Hyr NVIDIA RTX 2070 GPU per timme
NVIDIA RTX 2070 är ett GPU i konsumentsegmentet byggt på Turing-arkitekturen med compute capability 7.5 och 8 GB VRAM. På ONIE rapporterar instanserna cirka 7,7 TFLOPS singleprecision-beräkning och cirka 370 GB/s minnesbandbredd inom en effektram på 150 W. Du kan driftsätta kortet med timvis fakturering, full SSH-åtkomst och färdiga mallar för PyTorch/CUDA, vLLM, Ollama och ComfyUI.
Specifikationer
VRAM per GPU
Arkitektur
Compute capability
FP32-beräkning
Minnesbandbredd
Effektgräns
Värden angivna av infrastrukturleverantören för maskiner som för närvarande finns i sortimentet; faktisk prestanda varierar mellan maskiner.
Tillgängliga konfigurationer
Aktuellt lager och priser, uppdateras löpande. Slutpriset bekräftas innan du beställer.
Hämtar aktuella priser…
Vad RTX 2070 passar för
Inferens med kompakta språkmodeller
Kör kvantiserade eller små språkmodeller som ryms i 8 GB VRAM med förkonfigurerade Ollama- eller vLLM-mallar.
Grundläggande bildgenerering
Generera bilder i standardupplösning och testa diffusionsarbetsflöden i ComfyUI inom ramen för en minnesbuffert på 8 GB.
Prototypframtagning i PyTorch
Utveckla, felsök och testa skript för neurala nätverk i en PyTorch/CUDA-miljö innan du skalar upp till större hårdvara.
CUDA-utveckling på nybörjarnivå
Kompilera och testa egna kärnor för Turing-arkitekturen och compute capability 7.5 via direkt SSH-åtkomst.
Är det rätt GPU för dig?
Välj RTX 2070 för lättviktig utveckling, kodfelsökning och inferens i mindre skala som ryms bekvämt inom 8 GB VRAM. Välj ett större GPU om dina modeller kräver mer minne eller högre genomströmning än cirka 7,7 TFLOPS, eller välj ett mindre GPU endast för enkla skärmuppgifter eller grundläggande beräkningstester.
Jämför med liknande GPU:er
Vanliga frågor
Är RTX 2070 lämpligt för LLM-inferens och finjustering?
Med 8 GB VRAM och cirka 370 GB/s minnesbandbredd klarar RTX 2070 inferens för små, kvantiserade språkmodeller via Ollama eller vLLM. För större modeller eller full finjustering rekommenderas ett GPU med mer VRAM och nyare arkitektur.
Kan jag använda detta GPU för bildgenerering med ComfyUI?
Ja, ONIE erbjuder en ComfyUI-mall som körs på RTX 2070. Dess 8 GB VRAM räcker för standardiserade genereringspipelines, men komplexa arbetsflöden med flera control nets eller uppskalningssteg gynnas av ett kort med större minneskapacitet.
Hur jämför sig RTX 2070 med andra konsument-GPU:er?
Som ett konsumentkort från Turing-generationen med compute capability 7.5 och en effektförbrukning på 150 W ligger det under nyare arkitekturer i rå beräkningskapacitet och minneskapacitet. Att gå upp till en modell i högre klass ger mer VRAM och fler TFLOPS för tyngre träning, medan att gå ner minskar minnesmarginalen ytterligare.
Hur fungerar fakturering och instansåtkomst på ONIE?
Instanser faktureras per timme medan de är aktiva. Du kan ansluta direkt via SSH eller starta omedelbart i förkonfigurerade miljöer, inklusive PyTorch/CUDA, vLLM, Ollama och ComfyUI.
Hyr RTX 2070 per timme
Skapa ett konto, välj en konfiguration och anslut via SSH. Faktureringen upphör när du tar bort GPU:n.
Hyr RTX 2070