych środków.

Znajdź zgłoszenie w „Moje wynajmy”, a następnie na liście zamówień. Pokazuje ono kwotę, rozliczenie i etap dostarczenia osobno. „Płatność zgłoszona” odpowiada Twojemu zgłoszeniu; „Zapłacona” odpowiada potwierdzonemu rozliczeniu. Sprawdź następnie stan przygotowania i informacje o dostępie, gdy są udostępnione.

Tak. Wybierasz swój kod, modele, zależności i przetwarzanie, które uruchamiasz na wynajętym GPU. Przygotuj środowisko, którego wersje i wymagania znasz. Aby zmienić rodzinę sprzętową, sprawdź kompatybilność swoich bibliotek i rozszerzeń, zanim przeniesiesz cały protokół.

Usługa nie przeprowadza inspekcji zawartości Twoich plików, promptów ani obliczeń. Zachowujesz kontrolę nad swoim przetwarzaniem i wynikami. Obsługa handlowa wykorzystuje informacje o zamówieniu i rozliczeniu; ta polityka nie stanowi obietnicy braku jakichkolwiek danych technicznych ani całkowitej anonimowości.

Dziennik gromadzi założenia, wersje środowiska, parametry i obserwacje, które w nim zapiszesz. Używaj jednej karty na pytanie eksperymentalne: na przykład porównanie dwóch precyzji przy stałym batchu albo pomiar wpływu kontekstu na cache. Przejrzysta notatka łączy konfigurację z pomiarem i wnioskiem; nie myli szacunku z zaobserwowanym wynikiem.

Zaloguj się do IteraGPU za pomocą adresu e-mail i hasła swojego konta, aby odnaleźć zamówienia, saldo i dziennik. Wylogowanie zamyka tylko sesję. Dane ze starej sesji gościa mogą zostać zachowane przy nowej rejestracji z tej sesji, jeśli jest jeszcze ważna i nie została już przypisana. Ten sam adres e-mail nie wystarcza do odzyskania zgłoszeń z innej przeglądarki. Pobierz podsumowanie swoich zamówień, aby zachować przydatne referencje.

Utrzymuj stałe: model, zbiór danych, wersje, długość danych wejściowych i zasady pomiaru. Zmieniaj jedną zmienną na raz. Rozdziel pierwsze uruchomienia od stanu ustabilizowanego i mierz także jakość wyników, nie tylko szybkość. Dokumentuj niepowodzenia: przekroczony szczyt pamięci to cenna informacja przy wyborze kolejnej konfiguracji.

Zapisz numer zamówienia, model GPU, wersję bibliotek i kroki reprodukujące problem. W miarę możliwości zredukuj przypadek do reprezentatywnego wejścia i wskaż, czego oczekiwano. W prywatnym zgłoszeniu usuń sekrety i dołącz istotne komunikaty w formie tekstu; swoje dane biznesowe i pełne pliki zachowaj pod własną kontrolą.

Nie. Daje podstawę do przechowywania parametrów. Praca dodaje inne obiekty: aktywacje i alokacje tymczasowe, gradienty i stany optymalizatora podczas treningu, ewentualny cache podczas generowania. Przygotuj oszacowanie na podstawie wymiarów swojego obciążenia, a potem zmierz reprezentatywną próbę.

To hipoteza obliczona na podstawie Twoich danych wejściowych i jawnie przedstawionych pozycji. Pomaga zorganizować wybór; nie gwarantuje ani wczytania modelu, ani jego szybkości. Wymiary, formaty i narzuty właściwe dla Twojego oprogramowania mogą zmienić zapotrzebowanie. Zachowaj oszacowanie wraz z datą, a następnie porównaj je ze zmierzonym szczytem.

Niższa precyzja zmienia kompromis między pamięcią, obliczeniami a zachowaniem numerycznym. Porównaj ją na tych samych danych wejściowych według swoich kryteriów jakości. Zachowaj format wag, format obliczeń i wersje bibliotek: ich kombinacja pozwala odtworzyć wybrany wariant.

Program musi rozdzielić pracę, a w razie potrzeby także stany modelu między urządzeniami. Kilka kart nie staje się automatycznie jedną przestrzenią pamięci. Wybierz strategię równoległości odpowiednią do modelu, a następnie zmierz szczytowe zużycie na każdym GPU. Partia B200 zawiera dwa GPU; pamięć jest nadal opisywana dla każdej karty osobno.

Najpierw ustal pytanie, metryki i kryterium jakości. Zachowaj dane wejściowe, wersje, parametry, metodę pomiaru i wyniki indywidualne. Wyjaśnij, co zmienia się między wariantami. Jeśli jednocześnie zmienia się kilka elementów, możesz porównać pełne konfiguracje, ale nie możesz przypisać różnicy tylko jednemu z nich.

Kontroluje ono niektóre źródła losowości, ale nie wszystkie różnice w wykonaniu. PyTorch nie gwarantuje pełnej powtarzalności między wersjami, platformami i urządzeniami. Dokumentuj ziarna, ustawienia deterministyczne i środowisko. Zdefiniuj też, co uznajesz za powtarzalne: te same dokładne wartości czy wynik porównywalny według wyjaśnionej tolerancji.