您的 ML 任务。
您的 GPU 预算。

第一次试验必须回答一个问题

先验证加载，再验证内存消耗最大的阶段。在推理时，测试你设想中的上下文和并发。在训练时，要把反向传播和优化器包含进来。一个小案例成功，并不能证明完整负载的能力。

笔记保留选择的理由

记录模型版本、受控参数、质量和观察到的测量结果。把失败连同其原因一并保留。ML 笔记保存你的记录；它不会自动收集遥测数据，也不会保存你的计算文件。

选显卡之前，先算清内存需求。

我们的尺寸估算器会在您选择的余量下估算权重的稠密体积。请用这一包络来准备您的选型，然后测量您工作负载完整周期的峰值。

实验记录本会保存您的假设和预算。这样您就能把所选配置与您的成功标准和待评估的结果对应起来。

直接使用一份可填写的现成方案。

IteraGPU Lab v1 汇集了一个 notebook、测量脚本和一张空白结果表。选择这个框架来记录您的测量结果，并在质量不变的前提下比较各次试验。

Lab 提供预处理工具；其限制条件及初步的插桩测试在方法部分有详细说明。您负载的性能表现将以所选配置为基准进行衡量。

你的实验留下了什么。

一次租用会结束，而一份好的观察仍然可用。把确切的模型、参数、代码版本和结论，连同你的订单参考一并保存。ML 笔记帮你回想当初为什么选择某个设置，以及下次试验时需要检查什么。

为下一步决策做好准备

把成功的变体、超出内存的变体和质量不合适的变体分类。然后决定是否需要更多算力、另一种格式，或更有针对性的方案。你可以带着经过测量的需求回到目录。