เข้าสู่ระบบ
GPU Cloud · NVIDIA · Turing

ເຊົ່າ GPU NVIDIA RTX 2070 ເປັນລາຍຊົ່ວໂມງ

NVIDIA RTX 2070 เป็นกาดGPU ระดับผู้บริโภค สร้างบนสถาปัตยกรรม Turing มี compute capability 7.5 และ VRAM 8 GB บน ONIE อินสแตนซ์รายงานประสิทธิภาพการคำนวณแบบ single-precision ประมาณ 7.7 TFLOPS และแบนด์วิดท์หน่วยความจำประมาณ 370 GB/s ภายในขอบเขตพลังงาน 150 W คุณสามารถใช้การ์ดนี้ด้วยการเรียกเก็บเงินรายชั่วโมง การเข้าถึง SSH เต็มรูปแบบ และเทมเพลตพร้อมใช้สำหรับ PyTorch/CUDA, vLLM, Ollama และ ComfyUI

ເຊົ່າ RTX 2070

ຂໍ້ມູນຈຳເພາະ

VRAM ຕໍ່ GPU

8 GB

ສະຖາປັດຕະຍະກຳ

NVIDIA Turing

ຄວາມສາມາດໃນການຄຳນວນ (Compute capability)

7.5

ການຄຳນວນ FP32

≈ 7.7 TFLOPS

ແບນວິດໜ່ວຍຄວາມຈຳ

≈ 370 GB/s

ຂີດຈຳກັດພະລັງງານ

150 W

ຄ່າທີ່ຜູ້ໃຫ້ບໍລິການໂຄງສ້າງພື້ນຖານລາຍງານສຳລັບເຄື່ອງທີ່ແສດງຢູ່ໃນປັດຈຸບັນ; ປະສິດທິພາບຕົວຈິງອາດແຕກຕ່າງກັນໄປຕາມແຕ່ລະເຄື່ອງ.

ການຕັ້ງຄ່າທີ່ມີໃຫ້ບໍລິການ

ສະຕັອກ ແລະ ລາຄາອັບເດດແບບສົດຢ່າງຕໍ່ເນື່ອງ. ລາຄາສຸດທ້າຍຈະຖືກຢືນຢັນກ່ອນທ່ານສັ່ງຊື້.

ກຳລັງໂຫຼດລາຄາແບບສົດ…

RTX 2070 ເໝາະສຳລັບຫຍັງ

ການອະນຸມານໂມເດວພາສາຂະໜາດນ້ອຍ

ແລ່ນໂມເດວພາສາຂະໜາດນ້ອຍ ຫຼືທີ່ຜ່ານ quantization ທີ່ພໍດີກັບຄວາມຈຸ VRAM 8 GB ໂດຍໃຊ້ເທມເພລັດ Ollama ຫຼື vLLM ທີ່ຕັ້ງຄ່າໄວ້ລ່ວງໜ້າ

ການສ້າງຮູບພາບພື້ນຖານ

ສ້າງຮູບພາບຄວາມລະອຽດມາດຕະຖານ ແລະທົດສອບ diffusion workflow ໃນ ComfyUI ພາຍໃນຂີດຈຳກັດຂອງໜ່ວຍຄວາມຈຳ 8 GB

ການພັດທະນາຕົ້ນແບບ PyTorch

ພັດທະນາ, debug ແລະທົດສອບສະຄຣິບການຝຶກ neural network ໃນສະພາບແວດລ້ອມ PyTorch/CUDA ກ່ອນຂະຫຍາຍໄປໃຊ້ຮາດແວທີ່ໃຫຍ່ກວ່າ

ການພັດທະນາ CUDA ລະດັບເບື້ອງຕົ້ນ

ຄອມໄພລ໌ແລະທົດສອບ custom kernel ທີ່ໃຊ້ສະຖາປັດຕະຍະກຳ Turing ແລະ compute capability 7.5 ຜ່ານການເຂົ້າເຖິງ SSH ໂດຍກົງ

ນີ້ເປັນ GPU ທີ່ເໝາະສົມກັບທ່ານບໍ?

ເລືອກ RTX 2070 ສຳລັບການພັດທະນາເບົາ, ການ debug ໂຄ້ດ ແລະງານອະນຸມານຂະໜາດນ້ອຍທີ່ພໍດີກັບ VRAM 8 GB ເລືອກ GPU ທີ່ໃຫຍ່ກວ່າ ຖ້າໂມເດວຂອງທ່ານຕ້ອງການໜ່ວຍຄວາມຈຳ ຫຼືປະສິດທິພາບສູງກວ່າປະມານ 7.7 TFLOPS ຫຼືເລືອກ GPU ທີ່ນ້ອຍກວ່າ ສະເພາະສຳລັບການສະແດງຜົນພື້ນຖານ ຫຼືການທົດສອບການຄຳນວນພື້ນຖານເທົ່ານັ້ນ

ປຽບທຽບກັບ GPU ທີ່ຄ້າຍກັນ

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

ຄຳຖາມທີ່ພົບເລື້ອຍ

RTX 2070 ເໝາະສຳລັບການອະນຸມານ LLM ແລະ fine-tuning ບໍ?

ດ້ວຍ VRAM 8 GB ແລະແບນວິດໜ່ວຍຄວາມຈຳປະມານ 370 GB/s RTX 2070 ສາມາດຮັບມືກັບການອະນຸມານໂມເດວພາສາຂະໜາດນ້ອຍທີ່ຜ່ານ quantization ຜ່ານ Ollama ຫຼື vLLM ໄດ້ ສຳລັບໂມເດວທີ່ໃຫຍ່ກວ່າ ຫຼືງານ fine-tuning ເຕັມຮູບແບບ ແນະນຳໃຫ້ໃຊ້ GPU ທີ່ມີ VRAM ຫຼາຍກວ່າ ແລະສະຖາປັດຕະຍະກຳທີ່ໃໝ່ກວ່າ

ສາມາດໃຊ້ GPU ນີ້ສ້າງຮູບພາບດ້ວຍ ComfyUI ໄດ້ບໍ?

ໄດ້ ONIE ມີເທມເພລດ ComfyUI ທີ່ແລ່ນໄດ້ໃນ RTX 2070 VRAM 8 GB ຂອງມັນພຽງພໍສຳລັບ pipeline ການສ້າງມາດຕະຖານ ແຕ່ workflow ທີ່ຊັບຊ້ອນ ເຊັ່ນ ທີ່ມີຫຼາຍ control net ຫຼືຂັ້ນຕອນ upscale ຈະໄດ້ປະໂຫຍດຈາກກາດທີ່ມີໜ່ວຍຄວາມຈຳຫຼາຍກວ່າ

RTX 2070 ປຽບທຽບກັບ GPU ລະດັບຜູ້ບໍລິໂພກອື່ນແນວໃດ?

ໃນຖານະກາດລະດັບຜູ້ບໍລິໂພກສະຖາປັດຕະຍະກຳ Turing ທີ່ມີ compute capability 7.5 ແລະໃຊ້ພະລັງງານ 150 W RTX 2070 ຢູ່ຕ່ຳກວ່າສະຖາປັດຕະຍະກຳທີ່ໃໝ່ກວ່າໃນດ້ານປະສິດທິພາບການຄຳນວນດິບ ແລະຄວາມຈຸໜ່ວຍຄວາມຈຳ ການຍົກລະດັບໄປຫາຮຸ່ນທີ່ສູງກວ່າຈະໃຫ້ VRAM ແລະ TFLOPS ທີ່ສູງກວ່າສຳລັບການຝຶກໂມເດວທີ່ໜັກກວ່າ ໃນຂະນະທີ່ການລົດລະດັບຈະເຮັດໃຫ້ໜ່ວຍຄວາມຈຳເຫຼືອໜ້ອຍລົງ

ການເກັບເງິນ ແລະການເຂົ້າເຖິງອິນສະແຕນໃນ ONIE ເຮັດວຽກແນວໃດ?

ອິນສະແຕນຖືກເກັບເງິນເປັນລາຍຊົ່ວໂມງໃນຂະນະທີ່ເປີດໃຊ້ງານ ທ່ານສາມາດເຊື່ອມຕໍ່ໂດຍກົງຜ່ານ SSH ຫຼືເປີດໃຊ້ທັນທີໃນສະພາບແວດລ້ອມທີ່ຕັ້ງຄ່າໄວ້ລ່ວງໜ້າ ລວມທັງ PyTorch/CUDA, vLLM, Ollama ແລະ ComfyUI

ເຊົ່າ RTX 2070 ເປັນຊົ່ວໂມງ

ສ້າງບັນຊີ, ເລືອກການຕັ້ງຄ່າ ແລະ ເຊື່ອມຕໍ່ຜ່ານ SSH. ການຄິດໄລ່ຄ່າບໍລິການຈະຢຸດເມື່ອທ່ານລຶບ GPU.

ເຊົ່າ RTX 2070

GPU ທັງໝົດ →