Tanítás
Memória allokálása a súlyok, optimalizáló állapot és aktivációk számára. Több GPU-s képzéshez megfelelő összeköttetés szükséges.
HOPPER · ADATKÖZPONT
80 GB HBM3 memória a munkákhoz, ahol a memória költség határozza meg az architektúrát. Tervezze meg képzési vagy inferencia szerverét a modell, adatállomány és GPU topológia szerint.
Beállítások megtekintéseSaját szerver
GPU memória a szerver része. Adja meg a CPU-t, rendszer RAM-ot, tárolót és régiót a teljes konfiguráció ellenőrzéséhez.
MUNKAFOLYAMATOK
Memória allokálása a súlyok, optimalizáló állapot és aktivációk számára. Több GPU-s képzéshez megfelelő összeköttetés szükséges.
Tervezze meg a VRAM-ot a modellhez és a KV gyorsítótárhoz együtt. A kontextus hossza és a párhuzamos kérések befolyásolják a memóriaigényt.
Egyeztesse a numerikus pontosságot és a CUDA szoftverkövetelményeket a számítás előtt a gazda kiválasztásakor.
HELYSZÍN
Tartsa a számítást közel az adatokhoz és felhasználókhoz. A kapacitás a kiválasztott modell és hely szerint ellenőrzött.
Elérhetőség kérésre
Elérhetőség kérésre
Elérhetőség kérésre
ÖSSZEHASONLÍTÁS
Meglévő CUDA munkaterhelések és modell tréning
Memória-intenzív LLM inferencia és tudományos számítások
Prototípus készítés, képalkotás és renderelés
A referencia specifikáció H100 SXM 80 GB. A PCIe és NVL változatok eltérnek; a pontos GPU változatot a szerver konfigurációban kell megerősíteni.
Nem. A súlyok, pontosság, aktivációk és gyorsítótár megosztják a memória költségvetést. Ellenőrizze a keretrendszerét, és tesztelje a szándékozott munkát.
Igen, kérjük, tartalmazza a GPU számát és az összeköttetés követelményeit kérésében. A kapacitás és a topológia megerősítése szükséges a telepítés előtt.
Az Ön konfigurációja
Válasszon erőforrásokat és üzemidőt. Megerősítjük a konfiguráció árát.
Minden erőforrás saját konfigurációval rendelkezik. Több GPU szerver nem alkot NVLink klasztert. A havi díjak a teljes számlázási időszakot fedik; a tárolás és forgalom nem tartozik bele.