Վարձակալեք NVIDIA H100 PCIE GPU ժամավճարով
NVIDIA H100 PCIE-ն Hopper ճարտարապետությամբ տվյալների կենտրոնի GPU է, որը նախատեսված է խորը ուսուցման և գիտական հաշվարկների բարձր պահանջարկ ունեցող աշխատանքների համար։ Այն ապահովում է 80 ԳԲ VRAM, մոտ 1760 ԳԲ/վ հիշողության թողունակություն և մոտ 41.0 TFLOPS ստանդարտ լողացող կետով հաշվարկային հզորություն՝ 350 Վտ էներգասպառման սահմաններում։ ONIE-ում դուք կարող եք տեղակայել այս compute capability 9.0 արագացուցիչը ժամային վճարումով և լրիվ SSH մուտքով։
Բնութագրեր
VRAM յուրաքանչյուր GPU-ի համար
Ճարտարապետություն
Հաշվարկային հնարավորություն (compute capability)
FP32 հաշվարկ
Հիշողության թողունակություն
Սնուցման սահման
Արժեքները տրամադրված են ենթակառուցվածքի մատակարարի կողմից՝ ներկայումս ցուցադրվող մեքենաների համար. իրական աշխատանքը տարբերվում է ըստ մեքենայի։
Հասանելի կոնֆիգուրացիաներ
Առկայությունը և գները թարմացվում են անընդհատ։ Վերջնական գինը հաստատվում է պատվիրելուց առաջ։
Բեռնվում են գները…
Ինչի համար է հարմար H100 PCIE-ը
Մեծ լեզվական մոդելների ինֆերենս
Սպասարկեք մեծ լեզվական մոդելներ հիշողության մեջ՝ օգտագործելով 80 ԳԲ VRAM-ը և բարձր հիշողության թողունակությունը, նախապես կարգավորված vLLM կամ Ollama ձևանմուշների հետ միասին։
Մոդելների ճշգրտում և ուսուցում
Ուսուցանեք կամ ճշգրտեք խորը նեյրոնային ցանցեր՝ օգտագործելով Hopper ճարտարապետությունը և պատրաստի PyTorch/CUDA միջավայրերը։
Խմբաքանակային պատկերների գեներացում
Գործարկեք բարձր թողունակությամբ դիֆուզիոն պրոցեսներ և բարդ ComfyUI աշխատանքային հոսքեր, որոնք օգուտ են քաղում հիշողության զգալի տարողությունից։
Տվյալների գիտություն և մոդելավորում
Կատարեք հաշվողականորեն ինտենսիվ մոդելավորումներ և տվյալների մշակման առաջադրանքներ՝ մոտ 41.0 TFLOPS ստանդարտ լողացող կետով կատարողականությամբ և մոտ 1760 ԳԲ/վ հիշողության թողունակությամբ։
Արդյո՞ք սա Ձեզ հարմար GPU է։
Ընտրեք H100 PCIE, երբ ձեր աշխատանքները պահանջում են 80 ԳԲ VRAM, տվյալների կենտրոնի մակարդակի հիշողության թողունակություն և Hopper compute capability 9.0 հնարավորություններ։ Ավելի թեթև ինֆերենսի կամ փոքր մոդելների համար աշխատանքային կայանի կամ սպառողական GPU-ն՝ ավելի քիչ VRAM-ով, ավելի տնտեսական է, մինչդեռ չափազանց մեծ թողունակության պահանջները կարող են արդարացնել SXM-վրա հիմնված տվյալների կենտրոնի տարբերակը։
Համեմատել նման GPU-ների հետ
| GPU | VRAM յուրաքանչյուր GPU-ի համար | Ճարտարապետություն | FP32 հաշվարկ | Սկսած / ժամ | Մանրամասներ |
|---|---|---|---|---|---|
| H100 PCIE | 80 GB | Hopper | ≈ 41 TFLOPS | — | |
| H100 NVL | 94 GB | Hopper | ≈ 48.3 TFLOPS | — | Մանրամասներ |
| H100 SXM | 80 GB | Hopper | ≈ 53.5 TFLOPS | — | Մանրամասներ |
| RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | — | Մանրամասներ |
Հաճախ տրվող հարցեր
Արդյո՞ք H100 PCIE-ն հարմար է LLM ճշգրտման և ինֆերենսի համար։
Այո, 80 ԳԲ VRAM-ը և մոտ 1760 ԳԲ/վ հիշողության թողունակությունը այն դարձնում են հարմար մեծ մոդելների տեղակայման և ուսուցման համար։ Դուք կարող եք անմիջապես սկսել՝ օգտագործելով PyTorch/CUDA, vLLM կամ Ollama նախապես կարգավորված ձևանմուշները։
Ինչպե՞ս է H100 PCIE-ն համեմատվում SXM կամ ավելի փոքր աշխատանքային կայանի GPU-ների հետ։
H100 PCIE-ն աշխատում է 350 Վտ TDP-ով՝ առաջարկելով ավելի ցածր էներգանյութերի սպառում և ստանդարտ PCIe համատեղելիություն՝ համեմատած ավելի բարձր հզորության SXM տվյալների կենտրոնի տարբերակների հետ։ Աշխատանքային կայանի կամ սպառողական քարտերի համեմատությամբ այն ապահովում է զգալիորեն ավելի շատ VRAM՝ 80 ԳԲ, և ավելի բարձր հիշողության թողունակություն։
Ի՞նչ ծրագրային ապահովման աջակցություն և compute capability ունի այս GPU-ն։
Հիմնված լինելով NVIDIA Hopper ճարտարապետության վրա՝ H100 PCIE-ն աջակցում է CUDA compute capability 9.0-ին։ Դուք կարող եք գործարկել պատրաստի ձևանմուշներով օրինակներ, որոնք ներառում են PyTorch/CUDA և ComfyUI, կամ կարգավորել սեփական միջավայրը SSH մուտքի միջոցով։
Ինչպե՞ս է աշխատում վճարումը ONIE-ում H100 PCIE օրինակների համար։
ONIE-ի օրինակները օգտագործում են պարզ ժամային վճարում, այնպես որ դուք վճարում եք միայն այն ժամանակի համար, երբ ձեր GPU-ն ակտիվ է։ Լրիվ SSH մուտքը ներառված է յուրաքանչյուր տեղակայման մեջ։
Վարձակալեք H100 PCIE-ը ժամավճարով
Ստեղծեք հաշիվ, ընտրեք կոնֆիգուրացիա և միացեք SSH-ով։ Վճարումը դադարում է, երբ ջնջում եք GPU-ն։
Վարձակալել H100 PCIE