50% off alle planer, begrænset periode. Fra kun $2.48/mo

Anaconda VPS Hosting

Anaconda VPS,
conda up in seconds.

Python data-science VPS på AMD EPYC + NVMe. Klar til Jupyter, pandas og scikit-learn.
Uafhængigt cloud siden 2008. Fra $2,48/md · root SSH på 60 sekunder.

4.6 · 717 reviews on Trustpilot

Starting at $2.48/mo · 50% rabat · Intet kreditkort kræves

~ ssh root@conda-ams-001 connected
root@conda-ams-001:~# conda --version
conda 24.5.0
root@conda-ams-001:~# conda create -n ml python=3.11 pandas scikit-learn -y
Solving environment: done
Downloading and Extracting Packages... done
root@conda-ams-001:~# conda activate ml && jupyter lab --ip=0.0.0.0
[I] Jupyter Server is running at https://0.0.0.0:8888
(ml) root@conda-ams-001:~# _

Anaconda VPS på et øjeblik

Cloudzy runs Anaconda and Miniconda på Linux VPS-planer på tværs af 12 regions, starting at $2.48 per month. Planer fra 512 MB to 64 GB DDR5 on NVMe storage with 40 Gbps uplinks. Start JupyterLab, pandas, scikit-learn, NumPy og CPU PyTorch på under fem minutter - klargøring tager 60 secondsCloudzy har drevet uafhængigt siden 2008, serves 122,000+ developers, og er vurderet 4.6 / 5 by 717+ reviewers on Trustpilot.

Starting price
$2.48 / month
Stack
Anaconda · Miniconda
Provisioning
60 seconds
Regions
12 worldwide
Uptime SLA
99.95%
Money-back
14 days

Hvorfor datascientists vælger Cloudzy

A workspace that stays up.

Fire grunde til at dine notebooks hører hjemme på en rigtig server.

AMD EPYC + NVMe

Nyeste generation AMD EPYC, kun NVMe-lagerplads, DDR5 hukommelse. pandas læser en 5 GB CSV på sekunder, ikke minutter.

14 dages pengene-tilbage-garanti

Prøv Anaconda på Cloudzy med en rigtig notebook. Annuller inden for 14 dage, hvis det ikke passer. Ingen oprettelsesgebyrer.

99.95% uptime

Kør en lang pandas-pipeline natten over, og vend tilbage til en kørende notebook. SLA for de seneste 30 dage trackes på status.cloudzy.com.

Engineers on chat

Sidder du fast i en conda-miljøkonflikt midt om natten? Vi svarer på minutter - ingeniører, ikke manuskriptlæsere.

Vælg din stack

Den Python data-stack.
Klar til brug med ét klik.

Anaconda til den fulde ~3 GB videnskabelige Python-distribution, Miniconda hvis du vil holde det minimalt. JupyterLab lytter på port 8888, pandas læser parquet fra din NVMe på millisekunder, scikit-learn træner på EPYC kerner. CUDA-images findes på GPU-planerne.

conda, pip, mamba, poetry - dit valg
Anaconda
Full distribution
Miniconda
Minimal installer
JupyterLab
Notebook IDE
pandas
Data frames
NumPy
Arrays · linalg
scikit-learn
ML models
PyTorch CPU
Deep learning
TensorFlow
CPU inference

Use cases

Hvad folk kører på
Anaconda VPS.

Jupyter notebook-server

Kør JupyterLab på en statisk IP, der ikke er din bærbare. Luk låget, træn, kom tilbage i morgen. Samarbejd med en kollega ved at dele det samme SSH-endpoint.

Pandas data engineering

Behandl CSV-filer, parquet-filer og SQL-udtræk, der ikke passer i din bærbares RAM. Monter et 1 TB NVMe-volumen, giv det 16 GB og vær færdig inden frokost.

scikit-learn-træning

Random forests, gradient boosting, XGBoost på rigtige datasæt. EPYCs per-kerne-hastighed slår bærbare CPUs, og du kan lade et 6-timers sweep køre, mens du sover.

Quant research

Backtests, faktoranalyse og Monte Carlo på flerårige tick-data. Condas fastlåste miljø gør notebooks reproducerbare på tværs af teamet.

ETL og pipelines

Planlæg et conda-styret Python-script med cron eller systemd, kald et API, transformér data, skriv til S3 eller Postgres. Renere end at køre det på en laptop.

Undervisning og tutorials

Start identiske Anaconda-miljøer til et workshop. `conda env export` én gang, `conda env create` til hver studerende. Ingen "works on my machine."

60s
Provisioning
40 Gbps
Uplink
NVMe-only
Storage
12
Regions
99.95%
Uptime SLA
14 days
Money-back

Global network

12 regioner. Fire kontinenter.
Placer din notebook tæt på dine data.

Træn der, hvor dine data ligger. EU, US, ME, Asien - vælg den region din S3-bucket eller Postgres læser fra.

us-utah-1us-dal-1us-lax-1us-nyc-1us-mia-1eu-ams-1eu-lon-1eu-fra-1eu-zrh-1me-dxb-1ap-sgp-1ap-tyo-1

Pricing

Betal kun for det, du bruger. That's it.

Pr. time, måned eller år. Ingen overførselsgebyrer. Ingen binding. Aktuelt 50% off all plans.

1 GB DDR5

Hurtige Jupyter notebooks · Tutorials

$3.48 /mo
$6.95/mo −50%
Deploy now
14 dages pengene-tilbage-garanti
  • 1 vCPU @ EPYC
  • 25 GB NVMe
  • 1 TB · 40 Gbps
  • Conda / Miniconda klar
  • Root SSH · KVM
2 GB DDR5

Pandas / NumPy · Små datasæt

$7.475 /mo
$14.95/mo −50%
Deploy now
14 dages pengene-tilbage-garanti
  • 1 vCPU @ EPYC
  • 60 GB NVMe
  • 3 TB · 40 Gbps
  • Conda / Miniconda klar
  • Root SSH · KVM

FAQ. Anaconda VPS

Common questions, straight answers.

Hvad er en Anaconda VPS?

En Anaconda VPS er en Linux cloud-server med Anaconda Python-distributionen forudinstalleret (eller klar med ét klik). Du får conda, Python 3, NumPy, pandas, scikit-learn, JupyterLab og 7.000+ data science-pakker, isoleret fra din laptop, tilgængelig via SSH overalt og kørende på 60 sekunder.

Anaconda eller Miniconda - hvad skal jeg installere?

Vælg Miniconda, hvis du vil have det mindste fodaftryk og kun de pakker, du rent faktisk bruger. Vælg Anaconda Distribution, hvis du vil have den fulde videnskabelige Python-stak på ca. 3 GB klar fra starten. Begge leveres som ét-klik-images på Ubuntu 22.04 / 24.04 LTS, og du kan skifte senere med `conda install anaconda` eller omvendt.

Kan jeg køre JupyterLab på en Cloudzy VPS?

Ja. Start JupyterLab med `jupyter lab --ip=0.0.0.0 --port=8888`, åbn porten i panel-firewallen, og peg din browser på `https://your-ip:8888`. Til en privat opsætning tunnelerer du via SSH (`ssh -L 8888:localhost:8888`) - ingen firewall-regler nødvendige, og trafikken er krypteret.

Hvor meget RAM har jeg brug for til data science-arbejde?

1 GB is enough for tutorials and small CSVs. 4 GB handles real pandas pipelines on datasets up to a few million rows. 8–16 GB is the sweet spot for scikit-learn on 50M+ rows or PyTorch CPU inference. Anything bigger or you need a GPU, see /deep-learning-gpu/.

Understøtter dette GPU-workloads?

Anaconda VPS-planerne her er udelukkende CPU-baserede og bygget til pandas, scikit-learn og CPU PyTorch/TensorFlow. Til CUDA, RAPIDS eller stor-skala modeltræning, se /gpu-vps/ og /deep-learning-gpu/. Anaconda installerer fint på de planer også.

Hvor hurtigt er klargøringen?

Når betalingen er bekræftet, er din VPS kørende på 60 sekunder. Anaconda eller Miniconda installeres på yderligere 2-3 minutter via ét-klik-imaget, eller under 60 sekunder for Miniconda via curl-installeren. Du har `conda --version` kørende på under fem minutter i alt.

Kan jeg dele miljøer med mit team?

Ja. `conda env export > environment.yml` producerer en portabel fil, som dine teammedlemmer kan genskabe med `conda env create -f environment.yml`. VPS'en er tilgængelig via SSH, så flere brugere kan arbejde på samme server, eller hver kan deploye deres egen fra $2,48/md.

Er der root-adgang?

Ja, enhver Cloudzy VPS leveres med root SSH og fuld kernel-kontrol. Installér systempakker med `apt`, sæt systemd-services op til langvarige træningsjobs, montér eksterne NVMe-volumes, eller kør Docker side om side med conda. Ingen sandkasse-begrænsninger.

Kan jeg opgradere, hvis mit datasæt vokser?

Ja. RAM, vCPU og lagerplads kan ændres direkte fra kontrolpanelet. De fleste opgraderinger er færdige på under 60 sekunder uden nedetid. Start med 1 GB for at lære systemet at kende, og skift til 16 GB, når dine notebooks kræver det. Med timebetaling er du ikke låst til ét niveau.

Er der en pengene-tilbage-garanti?

Ja, 14 dage fra købsdatoen, fuld refusion, ingen spørgsmål. Prøv Anaconda på Cloudzy med en reel notebook-arbejdsbyrde, og vurder selv om latens, ydeevne og support holder målet sammenlignet med det, du har brugt før.

Klar, når du er det.
Conda up in 60 seconds.

Vælg en plan, vælg en region, klik. JupyterLab er klar, inden din kaffe er brygget.

Intet kreditkort kræves · 14 dages pengene-tilbage-garanti · Annuller når som helst