GPU Cloud · NVIDIA · Pascal

NVIDIA Tesla P40 GPU કલાકના હિસાબે ભાડે લો

NVIDIA Tesla P40 એ 24 GB VRAM અને compute capability 6.1 ધરાવતું Pascal આર્કિટેક્ચરનું ડેટાસેન્ટર GPU છે. તે 250 W થર્મલ મર્યાદામાં લગભગ 9.4 TFLOPS સિંગલ-પ્રિસિઝન compute અને લગભગ 257 GB/s મેમરી બેન્ડવિડ્થ પૂરી પાડે છે. ONIE પર, તમે પ્રતિ-કલાક બિલિંગ, SSH એક્સેસ અને PyTorch/CUDA, vLLM, Ollama તથા ComfyUI માટેના પૂર્વ-કન્ફિગર કરેલા ટેમ્પલેટ સાથે આ GPU ભાડે લઈ શકો છો.

સ્પેસિફિકેશન

પ્રતિ GPU VRAM

24 GB

આર્કિટેક્ચર

NVIDIA Pascal

કમ્પ્યુટ ક્ષમતા

6.1

FP32 કમ્પ્યુટ

≈ 9.4 TFLOPS

મેમરી બેન્ડવિડ્થ

≈ 257 GB/s

પાવર મર્યાદા

250 W

હાલમાં સૂચિબદ્ધ મશીનો માટે ઇન્ફ્રાસ્ટ્રક્ચર પ્રદાતા દ્વારા જાણ કરાયેલાં મૂલ્યો; વાસ્તવિક પ્રદર્શન મશીન પ્રમાણે બદલાય છે.

ઉપલબ્ધ રૂપરેખાંકનો

લાઇવ સ્ટોક અને કિંમતો, સતત અપડેટ થાય છે. ઓર્ડર આપતા પહેલાં અંતિમ કિંમતની પુષ્ટિ થાય છે.

લાઇવ કિંમતો લોડ થઈ રહી છે…

Tesla P40 શા માટે સારું છે

Quantized LLM ઇન્ફરન્સ

Ollama અથવા vLLM જેવા તૈયાર ટેમ્પલેટનો ઉપયોગ કરીને 24 GB સુધીની મેમરીની જરૂર પડતા સ્થાનિક ભાષા મોડેલ ચલાવો.

ઇમેજ જનરેશન વર્કફ્લો

ComfyUI પાઇપલાઇન હોસ્ટ કરો, જેને અનેક ચેકપોઇન્ટ અને કંટ્રોલ નેટ લોડ કરવા માટે વિશાળ VRAM ક્ષમતાનો લાભ મળે છે.

લેગસી CUDA ડેવલપમેન્ટ

Pascal આર્કિટેક્ચર અને compute capability 6.1 માટેની PyTorch/CUDA એપ્લિકેશન બનાવો, ટેસ્ટ કરો અને જાળવણી કરો.

મેમરી-બાઉન્ડ બેચ પ્રોસેસિંગ

ડેટાસેન્ટર વર્કલોડ ચલાવો, જેમાં કાચી compute ઝડપ કરતાં મોટા ડેટાસેટને 24 GB VRAMમાં સમાવવાને પ્રાથમિકતા આપવામાં આવે છે.

શું આ તમારા માટે યોગ્ય GPU છે?

જો તમારી મુખ્ય જરૂરિયાત મેમરી-વપરાશવાળા ઇન્ફરન્સ અથવા ડેવલપમેન્ટ કાર્ય માટે 24 GB VRAM હોય, અને જૂનું Pascal compute પૂરતું હોય, તો Tesla P40 પસંદ કરો. જો તમને ભારે ટ્રેનિંગ માટે વધુ મેમરી બેન્ડવિડ્થ અથવા આધુનિક tensor એક્સિલરેશનની જરૂર હોય, તો નવું અથવા મોટું GPU પસંદ કરો; જો તમારા વર્કલોડમાં ઓછી મેમરી વપરાતી હોય, તો નાનું GPU પસંદ કરો.

સમાન GPU સાથે સરખામણી કરો

GPUપ્રતિ GPU VRAMઆર્કિટેક્ચરFP32 કમ્પ્યુટપ્રતિ કલાક શરૂઆતવિગતો
Tesla P4024 GBPascal≈ 9.4 TFLOPS—
Tesla V10016 GBVolta≈ 12.5 TFLOPS—વિગતો
Q RTX 800045 GBTuring≈ 11.9 TFLOPS—વિગતો
GTX 1080 Ti11 GBPascal≈ 11 TFLOPS—વિગતો

વારંવાર પૂછાતા પ્રશ્નો

શું Tesla P40 મોટા ભાષા મોડેલ ચલાવવા માટે યોગ્ય છે?

24 GB VRAM ક્ષમતાને કારણે Tesla P40 Ollama જેવા ટેમ્પલેટનો ઉપયોગ કરીને મધ્યમ કદના, ક્વોન્ટાઇઝ્ડ ભાષા મોડેલ મેમરીમાં રાખી શકે છે. જોકે, તેની મેમરી બેન્ડવિડ્થ લગભગ 257 GB/s છે અને તે જૂના Pascal આર્કિટેક્ચર પર આધારિત છે, તેથી ટોકન જનરેશન નવા ડેટાસેન્ટર GPU કરતાં ધીમું હશે.

compute capability 6.1 સાથે મને કયા સોફ્ટવેર સુસંગતતાની અપેક્ષા રાખવી જોઈએ?

Compute capability 6.1 લગભગ 9.4 TFLOPS પર સામાન્ય સિંગલ-પ્રિસિઝન વર્કલોડને સપોર્ટ કરે છે, જે સામાન્ય PyTorch/CUDA ટેમ્પલેટ સાથે સારી રીતે કામ કરે છે. નવા હાર્ડવેર ઇન્સ્ટ્રક્શનની જરૂર પડતી કેટલીક આધુનિક મશીન લર્નિંગ લાઇબ્રેરી અથવા સુવિધાઓ Pascal આર્કિટેક્ચર પર ચાલી શકશે નહીં.

હું ONIE પર મારું Tesla P40 ઇન્સ્ટન્સ કેવી રીતે કનેક્ટ કરી અને સેટ અપ કરી શકું?

તમે PyTorch/CUDA, vLLM, Ollama અથવા ComfyUI માટેના તૈયાર ટેમ્પલેટનો ઉપયોગ કરીને ઇન્સ્ટન્સ ડિપ્લોય કરી શકો છો. ફાઇલો અને કસ્ટમ એન્વાયર્નમેન્ટ તમારા ટર્મિનલમાંથી મેનેજ કરવા માટે સીધી SSH એક્સેસ શામેલ છે.

Tesla P40 ભાડે લેવા માટે બિલિંગ કેવી રીતે થાય છે?

ONIE પરના ઇન્સ્ટન્સ પ્રતિ-કલાક બિલિંગનો ઉપયોગ કરે છે, જેથી તમારું ડેટાસેન્ટર GPU ઇન્સ્ટન્સ સક્રિય હોય તે સમય માટે જ ચુકવણી કરો.

Tesla P40 કલાક પ્રમાણે ભાડે લો

એકાઉન્ટ બનાવો, રૂપરેખાંકન પસંદ કરો અને SSH દ્વારા કનેક્ટ કરો. GPU કાઢી નાખો ત્યારે બિલિંગ બંધ થાય છે.

Tesla P40 ભાડે લો

બધા GPU →