Обучение
Задайте памет за тежести, състояние на оптимизатора и активации. Мулти-GPU обучение също изисква подходяща свързаност.
HOPPER · ДАНЕН ЦЕНТЪР
80 GB HBM3 памет за натоварвания, при които бюджетът за памет определя архитектурата. Планирайте вашия сървър за обучение или inference около модела, набора от данни и топологията на GPU.
Преглед на конфигурацииВАШИЯТ СЪРВЪР
Паметта на GPU е част от сървъра. Посочете CPU, системна RAM, съхранение и регион, за да проверите цялата конфигурация.
ТРУДОВИ ЗАДАЧИ
Задайте памет за тежести, състояние на оптимизатора и активации. Мулти-GPU обучение също изисква подходяща свързаност.
Планирайте VRAM за модела и KV кеша заедно. Дължината на контекста и едновременните заявки влияят на изискванията за памет.
Съвместете числовата прецизност и изискванията към CUDA софтуера с вашите изчисления преди избор на хост.
ЛОКАЦИЯ
Дръжте изчисленията близо до вашите данни и потребители. Капацитетът се проверява за избрания модел и регион.
Достъпност по заявка
Достъпност по заявка
Достъпност по заявка
СРАВНЕНИЕ
Установени работни натоварвания с CUDA и обучение на модели
Интензивна памет за inference на LLM и научни изчисления
Прототипиране, генериране на изображения и рендериране
Референтната спецификация е H100 SXM 80 GB. Вариантите PCIe и NVL се различават; трябва да се потвърди точният GPU в конфигурацията на сървъра.
Не. Теглата, прецизността, активиранията и кешът споделят бюджета за памет. Проверете вашия фреймуърк и тествайте желаното натоварване.
Да, включете броя GPU и изискванията за свързаност във вашата заявка. Капацитетът и топологията трябва да бъдат потвърдени преди внедряване.
ВАШАТА КОНФИГУРАЦИЯ
Изберете ресурси и време на работа. Ще потвърдим цена за вашата конфигурация.
Всеки ресурс има своя собствена конфигурация, посочена в списъка. Множество GPU сървъри не образуват NVLink клъстер. Месечните тарифи покриват цялата фактурна период; съхранението и трафикът извън конфигурацията не са включени.