GPU Cloud · NVIDIA · Turing

ເຊົ່າ GPU NVIDIA Q RTX 4000 ເປັນລາຍຊົ່ວໂມງ

GPU NVIDIA Q RTX 4000 ແມ່ນ GPU workstation ທີ່ໃຊ້ສະຖາປັດຕະຍະກຳ Turing ມີໃຫ້ເຊົ່າໃຊ້ໃນ ONIE ສຳລັບວຽກ AI ແລະ ກຣາຟິກລະດັບເບື້ອງຕົ້ນ. ມີ VRAM 8 GB, ປະສິດທິພາບການຄຳນວນ single-precision ປະມານ 7.7 TFLOPS ແລະ ແບນວິດໜ່ວຍຄວາມຈຳປະມານ 353 GB/s ພາຍໃຕ້ໂປຣໄຟລ໌ພະລັງງານ 125 W. ຮອງຮັບ CUDA compute capability 7.5 ແລະ instance ນີ້ສາມາດເປີດໃຊ້ງານໄດ້ດ້ວຍ template ສຳເລັດຮູບສຳລັບ PyTorch/CUDA, vLLM, Ollama ແລະ ComfyUI.

ຂໍ້ມູນຈຳເພາະ

VRAM ຕໍ່ GPU

8 GB

ສະຖາປັດຕະຍະກຳ

NVIDIA Turing

ຄວາມສາມາດໃນການຄຳນວນ (Compute capability)

7.5

ການຄຳນວນ FP32

≈ 7.7 TFLOPS

ແບນວິດໜ່ວຍຄວາມຈຳ

≈ 353 GB/s

ຂີດຈຳກັດພະລັງງານ

125 W

ຄ່າທີ່ຜູ້ໃຫ້ບໍລິການໂຄງສ້າງພື້ນຖານລາຍງານສຳລັບເຄື່ອງທີ່ແສດງຢູ່ໃນປັດຈຸບັນ; ປະສິດທິພາບຕົວຈິງອາດແຕກຕ່າງກັນໄປຕາມແຕ່ລະເຄື່ອງ.

ການຕັ້ງຄ່າທີ່ມີໃຫ້ບໍລິການ

ສະຕັອກ ແລະ ລາຄາອັບເດດແບບສົດຢ່າງຕໍ່ເນື່ອງ. ລາຄາສຸດທ້າຍຈະຖືກຢືນຢັນກ່ອນທ່ານສັ່ງຊື້.

ກຳລັງໂຫຼດລາຄາແບບສົດ…

Q RTX 4000 ເໝາະສຳລັບຫຍັງ

ການພັດທະນາຕົ້ນແບບ ແລະ ການແກ້ໄຂບັນຫາໂຄດ

ທົດສອບ ແລະ ກວດສອບ pipeline PyTorch/CUDA ໃນ GPU workstation ທີ່ມີ 8 GB ກ່ອນຂະຫຍາຍໄປໃຊ້ຮາດແວທີ່ໃຫຍ່ກວ່າ.

ການ inference ໂມເດວຂະໜາດນ້ອຍ

ປະຕິບັດ small language model ຜ່ານ Ollama ຫຼື vLLM ທີ່ສາມາດໃສ່ໃນ VRAM 8 GB ໄດ້ຢ່າງສະບາຍ.

ການສ້າງຮູບພາບພື້ນຖານ

ດຳເນີນ workflow ການສ້າງຮູບພາບມາດຕະຖານໃນ ComfyUI ທີ່ບໍ່ເກີນຂີດຈຳກັດໜ່ວຍຄວາມຈຳ 8 GB.

ກຣາຟິກ ແລະ ການເຣນເດີ workstation

ໃຊ້ສະຖາປັດຕະຍະກຳ Turing ແລະ ແບນວິດໜ່ວຍຄວາມຈຳປະມານ 353 GB/s ສຳລັບງານເຣນເດີ ແລະ ການສະແດງຜົນແບບ remote.

ນີ້ເປັນ GPU ທີ່ເໝາະສົມກັບທ່ານບໍ?

ເລືອກ Q RTX 4000 ສຳລັບ inference ຂະໜາດນ້ອຍ, ການເຣນເດີ ແລະ ການພັດທະນາໂຄດທີ່ໃຊ້ VRAM ບໍ່ເກີນ 8 GB ແລະ compute capability 7.5. ເລືອກ GPU ທີ່ມີໜ່ວຍຄວາມຈຳຫຼາຍກວ່າ ແລະ ສະຖາປັດຕະຍະກຳໃໝ່ກວ່າສຳລັບການ train ໂມເດວໜັກ ຫຼື inference ຂະໜາດໃ�หຍ່, ຫຼື ເລືອກ GPU ທີ່ນ້ອຍກວ່າສຳລັບການສະແດງຜົນພື້ນຖານ ຫຼື ງານ compute ເລັກນ້ອຍ.

ປຽບທຽບກັບ GPU ທີ່ຄ້າຍກັນ

GPUVRAM ຕໍ່ GPUສະຖາປັດຕະຍະກຳການຄຳນວນ FP32ເລີ່ມຕົ້ນ / ຊົ່ວໂມງລາຍລະອຽດ
Q RTX 40008 GBTuring≈ 7.7 TFLOPS—
RTX 20708 GBTuring≈ 7.7 TFLOPS—ລາຍລະອຽດ
GTX 10808 GBPascal≈ 7.8 TFLOPS—ລາຍລະອຽດ
RTX 2060S8 GBTuring≈ 7.5 TFLOPS—ລາຍລະອຽດ

ຄຳຖາມທີ່ພົບເລື້ອຍ

Q RTX 4000 ເໝາະກັບການ inference ແລະ fine-tuning LLM ບໍ?

ດ້ວຍ VRAM 8 GB ແລະ ປະສິດທິພາບ single-precision ປະມານ 7.7 TFLOPS ມັນເໝາະກັບການ inference ຂອງໂມເດວຂະໜາດນ້ອຍດ້ວຍ Ollama ຫຼື vLLM. ສຳລັບໂມເດວໃຫຍ່ ຫຼື ວຽກ fine-tuning ເຕັມຮູບແບບ ຄວນເລືອກ GPU ທີ່ມີ VRAM ຫຼາຍກວ່າ ແລະ ແບນວິດໜ່ວຍຄວາມຈຳສູງກວ່າ 353 GB/s.

ສາມາດໃຊ້ GPU ນີ້ສຳລັບ ComfyUI ແລະ ການສ້າງຮູບພາບໄດ້ບໍ?

ໄດ້, ONIE ມີ template ComfyUI ທີ່ພ້ອມໃຊ້ງານໃນ GPU workstation Turing ນີ້. ມັນຮອງຮັບ pipeline ການສ້າງຮູບພາບມາດຕະຖານທີ່ໃສ່ໃນໜ່ວຍຄວາມຈຳ 8 GB ໄດ້, ແຕ່ pipeline ທີ່ໃຫຍ່ກວ່ານັ້ນຈະຕ້ອງໃຊ້ GPU ທີ່ມີໜ່ວຍຄວາມຈຳຫຼາຍກວ່າ.

ຈະເຊື່ອມຕໍ່ກັບ instance ໄດ້ແນວໃດ ແລະ ມີຊອບແວໃດທີ່ຕິດຕັ້ງໄວ້ລ່ວງໜ້າແດ່?

ທ່ານສາມາດເຊື່ອມຕໍ່ກັບ instance ທີ່ກຳລັງເຮັດວຽກໂດຍກົງຜ່ານ SSH. ONIE ມີ template ທີ່ຕັ້ງຄ່າໄວ້ລ່ວງໜ້າ ໄດ້ແກ່ PyTorch/CUDA, vLLM, Ollama ແລະ ComfyUI ເພື່ອໃຫ້ທ່ານເລີ່ມເຮັດວຽກໄດ້ທັນທີ.

ການຄິດເງິນສຳລັບ Q RTX 4000 ໃນ ONIE ເປັນແນວໃດ?

ຄິດໄລ່ເປັນລາຍຊົ່ວໂມງໃນຂະນະທີ່ GPU workstation ກຳລັງເຮັດວຽກຢູ່. ສິ່ງນີ້ເຮັດໃຫ້ທ່ານສາມາດເປີດ session ສຳລັບການພັດທະນາ ຫຼື ການເຣນເດີ ແລະ ປິດ instance ເມື່ອສຳເລັດແລ້ວ.

ເຊົ່າ Q RTX 4000 ເປັນຊົ່ວໂມງ

ສ້າງບັນຊີ, ເລືອກການຕັ້ງຄ່າ ແລະ ເຊື່ອມຕໍ່ຜ່ານ SSH. ການຄິດໄລ່ຄ່າບໍລິການຈະຢຸດເມື່ອທ່ານລຶບ GPU.

ເຊົ່າ Q RTX 4000

GPU ທັງໝົດ →