买的是一次决策，而不是无穷无尽的试验。

明确用什么来结束这次项目

「训练一个模型」既没有界定要买的是什么工作，也没有界定它何时算完成。不如采用这样的目标：在固定的语料上比较一个对照和两个变体，然后交付它们的预测结果、错误分析和可重新加载的产物。负面结果可能就足够了：证明没有任何变体达到阈值，可以避免一次方向不准、耗时更长的项目。

下单前先划分三类：得出结所必需的、时间允许时有用的、探索性的。对照组、数据对照和恢复验证通常属于第一类。在试点之后设定决策点：继续、削减一个可选的变体，或重新审视问题。可用的套餐不应变成必须填满每一个小时的义务。

构建端到端的日程

从已经预热过的训练步进行外推时，有时会忽略加载、长输入、验证和输出文件。请把机器被占用的时间段与人工准备时间区分开。独立的时间段可以重叠；两个使用同一块 GPU 的步骤不会因为它们在表格里各占一行就变成并行的。

以下是一个示例性时间安排，不含实测 GPU 速度。它从准备工作开始到取回结果，预留了 48 小时的连续时间。在 72 小时的窗口内，还剩下 24 小时未占用。这一减法只是用来核对时间安排：安装和十小时变体都不是 IteraGPU 承诺的时限。

比较套餐时不要臆造按小时计费

一个批次的价格涵盖所选时长。目录中的 RTX 4090 三天为 47.14 USD，七天为 110 USD，三十天为 390 USD。这些金额是 IteraGPU 的定价；它们并不衡量训练了多少个模型。两个三天批次为 94.28 USD。B200 批次本身已包含两块 GPU：其配置不会对价格再次翻倍。

如果示例性时间安排延长 30 小时，就达到 78 小时，比三天多出六小时。此时请考虑七天套餐，或仍能回答问题的精简方案。购买两个批次在环境允许时有助于运行相互独立的变体；这不会自动缩短一次运行，也不会合并显存。

技术来源： IteraGPU 定价与租赁单位 · 计算套餐并核对窗口

按变体对决策的用处排序

试点之后，更新你对时长的假设，并问一问哪种结果会改变选择。一个与对照组几乎相同的变体，可能不如一个能隔离某个原因的对照更有信息量。避免一次性启动秩、精度、学习率和长度的所有组合。消融指南展示了如何制定一个可解释的小型计划。

在试验之前写下停止规则：损失非有限、质量低于阈值、必需输入被截断，或没有可用的恢复点。如果触发了停止，保留其标识符和原因。一次被中断的运行不会成为已验收的交付物，但它仍是一笔支出，有时还是关键信息。修正后的新配置应获得新的标识符。

预估中断的成本

恢复训练所需的远不止权重本身。PyTorch 文档区分了模型参数和优化器状态；进度也必须保留。根据循环的不同，还要加上调度器、scaler、随机数和数据遍历所需的状态。决定你是想恢复学习，还是仅仅重新跑一次推理。

先测试一次提前保存，再在新进程中重新加载它。把写入、传输和恢复的时间计入时间安排。保存间隔的选择不能只为了产生大量文件：让可容忍的工作损失与实测的操作成本相匹配。还要确认这些文件存放在哪里，以及你在时段结束前如何取回它们。

技术来源： PyTorch — 保存与恢复

把预算与有用结果挂钩

结算时，给出已投入的套餐费用、实际包含的其他支出，以及通过所公布检查的交付物数量。可能存在的外部支出仍与租赁价格分开；不要臆造未提供的税率或转账成本。一项行动的成本并不会因为结果为负面而消失。

条件性的算术示例：如果一个 47.14 USD 的套餐能交付两个完整且被接受的独立语料，那么其租赁分摊为每个语料 23.57 USD。把同一语料重复五次来计时，并不会得到五个有用的语料。在零个语料被接受的情况下，比值为未定义；应显示已发生的成本和被拒绝的原因，而不是零成本。对于研究决策而言，应描述所得到的结论，而不是制造一个虚假的单位。

用可重新加载的文件来收尾

在活动期间准备好输出目录：清单、参数、原始测量数据、预测结果、停止原因和重新加载说明。检查预期的标识符、空文件以及依赖临时文件夹的路径。对于适配器，保留基座的精确修订版本。一个存在但无法重新加载的文件不算经过验证的输出。

在不重写初始计划的前提下，对照预期与实际：预留时间、实际耗时、已解释的偏差、已作出的决策。IteraGPU 记录可以保留汇总和订单编号；您的原始文件和备份仍由您自行整理。这样，下一次活动开始时就能有更好的估算和更短的未知事项清单。

实际问题