Lej en NVIDIA RTX 3070 GPU pr. time
NVIDIA RTX 3070 er et GPU i forbrugersegmentet med Ampere-arkitektur, 8 GB VRAM og en TDP på 220 W. Hos ONIE giver kortet cirka 19,8 TFLOPS enkeltpræcisionsregnekraft og cirka 386 GB/s hukommelsesbåndbredde. Med compute capability 8.6 er det en praktisk mulighed til udvikling, prototyping og let inferens.
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 3070 er god til
Let LLM-inferens
Kør kvantiserede, små sprogmodeller med færdige Ollama- eller vLLM-skabeloner inden for de 8 GB VRAM.
Workflows til billedgenerering
Generer billeder i standardopløsning og test node-workflows med den forkonfigurerede ComfyUI-skabelon.
Prototyping af PyTorch-kode
Udvikl, debug og verificér machine learning-scripts på Ampere-hardware med compute capability 8.6, før du skalerer op.
Batchdataprocessering
Udnyt cirka 19,8 TFLOPS enkeltpræcisionsydelse og cirka 386 GB/s hukommelsesbåndbredde til GPU-accelererede datapipelines.
Er det den rigtige GPU til dig?
Vælg RTX 3070 til kodetest, let inferens og billedgenerering i mindre skala, som passer komfortabelt inden for 8 GB hukommelse. Vælg et GPU med mere VRAM til finjustering eller store modelvægte, eller gå ned til et entry-level-kort, hvis din arbejdsbyrde kun kræver minimal regnekraft.
Sammenlign med lignende GPU'er
Ofte stillede spørgsmål
Er RTX 3070 egnet til LLM-inferens og finjustering?
Med 8 GB VRAM kan RTX 3070 håndtere inferens for små, kvantiserede sprogmodeller ved hjælp af skabeloner som Ollama eller vLLM. Til fuld finjustering eller kørsel af større modeller bør du vælge et GPU med større hukommelseskapacitet.
Hvordan opretter jeg forbindelse til min RTX 3070-instans hos ONIE?
Du kan forbinde direkte via SSH-adgang til kommandolinje-workflows eller starte færdige skabeloner, herunder PyTorch/CUDA, ComfyUI, Ollama og vLLM. Faktureringen beregnes pr. time, mens din instans er aktiv.
Hvilke CUDA-funktioner understøtter RTX 3070?
Som et forbrugs-GPU fra Ampere-generationen understøtter RTX 3070 compute capability 8.6. Det gør det muligt at køre moderne PyTorch/CUDA-workloads, der passer inden for den 8 GB store hukommelsesgrænse.
Hvordan sammenlignes RTX 3070 med Ampere-GPU'er i højere klasse?
RTX 3070 leverer cirka 19,8 TFLOPS enkeltpræcisionsregnekraft og cirka 386 GB/s hukommelsesbåndbredde ved en TDP på 220 W. Hvis du går op til højere Ampere-forbrugs- eller workstation-GPU'er, får du mere VRAM og højere hukommelsesbåndbredde til tungere workloads.
Lej RTX 3070 per time
Opret en konto, vælg en konfiguration og forbind via SSH. Faktureringen stopper, når du sletter GPU'en.
Lej RTX 3070