GPU Cloud · NVIDIA · Ampere

ເຊົ່າ GPU NVIDIA RTX 3070 ເປັນລາຍຊົ່ວໂມງ

NVIDIA RTX 3070 ເປັນ GPU ລະດັບຜູ້ບໍລິໂພກທີ່ໃຊ້ສະຖາປັດຕະຍະກຳ Ampere ມີ 8 GB VRAM ແລະ TDP 220 W. ໃນ ONIE, ການ໌ດນີ້ໃຫ້ປະສິດທິພາບການຄຳນວນ single-precision ປະມານ 19.8 TFLOPS ແລະ ແບນວິດໜ່ວຍຄວາມຈຳປະມານ 386 GB/s. ດ້ວຍ compute capability 8.6, ມັນເປັນທາງເລືອກທີ່ເໝາະສົມສຳລັບການພັດທະນາ, ການສ້າງຕົ້ນແບບ ແລະ ງານ inference ນ້ຳໜັກເບົາ.

ຂໍ້ມູນຈຳເພາະ

VRAM ຕໍ່ GPU

8 GB

ສະຖາປັດຕະຍະກຳ

NVIDIA Ampere

ຄວາມສາມາດໃນການຄຳນວນ (Compute capability)

8.6

ການຄຳນວນ FP32

≈ 19.8 TFLOPS

ແບນວິດໜ່ວຍຄວາມຈຳ

≈ 386 GB/s

ຂີດຈຳກັດພະລັງງານ

220 W

ຄ່າທີ່ຜູ້ໃຫ້ບໍລິການໂຄງສ້າງພື້ນຖານລາຍງານສຳລັບເຄື່ອງທີ່ແສດງຢູ່ໃນປັດຈຸບັນ; ປະສິດທິພາບຕົວຈິງອາດແຕກຕ່າງກັນໄປຕາມແຕ່ລະເຄື່ອງ.

ການຕັ້ງຄ່າທີ່ມີໃຫ້ບໍລິການ

ສະຕັອກ ແລະ ລາຄາອັບເດດແບບສົດຢ່າງຕໍ່ເນື່ອງ. ລາຄາສຸດທ້າຍຈະຖືກຢືນຢັນກ່ອນທ່ານສັ່ງຊື້.

ກຳລັງໂຫຼດລາຄາແບບສົດ…

RTX 3070 ເໝາະສຳລັບຫຍັງ

ການ Inference LLM ນ້ຳໜັກເບົາ

ຮັນໂມເດວພາສາຂະໜາດນ້ອຍທີ່ຖືກ quantize ດ້ວຍ template ຂອງ Ollama ຫຼື vLLM ທີ່ພ້ອມໃຊ້ ພາຍໃນຂອບເຂດ 8 GB VRAM.

ເວີກໂຟລ໌ການສ້າງຮູບພາບ

ສ້າງຮູບພາບຄວາມລະອຽດມາດຕະຖານ ແລະ ທົດສອບ workflow ຂອງ node ດ້ວຍ template ComfyUI ທີ່ຕັ້ງຄ່າໄວ້ລ່ວງໜ້າແລ້ວ.

ການສ້າງຕົ້ນແບບໂค້ດ PyTorch

ພັດທະນາ, debug ແລະ ກວດສອບສະຄຣິບ machine learning ໃນຮາດແວ Ampere ທີ່ມີ compute capability 8.6 ກ່ອນຂະຫຍາຍຂະໜາດ.

ການປະມວນຜົນຂໍ້ມູນເປັນຊຸດ

ໃຊ້ປະສິດທິພາບ single-precision ປະມານ 19.8 TFLOPS ແລະ ແບນວິດໜ່ວຍຄວາມຈຳປະມານ 386 GB/s ສຳລັບ pipeline ຂໍ້ມູນທີ່ເລັ່ງດ້ວຍ GPU.

ນີ້ເປັນ GPU ທີ່ເໝາະສົມກັບທ່ານບໍ?

ເລືອກ RTX 3070 ສຳລັບການທົດສອບໂค້ດ, ການ inference ນ້ຳໜັກເບົາ ແລະ ການສ້າງຮູບພາບຂະໜາດນ້ອຍ ທີ່ພໍດີກັບໜ່ວຍຄວາມຈຳ 8 GB. ເລືອກ GPU ທີ່ມີ VRAM ຫຼາຍກວ່າສຳລັບ fine-tuning ຫຼື ໂມເດວນ້ຳໜັກໃຫຍ່ ຫຼື ເລືອກ GPU ລະດັບເລີ່ມຕົ້ນ ຖ້າ workload ຂອງທ່ານຕ້ອງການການຄຳນວນໜ້ອຍທີ່ສຸດ.

ປຽບທຽບກັບ GPU ທີ່ຄ້າຍກັນ

GPUVRAM ຕໍ່ GPUສະຖາປັດຕະຍະກຳການຄຳນວນ FP32ເລີ່ມຕົ້ນ / ຊົ່ວໂມງລາຍລະອຽດ
RTX 30708 GBAmpere≈ 19.8 TFLOPS—
RTX 3060 Ti8 GBAmpere≈ 15.7 TFLOPS—ລາຍລະອຽດ
RTX A400016 GBAmpere≈ 20.6 TFLOPS—ລາຍລະອຽດ
RTX 2080 Ti11 GBTuring≈ 14.6 TFLOPS—ລາຍລະອຽດ

ຄຳຖາມທີ່ພົບເລື້ອຍ

RTX 3070 ເໝາະກັບການ inference ແລະ fine-tuning ຂອງ LLM ບໍ?

ດ້ວຍ 8 GB VRAM, RTX 3070 ສາມາດຮັບ inference ຂອງໂມເດວພາສາຂະໜາດນ້ອຍທີ່ຖືກ quantize ດ້ວຍ template ເຊັ່ນ Ollama ຫຼື vLLM. ສຳລັບ full fine-tuning ຫຼື ການຮັນໂມເດວທີ່ໃຫຍ່ກວ່າ ທ່ານຄວນເລືອກ GPU ທີ່ມີໜ່ວຍຄວາມຈຳຫຼາຍກວ່າ.

ຈະເຊື່ອມຕໍ່ກັບ instance RTX 3070 ຂອງຂ້ອຍໃນ ONIE ແນວໃດ?

ທ່ານສາມາດເຊື່ອມຕໍ່ໂດຍກົງຜ່ານ SSH ສຳລັບ workflow ແບບ command-line ຫຼື ເປີດ template ທີ່ຕັ້ງຄ່າໄວ້ລ່ວງໜ້າ ລວມທັງ PyTorch/CUDA, ComfyUI, Ollama ແລະ vLLM. ການຄິດໄລ່ຄ່າບໍລິການແມ່ນຄິດເປັນລາຍຊົ່ວໂມງໃນຂະນະທີ່ instance ເຮັດວຽກຢູ່.

RTX 3070 ຮອງຮັບຄຸນສົມບັດ CUDA ໃດແດ່?

ໃນຖານະ GPU ລະດັບຜູ້ບໍລິໂພກຮຸ່ນ Ampere, RTX 3070 ຮອງຮັບ compute capability 8.6. ສິ່ງນີ້ເຮັດໃຫ້ມັນສາມາດຮັນ workload PyTorch/CUDA ທີ່ທັນສະໄໝ ທີ່ພໍດີກັບຂີດຈຳກັດໜ່ວຍຄວາມຈຳ 8 GB ຂອງມັນ.

RTX 3070 ປຽບທຽບກັບ GPU Ampere ລະດັບສູງກວ່າແນວໃດ?

RTX 3070 ໃຫ້ປະສິດທິພາບການຄຳນວນ single-precision ປະມານ 19.8 TFLOPS ແລະ ແບນວິດໜ່ວຍຄວາມຈຳປະມານ 386 GB/s ທີ່ TDP 220 W. ການຍົກລະດັບໄປສູ່ GPU Ampere ລະດັບສູງກວ່າ ທັງຮຸ່ນຜູ້ບໍລິໂພກ ຫຼື workstation ຈະໃຫ້ຄວາມຈຸ VRAM ທີ່ຫຼາຍຂຶ້ນ ແລະ ແບນວິດໜ່ວຍຄວາມຈຳທີ່ສູງຂຶ້ນ ສຳລັບ workload ທີ່ໜັກກວ່າ.

ເຊົ່າ RTX 3070 ເປັນຊົ່ວໂມງ

ສ້າງບັນຊີ, ເລືອກການຕັ້ງຄ່າ ແລະ ເຊື່ອມຕໍ່ຜ່ານ SSH. ການຄິດໄລ່ຄ່າບໍລິການຈະຢຸດເມື່ອທ່ານລຶບ GPU.

ເຊົ່າ RTX 3070

GPU ທັງໝົດ →