Os fatos do serviço
IteraGPU é o nome do serviço apresentado neste site. As referências abaixo descrevem nossa oferta e as ferramentas disponíveis. Os preços detalhados e o estoque de cada configuração podem ser consultados no catálogo; a capacidade de uma placa não descreve por si só o servidor nem o resultado do seu software.
| Referência | Valor ou funcionamento | Condição de leitura |
|---|---|---|
| Público | Pesquisa e engenharia de ML | Treinamento, inferência e fine-tuning conforme seu protocolo |
| Catálogo | 15 configurações NVIDIA e AMD | Escolher conforme software compatível, memória e carga medida |
| Memória | 24 a 192 GB nominais por GPU | Os GB correspondem aos GB do fabricante; não são os GiB livres nem a RAM do servidor |
| Composição | 1 GPU por lote; 2 GPUs para B200 | O preço do lote inclui suas placas; a memória delas não se agrupa automaticamente |
| Location | 3, 7 ou 30 dias; 1 a 10 lotes | Valor completo em USD por lote, multiplicado pela quantidade |
| Disponibilidade | Estoque exibido em cada ficha | A confirmação do pagamento e a preparação do acesso são duas etapas distintas |
| Preparação de software | Ambiente desejado no pedido | Uma preferência não equivale a prova de instalação ou de compatibilidade do seu modelo |
| Acompanhamento | Conta, pedidos e caderno ML | As notas inseridas não substituem seus arquivos, backups ou medições externas |
Fontes técnicas: Catálogo e características das ofertas · Tarifas dos forfaits · Condições do pedido
A GPU é uma decisão de protocolo
A memória deve acomodar o trabalho previsto, o ambiente deve ser adequado ao modelo e o cronograma deve incluir preparação, medições, retomadas e exportação. Na inferência, defina os comprimentos de entrada e saída, bem como o número de requisições simultâneas. No treinamento, examine o passo completo e os estados necessários para a retomada.
O dimensionador calcula uma estimativa a partir dos parâmetros, do formato dos pesos e da sua reserva de execução. Essa reserva é uma hipótese explícita; ela não é uma capacidade garantida. Para diferenciar duas configurações, mantenha um conjunto de entradas e uma regra de qualidade comuns, e depois meça os casos que importam para o seu projeto.
Fontes técnicas: Dimensionador e hipóteses · Preparar as requisições de inferência
Recursos originais, com escopo explícito
O IteraGPU Lab v1 reúne um notebook de cálculo e medição de memória, dois scripts Python, um protocolo de qualidade, os preços dos pacotes e uma tabela bruta em branco. O código e a documentação originais são distribuídos sob licença MIT. As instruções indicam os pré-requisitos e os erros explícitos quando o PyTorch ou a GPU está ausente.
O script de medição foi testado em uma RTX 5070 fora do catálogo com uma rede de 8.320 parâmetros. Esse teste verifica a instrumentação; ele não mede um modelo grande nem o desempenho das ofertas alugadas. O dossiê de memória especifica as condições e os resultados.
O método de memória explica os contadores; o método de benchmarks compara resultados com qualidade fixada e o custo do pacote contratado. Os recursos distribuídos não contêm saídas de notebook ou resultados de GPU preenchidos previamente. Meça sua carga antes de tirar uma recomendação dela.
- Baixar o IteraGPU Lab v1
Arquivo versionado: protocolo, notebook, scripts, tabelas, instruções, inventário e licença.
- Ler os pré-requisitos e o escopo de validação
Pré-requisitos, parâmetros testados e limites do teste.
Fontes técnicas: Estimativa e pico de memória · Comparação e custo por corpus validado
A autonomia nos seus processamentos
Você escolhe seus softwares, seus modelos e a organização dos seus cálculos. O IteraGPU não inspeciona o conteúdo dos seus arquivos, prompts ou processamentos. Essa política diz respeito ao conteúdo dos trabalhos; ela não elimina as informações necessárias para a conta, o pedido e o acompanhamento do pagamento.
Prepare as dependências e as versões, verifique os direitos de uso e organize seus backups. O ambiente selecionado no pedido expressa sua necessidade de preparação. Sua compatibilidade com suas bibliotecas, extensões e modelos deve ser verificada antes de iniciar a campanha completa.
Fontes técnicas: Dados e privacidade
Um caderno para guardar a razão da escolha
O caderno ML guarda os objetivos, parâmetros e observações que você insere. Relacione sua hipótese a uma versão de código, a um conjunto de entradas e a uma referência de pedido. Guarde também as variantes rejeitadas: estouro de memória, qualidade insuficiente ou resultado incompleto explicam a decisão seguinte.
O caderno não executa seu código, não coleta automaticamente a telemetria da GPU e não faz upload dos seus conjuntos de dados. Guarde os arquivos brutos, as saídas e os checkpoints nos seus próprios backups. Uma nota deve permitir encontrar a prova, sem substituí-la.
Do pacote ao acompanhamento da locação
Escolha o modelo, a duração e o número de lotes, depois verifique o total em USD. O preço corresponde ao pacote inteiro; não é um contador por hora. O pagamento em cripto é feito sem KYC nem solicitação de documento de identidade. O nome, o sobrenome e o e-mail servem para o acompanhamento do pedido.
Após uma transferência, « J’ai payé » registra sua notificação para verificação. O pagamento confirmado e o fornecimento do acesso à GPU são acompanhados separadamente. Sua conta reúne os pedidos, os documentos e as solicitações de suporte; consulte o estado de preparação antes de iniciar seus processamentos.
Fontes técnicas: Fluxo de pagamento em cripto
Perguntas práticas
O IteraGPU fornece uma recomendação universal de GPU?
O IteraGPU fornece critérios e ferramentas para preparar sua escolha, sem indicar uma GPU vencedora para todas as cargas. Memória, ambiente, contexto, concorrência e qualidade devem ser verificados em conjunto. O orçamento é então comparado entre as opções que atendem a essas exigências.
Dois GPUs B200 constituem uma única memória?
Um lote B200 inclui dois GPUs, cada um com sua memória. Seu software deve distribuir explicitamente os dados ou os cálculos para usá-los em conjunto. A composição do lote não demonstra uma memória unificada, uma topologia específica ou uma aceleração determinada.
A escolha do PyTorch no pedido garante que meu modelo funcionará?
A escolha de um ambiente expressa uma preferência de preparação, não uma validação do seu modelo. Verifique o driver, as bibliotecas, as extensões e as versões necessárias, depois execute um caso pequeno representativo antes da sua campanha.