GPU Cloud · NVIDIA · Pascal

Lei NVIDIA GTX 1080 GPU per time

NVIDIA GTX 1080 er en Pascal GPU i forbrukersegmentet med 8 GB VRAM og 130 W TDP. På ONIE leverer den omtrent 7.8 TFLOPS med enkeltpresisjonsberegning og omtrent 227 GB/s minnebåndbredde. Med beregningskapasitet 6.1 egner den seg for CUDA-utvikling på begynnernivå, lettvekts inferens og grunnleggende renderingsoppgaver.

Spesifikasjoner

VRAM per GPU

8 GB

Arkitektur

NVIDIA Pascal

Compute capability

6.1

FP32-beregning

≈ 7.8 TFLOPS

Minnebåndbredde

≈ 227 GB/s

Effektgrense

130 W

Verdier oppgitt av infrastrukturleverandøren for maskiner som er tilgjengelige nå. Faktisk ytelse varierer mellom maskiner.

Tilgjengelige konfigurasjoner

Lagerstatus og priser oppdateres fortløpende. Endelig pris bekreftes før du bestiller.

Laster inn live-priser…

Hva GTX 1080 er god til

CUDA-utvikling på begynnernivå

Skriv, kompiler og feilrett CUDA-kode for Pascal-beregningskapasitet 6.1 via SSH-tilgang.

Inferens med små modeller

Kjør kompakte nevrale nettverk og kvantiserte språkmodeller som får god plass innenfor 8 GB VRAM, med Ollama- eller PyTorch-maler.

Grunnleggende bildegenerering

Kjør standard arbeidsflyter for bildesyntese i ComfyUI, der 8 GB minne og omtrent 227 GB/s båndbredde er tilstrekkelig.

Klassisk maskinlæring

Tren og evaluer tabellmodeller eller små konvolusjonsnettverk med omtrent 7.8 TFLOPS enkeltpresisjonsytelse.

Er dette den riktige GPU-en for deg?

Velg GTX 1080 for prototyping, læring og lette arbeidslaster som får plass innenfor 8 GB VRAM og ikke krever moderne tensorkjerner. Velg en nyere eller større GPU hvis arbeidslasten din krever mer enn 8 GB minne, innebygd akselerasjon for blandet presisjon eller høyere minnebåndbredde.

Sammenlign med lignende GPU-er

GPUVRAM per GPUArkitekturFP32-beregningFra / timeDetaljer
GTX 10808 GBPascal≈ 7.8 TFLOPS—
Q RTX 40008 GBTuring≈ 7.7 TFLOPS—Detaljer
RTX 20708 GBTuring≈ 7.7 TFLOPS—Detaljer
RTX 2060S8 GBTuring≈ 7.5 TFLOPS—Detaljer

Ofte stilte spørsmål

Er GTX 1080 egnet for LLM-inferens eller finjustering?

Med 8 GB VRAM og Pascal-arkitektur kan GTX 1080 kjøre inferens på små, sterkt kvantiserte modeller ved hjelp av maler som Ollama. For større språkmodeller eller finjusteringsoppgaver anbefales en GPU med mer VRAM og nyere beregningskapasitet.

Hvilke programvaremaler og tilgangsmetoder er tilgjengelige på ONIE?

Du kan distribuere GTX 1080 med forhåndskonfigurerte maler, inkludert PyTorch/CUDA, ComfyUI, Ollama og vLLM. Du får full SSH-tilgang, slik at du kan tilpasse miljøet ditt og administrere filer direkte.

Hvordan påvirker Pascal-arkitekturen moderne rammeverk for dyp læring?

GTX 1080 støtter CUDA-beregningskapasitet 6.1, som kjører standard operasjoner med enkeltpresisjon ved omtrent 7.8 TFLOPS. Fordi den mangler de spesialiserte matrikskjernene som finnes i nyere arkitekturer, vil rammeverk som er avhengige av maskinvareakselererte formater med lavere presisjon, kjøre langsommere eller kreve reservemoduser.

Hvordan fungerer fakturering ved leie av en GTX 1080?

Instanser på ONIE faktureres per time, så du betaler bare for tiden GTX 1080-instansen din er aktiv.

Lei GTX 1080 per time

Opprett en konto, velg en konfigurasjon og koble til over SSH. Fakturering stopper når du sletter GPU-en.

Lei GTX 1080

Alle GPU-er →