Model træning
Træn CNN'er, transformere og diffusionsmodeller på dedikerede NVIDIA GPU'er. Fuld CUDA-adgang, NVMe til hurtig dataindlæsning, NCCL til multi-GPU-træning.
Deep Learning GPU-server
Træn modeller på
dedikerede GPU'er.
NVIDIA A100, RTX 5090 og RTX 4090, fuld PCI-passthrough, ikke delt.
NVMe-lagring til hurtig dataindlæsning. Uafhængig cloud siden 2008.
122.000+ brugere har tillid til Cloudzy. 14-dages pengene tilbage, ingen stillede spørgsmål.
Fra $14.47/mo · 50 % rabat · Intet kreditkort krævet
~ ssh root@vps-001
tilsluttet
$ ssh root@gpu-srv-001
Velkommen til Ubuntu 24.04 LTS (CUDA 12.4)
root@gpu-srv-001:~$ nvidia-smi --query-gpu=navn,hukommelse.total --format=csv
navn, hukommelse.total [MiB]
NVIDIA A100-SXM4-80GB, 81920 MiB
root@gpu-srv-001:~$ python3 -c "importer fakkel; print(torch.cuda.is_available())"
ægte
root@gpu-srv-001:~$ torchrun --nproc_per_node=1 train.py --epoker 50
Epoke 1/50 | Tab: 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 opbevaring, DDR5 hukommelse, og 40 Gbps uplinks på tværs af 12 regioner. CPU-planer starter kl $2.48/mo; GPU-planer tilgængelige på prissiden. Cloudzy har tjent 122,000+ brugere siden 2008, vurderet 4.6/5 på Trustpilot. 14 dage pengene tilbage på alle planer.
- Startpris
- 2,48 $ / måned
- Forsyning
- 60 sekunder
- Regioner
- 12 globalt
- Oppetids-SLA
- 99.95%
- Pengene 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 12 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
Cloudzys 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 stoppe træningen.
Inferens servering
Server modeller via vLLM, TGI eller Triton på dedikerede GPU'er. PCI passthrough betyder fuld VRAM og fuld clockhastighed, samme ydeevne som bare metal.
Computer vision
Objektdetektion, segmentering, billedgenerering. GPU-accelereret OpenCV, YOLO, stabil diffusion. NVMe holder træningsdatapipelines fodret uden flaskehalse.
Forskning og prototyping
Jupyter-notesbøger, eksperimentsporing, hyperparameter-sweep. Drej GPU-servere op, kør eksperimenter, riv ned. 14-dages pengene-tilbage betyder lav risiko på nye projekter.
Dataforbehandling
RAPIDS, cuDF, cuML. GPU-accelereret databehandling til store datasæt. Rens, transformer og fremhæver data før træning. NVMe-læsninger holder GPU-udnyttelsen høj.
60s
Forsyning
40 Gbps
Uplink
Kun NVMe
Opbevaring
12
Regioner
99.95%
Oppetids-SLA
14 dage
Pengene tilbage
Globalt netværk
12 regioner. Fire kontinenter.
Ét klik væk.
Drop din Deep Learning GPU-server så tæt på dine brugere, som fysikken tillader. 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
Prissætning
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
Entry GPU-arbejdsbelastninger · finjustering af forberedelse
$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
Træningsdatapipelines · 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
Multi-GPU-koordinering · 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
Uddannelse i stor skala · 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, GPU er dedikeret til din VM, ikke delt. Fuld VRAM, fuld clockhastighed, fuld CUDA-adgang. Se prissiden for aktuelle GPU-plandetaljer og tilgængelighed.
Er GPU'erne delt eller dedikeret?
Dedikeret. PCI passthrough giver din VM eksklusiv adgang til den fysiske GPU. CUDA, NVENC, NCCL opfører sig alle nøjagtigt som bare metal. Ingen tidsdeling, ingen MIG-partitionering, ingen virtualiseringsoverhead på selve GPU'en.
Hvilken CUDA-version er tilgængelig?
GPU-planer leveres med prækonfigurerede CUDA-billeder, i øjeblikket CUDA 12.x på Ubuntu LTS. Du kan installere enhver CUDA-version, du har brug for, da du har fuld root-adgang. PyTorch, TensorFlow, JAX og andre frameworks installeres via pip eller conda som normalt.
Hvor meget VRAM har jeg brug for til dyb læring?
Afhænger af din model. Finjustering af en 7B LLM med QLoRA passer til 24 GB. Fuld finjustering af en 7B-model kræver 40+ GB. Træning fra bunden på store modeller eller at køre fp16 70B inferens kræver 80 GB (A100). Match GPU-planen til din models hukommelsesfodaftryk.
Kan jeg træne multi-GPU?
Ja. Planer med 2x eller 4x GPU'er understøtter NCCL til distribueret træning. PyTorch DDP, DeepSpeed, FSDP, alle fungerer som forventet. NVMe-lager håndterer lagring af kontrolpunkter uden at stoppe træningsløkken.
Er der en pengene-tilbage-garanti på GPU-planer?
Ja, 14 dage, fuld refusion, ingen stillede spørgsmål. Kør dit egentlige træningsjob, benchmark din inferenspipeline. Hvis GPU-serveren ikke opfylder dine behov, får du dine penge tilbage.
Hvor hurtigt er udrulning?
60 sekunder fra betalingsbekræftelse. GPU planlægger opstart med et forudkonfigureret CUDA-image, nvidia-smi vender tilbage med det samme. Installer dit framework og start træningen på få minutter, ikke timer.
Kan jeg bruge disse til slutninger i produktionen?
Ja. Dedikeret GPU, 99,95 % oppetid SLA, dedikeret IPv4. Kør vLLM, Triton eller din egen inferensserver bag en load balancer. 40 Gbps netværk håndterer high-throughput inferenstrafik.
Får jeg også CPU og lager?
Ja. GPU-planer inkluderer AMD EPYC CPU'er (12-64 vCPU afhængigt af plan), DDR5 RAM (48-768 GB) og NVMe-lagerplads (500 GB til 6 TB). CPU'en håndterer dataforbehandling, mens GPU'en træner. NVMe holder dataindlæsningen hurtig.
Hvordan er priser sammenlignet med cloud GPU-udbydere?
Cloudzy GPU-planer bruger dedikeret hardware uden tidsdelingsomkostninger. Priser er angivet på prissiden, gennemsigtige månedlige og årlige priser uden skjulte beregningstimer. 14-dages pengene-tilbage giver dig mulighed for at teste, før du forpligter dig.
Dedikerede GPU'er, klar nu.
Klar på 60 sekunder.
Intet kreditkort krævet · 14 dages pengene-tilbage-garanti · Opsig når du vil