Modeltraining
Træn CNN'er, transformers og diffusionsmodeller på dedikerede NVIDIA GPU'er. Fuld CUDA-adgang, NVMe til hurtig dataindlæsning, NCCL til træning på flere GPU'er.
Deep Learning GPU-server
Træn modeller på
dedikerede GPU'er.
NVIDIA A100, RTX 5090 og RTX 4090, fuld PCI-passthrough, ikke delt.
NVMe-storage til hurtig dataindlæsning. Uafhængig cloud siden 2008.
122.000+ brugere stoler på Cloudzy. 14-dages pengene-tilbage-garanti, ingen spørgsmål stillet.
Fra $14.47/mo · 50 % rabat · Intet kreditkort krævet
~ ssh root@vps-001
forbundet
$ ssh root@gpu-srv-001
Velkommen til Ubuntu 24.04 LTS (CUDA 12.4)
root@gpu-srv-001:~$ nvidia-smi --query-gpu=name,memory.total --format=csv
navn, hukommelse.total [MiB]
NVIDIA A100-SXM4-80GB, 81920 MiB
root@gpu-srv-001:~$ python3 -c "import torch; print(torch.cuda.is_available())"
Sandt
root@gpu-srv-001:~$ torchrun --nproc_per_node=1 train.py --epochs 50
Epoch 1/50 | Loss: 0.4821 | LR: 1e-4
Deep Learning GPU-server på et øjeblik
Cloudzy Deep Learning GPU-servere brug NVIDIA A100, RTX 5090 og RTX 4090 GPU'er med fuld PCI passthrough. AMD EPYC CPU'er, NVMe lagring, DDR5 hukommelse og 40 Gbps uplinks på tværs af 13 regioner. CPU-planer starter fra $2.48/mo; GPU-planer er tilgængelige på prissiden. Cloudzy har tjent 122,000+ brugere siden 2008, bedømt 4.7/5 på Trustpilot. 14-dages pengene-tilbage på alle planer.
- Startpris
- 2,48 $ / måned
- Klargøring
- 60 sekunder
- Regioner
- 13 globalt
- Oppetids-SLA
- 99.95%
- Penge-tilbage
- 14 dage
- Grundlagt
- 2008
Hvorfor udviklere vælger Cloudzy
En teknisk stærk favorit
De fire ting, kunder faktisk sammenligner os på, gjort rigtigt.
High-spec infrastruktur
Nyeste generation AMD EPYC, kun NVMe-lagring, DDR5-hukommelse, 40 Gbps uplinks. Førende single-thread-ydelse på alle planniveauer.
Risikofri prøveperiode
14 dages pengene-tilbage-garanti på alle planer. Ingen spørgsmål stillet. Ingen opsætningsgebyrer. Opsig når som helst fra dashboardet.
99,95 % oppetids-SLA
Automatisk overvågning på tværs af 13 regioner. Vores SLA for de seneste 30 dage følges offentligt på status.cloudzy.com. Vi gemmer intet.
Menneskelig support døgnet rundt
Live chat og ticket-svar typisk under 5 minutter. Ingeniører, ikke manuskriptlæsere. Median løsningstid under 1 time.
Brugsscenarier
Hvorfor udviklere vælger
Cloudzy's Deep Learning GPU-server.
Finjustering af LLM'er
Finjuster Llama, Mistral eller Gemma på A100 eller RTX 5090. QLoRA på 24 GB VRAM, fuld finjustering på 80 GB. NVMe håndterer checkpoint-skrivninger uden at sætte træningen på pause.
Inferens-betjening
Kør modeller via vLLM, TGI eller Triton på dedikerede GPU'er. PCI passthrough giver fuld VRAM og fuld clockhastighed - samme ydeevne som bare metal.
Computersyn
Objektdetektering, segmentering, billedgenerering. GPU-accelereret OpenCV, YOLO, Stable Diffusion. NVMe holder datapipelinen til træning kørende uden flaskehalse.
Forskning og prototyping
Jupyter-notebooks, eksperimentsporing, hyperparametersweeps. Start GPU-servere, kør eksperimenter, luk ned igen. 14-dages pengene-tilbage-garanti giver lav risiko på nye projekter.
Dataforbehandling
RAPIDS, cuDF, cuML. GPU-accelereret databehandling til store datasæt. Rens, transformér og berig data før træning. NVMe-læsninger holder GPU-udnyttelsen høj.
60s
Klargøring
40 Gbps
Oplink
NVMe-kun
Lagring
13
Regioner
99.95%
Oppetids-SLA
14 dage
Penge-tilbage
Globalt netværk
13 regioner. Fire kontinenter.
Ét klik væk.
Placer din Deep Learning GPU-server så tæt på dine brugere som muligt. Median P50-latenstid under 10 ms i Nordamerika og Europa.
us-utah-1us-dal-1us-lax-1us-nyc-1us-mia-1eu-ams-1eu-lon-1eu-fra-1eu-brn-1me-dxb-1ap-sgp-1ap-syd-1
Priser
Betal kun for det, du bruger. Det var det.
Time, måned eller år. Ingen egress-gebyrer. Ingen binding. Lige nu 50% rabat alle planer.
Mest valgt
4 GB DDR5
Lette GPU-arbejdsbyrder · forberedelse til finjustering
$14.47 /md
$28.95/mo −50%
Udrul nu
14 dages pengene-tilbage-garanti
- 2 vCPU @ EPYC
- 120 GB NVMe
- 5 TB · 40 Gbps
- Dedikeret IPv4 + IPv6
- Root SSH · KVM
8 GB DDR5
Datatræningspipeliner · forbehandling
$26.475 /md
$52.95/mo −50%
Udrul nu
14 dages pengene-tilbage-garanti
- 4 vCPU @ EPYC
- 240 GB NVMe
- 7 TB · 40 Gbps
- Dedikeret IPv4 + IPv6
- Root SSH · KVM
16 GB DDR5
Koordinering af flere GPU'er · modelservering
$49.98 /md
$99.95/mo −50%
Udrul nu
14 dages pengene-tilbage-garanti
- 8 vCPU @ EPYC
- 350 GB NVMe
- 10 TB · 40 Gbps
- Dedikeret IPv4 + IPv6
- Root SSH · KVM
32 GB DDR5
Storskaleret træning · distribueret beregning
$109.975 /md
$219.95/mo −50%
Udrul nu
14 dages pengene-tilbage-garanti
- 12 vCPU @ EPYC
- 750 GB NVMe
- 12 TB · 40 Gbps
- Dedikeret IPv4 + IPv6
- Root SSH · KVM
FAQ - Deep Learning GPU-server
Typiske spørgsmål, klare svar.
Hvilke GPU'er er tilgængelige?
NVIDIA A100 (1x, 2x, 4x), RTX 5090 (1x, 2x) og RTX 4090 (1x, 2x, 4x). Alle bruger PCI passthrough, så GPU'en er dedikeret til din VM og ikke delt. Fuld VRAM, fuld clockhastighed, fuld CUDA-adgang. Se prissiden for aktuelle oplysninger om GPU-planer og tilgængelighed.
Er GPU'erne delte eller dedikerede?
Dedikerede. PCI passthrough giver din VM eksklusiv adgang til den fysiske GPU. CUDA, NVENC og NCCL opfører sig præcis som på bare metal. Ingen tidsfordeling, ingen MIG-partitionering, ingen virtualiseringsoverhead på selve GPU'en.
Hvilken CUDA-version er tilgængelig?
GPU-planer leveres med forudkonfigurerede CUDA-images, i øjeblikket CUDA 12.x på Ubuntu LTS. Du kan installere en hvilken som helst CUDA-version, du har brug for, da du har fuld root-adgang. PyTorch, TensorFlow, JAX og andre frameworks installeres via pip eller conda som sædvanlig.
Hvor meget VRAM skal jeg bruge til deep learning?
Det afhænger af din model. Finjustering af en 7B LLM med QLoRA kræver 24 GB. Fuld finjustering af en 7B-model kræver 40+ GB. Træning fra bunden på store modeller eller kørsel af fp16 70B-inferens kræver 80 GB (A100). Tilpas GPU-planen til din models hukommelsesforbrug.
Kan jeg træne på flere GPUer?
Ja. Planer med 2x eller 4x GPUer understøtter NCCL til distribueret træning. PyTorch DDP, DeepSpeed, FSDP - alt fungerer som forventet. NVMe-lager håndterer checkpointlagring uden at blokere træningsløkken.
Er der en pengene-tilbage-garanti på GPU-planer?
Ja, 14 dage, fuld refundering, ingen spørgsmål stillet. Kør dit faktiske træningsjob, benchmark din inferenspipeline. Lever GPU-serveren ikke op til dine krav, får du pengene tilbage.
Hvor hurtigt er udrulning?
60 sekunder fra betalingsbekræftelse. GPU-planer starter med et forudkonfigureret CUDA-image, og nvidia-smi svarer med det samme. Installer dit framework og begynd at træne på minutter, ikke timer.
Kan jeg bruge disse til inferens i produktion?
Ja. Dedikeret GPU, 99,95% oppetids-SLA, dedikeret IPv4. Kør vLLM, Triton eller din egen inferensserver bag en load balancer. 40 Gbps-netværk håndterer inferenstrafik med høj gennemstrømning.
Får jeg også CPU og lagerplads?
Ja. GPU-planer inkluderer AMD EPYC CPUer (12-64 vCPU afhængigt af plan), DDR5 RAM (48-768 GB) og NVMe-lager (500 GB til 6 TB). CPU håndterer dataforbehandling, mens GPU træner. NVMe holder dataindlæsningen hurtig.
Hvordan er priserne sammenlignet med cloud GPU-udbydere?
Cloudzy GPU-planer bruger dedikeret hardware uden time-sharing-overhead. Priserne er vist på prissiden - gennemsigtige månedlige og årlige satser uden skjulte compute-time-afgifter. 14-dages pengene-tilbage-garanti giver dig mulighed for at teste, før du forpligter dig.
Dedikerede GPUer, klar nu.
Klar på 60 sekunder.
Intet kreditkort krævet · 14 dages pengene-tilbage-garanti · Opsig når du vil