Վարձակալեք NVIDIA RTX 2070S GPU ժամավճարով
NVIDIA RTX 2070S-ը Turing ճարտարապետության վրա հիմնված սպառողական դասի GPU է՝ 8 GB VRAM-ով և compute capability 7.5-ով։ ONIE ինստանսներում այն ապահովում է մոտ 8.8 TFLOPS ստանդարտ լողակետային արտադրողականություն և մոտ 366 GB/s հիշողության թողունակություն 210 W էներգային սահմանաչափի շրջանակում։ Դուք կարող եք այն տեղակայել ժամային վճարումով, լրիվ SSH մուտքով և պատրաստի ձևանմուշներով, ներառյալ PyTorch/CUDA, vLLM, Ollama և ComfyUI։
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 RTX 2070S-ը
Կոմպակտ LLM Inference
Աշխատեցրեք քվանտացված փոքր լեզվական մոդելներ Ollama կամ vLLM շաբլոնների միջոցով՝ 8 GB VRAM հզորության սահմաններում։
PyTorch նախատիպավորում և վրիպազերծում
Մշակեք և փորձարկեք խորը ուսուցման կոդը Turing GPU-ի վրա՝ compute capability 7.5, նախքան ավելի մեծ սարքավորման անցնելը։
Թեթև պատկերների գեներացում
Generate պատկերներ ComfyUI-ով՝ օգտագործելով ստանդարտ diffusion pipelines, որոնք հարմարավետ տեղավորվում են 8 GB հիշողության մեջ։
GPU հաշվարկային աշխատանքներ
Գործարկեք հատուկ CUDA հավելվածներ՝ օգտագործելով մոտ 8.8 TFLOPS single-precision հաշվարկային հզորություն և մոտ 366 GB/s հիշողության թողունակություն։
Արդյո՞ք սա Ձեզ հարմար GPU է։
Ընտրեք RTX 2070S մշակման, վրիպազերծման և թեթև inference առաջադրանքների համար, որոնք տեղավորվում են 8 GB VRAM-ի սահմաններում։ Մեծ մոդելների ուսուցման համար անցեք ավելի շատ հիշողությամբ և բարձր compute capability ունեցող GPU-ի, կամ ընտրեք ավելի ցածր էներգասպառմամբ սպառողական քարտ՝ հիմնական սկրիպտների փորձարկման համար։
Համեմատել նման GPU-ների հետ
| GPU | VRAM յուրաքանչյուր GPU-ի համար | Ճարտարապետություն | FP32 հաշվարկ | Սկսած / ժամ | Մանրամասներ |
|---|---|---|---|---|---|
| RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | — | |
| GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | — | Մանրամասներ |
| Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | — | Մանրամասներ |
| RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | — | Մանրամասներ |
Հաճախ տրվող հարցեր
Արդյո՞ք RTX 2070S հարմար է LLM inference-ի կամ fine-tuning-ի համար։
8 GB VRAM-ով և մոտ 366 GB/s հիշողության թողունակությամբ RTX 2070S-ը աջակցում է փոքր, քվանտացված լեզվական մոդելների inference-ին Ollama կամ vLLM-ի միջոցով։ Լրիվ fine-tuning-ի կամ ավելի մեծ մոդելների աշխատեցման համար անհրաժեշտ է ավելի շատ VRAM ունեցող GPU։
Կարո՞ղ եմ այս GPU-ն օգտագործել ComfyUI-ով պատկերների գեներացման համար։
Այո, ONIE-ը տրամադրում է պատրաստի ComfyUI շաբլոն, որն աշխատում է RTX 2070S-ի վրա։ Նրա 8 GB VRAM-ը աջակցում է ստանդարտ diffusion աշխատանքային հոսքերին, թեև ավելի ծանր pipelines-ը բազմաթիվ control nets-ով կօգտվեն ավելի մեծ հիշողությամբ GPU-ից։
Ինչպե՞ս է Turing ճարտարապետությունը ազդում ծրագրային համատեղելիության վրա։
RTX 2070S-ը աջակցում է CUDA compute capability 7.5-ը, որը համատեղելի է ստանդարտ PyTorch/CUDA շաբլոնների հետ։ Սակայն այն աշխատանքները, որոնք պահանջում են ավելի նոր սերունդների ճարտարապետական հնարավորություններ, պետք է տեղակայվեն ավելի նոր GPU ճարտարապետության վրա։
Ինչպե՞ս միանալ և ինչպե՞ս է աշխատում վճարումը ONIE-ում։
Ինստանսները վճարվում են ժամային հիմունքով այն ժամանակի համար, երբ ձեր մեքենան ակտիվ է։ Կարող եք միանալ ուղղակիորեն SSH-ով կամ գործարկել նախապես կարգավորված շաբլոններ PyTorch/CUDA, vLLM, Ollama և ComfyUI համար։
Վարձակալեք RTX 2070S-ը ժամավճարով
Ստեղծեք հաշիվ, ընտրեք կոնֆիգուրացիա և միացեք SSH-ով։ Վճարումը դադարում է, երբ ջնջում եք GPU-ն։
Վարձակալել RTX 2070S