Lej en NVIDIA RTX 2070 GPU pr. time
NVIDIA RTX 2070 er en GPU i forbrugersegmentet bygget på Turing-arkitekturen med compute capability 7.5 og 8 GB VRAM. På ONIE rapporterer instanser ca. 7,7 TFLOPS single-precision-regnekraft og ca. 370 GB/s hukommelsesbåndbredde inden for en effektramme på 150 W. Du kan deployere kortet med timebaseret fakturering, fuld SSH-adgang og færdige skabeloner til PyTorch/CUDA, vLLM, Ollama og ComfyUI.
Specifikationer
VRAM pr. GPU
Arkitektur
Compute capability
FP32-beregning
Hukommelsesbåndbredde
Effektgrænse
Værdier oplyst af infrastrukturudbyderen for de maskiner, der aktuelt er listet; den reelle ydeevne varierer fra maskine til maskine.
Tilgængelige konfigurationer
Lagerstatus og priser opdateres løbende. Den endelige pris bekræftes, før du bestiller.
Indlæser aktuelle priser…
Hvad RTX 2070 er god til
Kompakt inferens af sprogmodeller
Kør kvantiserede eller små sprogmodeller, der passer inden for de 8 GB VRAM, ved hjælp af forkonfigurerede Ollama- eller vLLM-skabeloner.
Grundlæggende billedgenerering
Generer billeder i standardopløsning og test diffusion-workflows i ComfyUI inden for grænserne af en hukommelsesbuffer på 8 GB.
Prototyping af PyTorch-kode
Udvik, debug og test træningsscripts til neurale netværk i et PyTorch/CUDA-miljø, før du skalerer op til større hardware.
CUDA-udvikling på begynderniveau
Kompilér og test brugerdefinerede kernels rettet mod Turing-arkitekturen og compute capability 7.5 via direkte SSH-adgang.
Er det den rigtige GPU til dig?
Vælg RTX 2070 til letvægtsudvikling, kodefejlfinding og inferensopgaver i mindre skala, der passer komfortabelt inden for 8 GB VRAM. Vælg en større GPU, hvis dine modeller kræver mere hukommelse eller højere gennemløb end ca. 7,7 TFLOPS, eller vælg en mindre GPU kun til minimal skærmvisning eller simpel compute-test.
Sammenlign med lignende GPU'er
Ofte stillede spørgsmål
Er RTX 2070 egnet til LLM-inferens og finjustering?
Med 8 GB VRAM og ca. 370 GB/s hukommelsesbåndbredde kan RTX 2070 håndtere inferens for små, kvantiserede sprogmodeller via Ollama eller vLLM. Til større modeller eller fuld finjusteringsarbejde anbefales en GPU med mere VRAM og nyere arkitektur.
Kan jeg bruge denne GPU til billedgenerering med ComfyUI?
Ja, ONIE tilbyder en ComfyUI-skabelon, der kører på RTX 2070. Dens 8 GB VRAM er tilstrækkelig til standard genereringspipelines, men komplekse workflows med flere control nets eller upscale-trin vil have gavn af et kort med større hukommelseskapacitet.
Hvordan sammenlignes RTX 2070 med andre GPU'er i forbrugersegmentet?
Som et forbrugerkort fra Turing-generationen med compute capability 7.5 og et effektforbrug på 150 W ligger det under nyere arkitekturer i rå regnekraft og hukommelseskapacitet. At gå op til en model i højere klasse giver mere VRAM og flere TFLOPS til tungere træning, mens et skridt ned yderligere reducerer hukommelsesmarginen.
Hvordan fungerer fakturering og instansadgang på ONIE?
Instanser faktureres pr. time, mens de er aktive. Du kan oprette forbindelse direkte via SSH eller starte med det samme i forkonfigurerede miljøer, herunder PyTorch/CUDA, vLLM, Ollama og ComfyUI.
Lej RTX 2070 per time
Opret en konto, vælg en konfiguration og forbind via SSH. Faktureringen stopper, når du sletter GPU'en.
Lej RTX 2070