Վարձակալեք NVIDIA RTX 3080 Ti GPU ժամավճարով
NVIDIA RTX 3080 Ti — GPU consumer architecture Ampere, 12 GB VRAM և 350 W TDP։ ONIE-ում այն ապահովում է մոտ 35.1 TFLOPS ստանդարտ լողակետային հաշվարկային հզորություն և մոտ 787 GB/s հիշողության թողունակություն։ CUDA compute capability 8.6-ով այս GPU-ն աջակցում է միջին մակարդակի մեքենայական ուսուցման աշխատանքներին, inference-ին և ստեղծագործական ռենդերինգին։
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 3080 Ti-ը
Քվանտացված LLM Inference
Գործարկեք փոքր և քվանտացված մեծ լեզվական մոդելներ 12 GB VRAM բյուջեի սահմաններում՝ օգտագործելով պատրաստի կաղապարներ, ինչպիսիք են Ollama կամ vLLM։
Պատկերների գեներացում ComfyUI-ով
Գեներացրեք պատկերներ և փորձարկեք diffusion pipeline-ներ՝ օգտագործելով ComfyUI կաղապարը և մոտ 787 GB/s հիշողության թողունակությունը պրոմպտերի մշակման համար։
PyTorch մոդելների նախատիպավորում
Մշակեք, վրիպազերծեք և փոքր և միջին չափի նեյրոնային ցանցեր վարժեցրեք PyTorch-ում և CUDA-ում՝ Ampere GPU-ի վրա, compute capability 8.6-ով։
GPU-ով արագացված ռենդերինգ
Օգտագործեք մոտ 35.1 TFLOPS հաշվարկային հզորությունը 12 GB հիշողության մեջ տեղավորվող տեսարանների ռենդերինգի և տեքստուրաների թխման համար։
Արդյո՞ք սա Ձեզ հարմար GPU է։
RTX 3080 Ti-ն հարմար է այն մշակողներին և ստեղծագործողներին, ովքեր կարիք ունեն Ampere-ի ուժեղ հաշվարկային հզորության այն աշխատանքների համար, որոնք հարմարավետ տեղավորվում են 12 GB VRAM-ում։ Եթե պարզ սկրիպտավորման կամ թեթև inference-ի համար ավելի փոքր սպառողական GPU է բավարար, ընտրեք այն։ Իսկ եթե վերապատրաստում եք մեծ մոդելներ կամ բեռնում եք չքվանտացված կշիռներ, ավելի մեծ VRAM ունեցող GPU-ի վրա անցեք։
Համեմատել նման GPU-ների հետ
| GPU | VRAM յուրաքանչյուր GPU-ի համար | Ճարտարապետություն | FP32 հաշվարկ | Սկսած / ժամ | Մանրամասներ |
|---|---|---|---|---|---|
| RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | — | |
| RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | — | Մանրամասներ |
| RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | — | Մանրամասներ |
| RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | — | Մանրամասներ |
Հաճախ տրվող հարցեր
Արդյո՞ք RTX 3080 Ti-ն հարմար է LLM inference-ի և fine-tuning-ի համար։
12 GB VRAM-ի և մոտ 787 GB/s հիշողության թողունակության շնորհիվ այն լավ հարմարվում է փոքր կամ քվանտացված լեզվական մոդելներ Ollama-ի կամ vLLM-ի միջոցով գործարկելու համար։ Full fine-tuning-ի կամ չքվանտացված մեծ մոդելների գործարկման համար խորհուրդ է տրվում ավելի մեծ VRAM ունեցող GPU։
Ինչպե՞ս է RTX 3080 Ti-ն համեմատվում Ampere շարքի մյուս սպառողական GPU-ների հետ։
RTX 3080 Ti-ն գտնվում է ստանդարտ RTX 3080-ի և Ampere շարքի ավելի մեծ հիշողությամբ սպառողական մոդելների միջև՝ առաջարկելով 12 GB VRAM և մոտ 35.1 TFLOPS հաշվարկային հզորություն։ Եթե ձեր աշխատանքը հաշվարկով սահմանափակված է և տեղավորվում է 12 GB-ի մեջ, այն ապահովում է բարձր թողունակություն՝ առանց ավելի բարձր հիշողության աստիճանի անցնելու։
Ինչպե՞ս միանալ ONIE-ի RTX 3080 Ti instance-ին։
Instance-ը գործարկվելուց հետո կարող եք միանալ անմիջապես SSH մուտքի միջոցով։ ONIE-ը տրամադրում է նաև նախապես կազմաձևված կաղապարներ PyTorch/CUDA, vLLM, Ollama և ComfyUI համար, որպեսզի կարողանաք անմիջապես սկսել աշխատանքը։
Ինչպե՞ս է աշխատում այս GPU-ի վճարումը։
ONIE-ի instance-ները վճարվում են ժամավճարով։ Դուք վճարում եք միայն այն ժամանակի համար, երբ ձեր RTX 3080 Ti instance-ը ակտիվ է։
Վարձակալեք RTX 3080 Ti-ը ժամավճարով
Ստեղծեք հաշիվ, ընտրեք կոնֆիգուրացիա և միացեք SSH-ով։ Վճարումը դադարում է, երբ ջնջում եք GPU-ն։
Վարձակալել RTX 3080 Ti