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

Jupyter Notebook VPS Hosting

Jupyter i skyen.
Kør notebooks direkte fra browseren.

JupyterLab på AMD EPYC og ren NVMe, i enhver region.
Uafhængig siden 2008. SSH, conda, pip, GPU-klar, dine egne kernels.

4.6 · 713 reviews on Trustpilot

From $7.48/mo · 50% rabat · Intet kreditkort kræves

~ ssh root@vps-fra-001 connected
root@vps-fra-001:~# conda install -c conda-forge jupyterlab
Solving environment ... done.
Installed 245 packages successfully.
root@vps-fra-001:~# jupyter lab --no-browser --port=8888 --ip=0.0.0.0
Jupyter Server 2.x is running at:
http://0.0.0.0:8888/lab?token=********
root@vps-fra-001:~# systemctl enable jupyterlab
Created symlink /etc/systemd/system/jupyterlab.service.
root@vps-fra-001:~# _

Jupyter VPS – et hurtigt overblik

Cloudzy hosts Jupyter Notebook VPS instances from 12 regions worldwide, starting at $7.48 / month. Hver VPS kører på AMD EPYC with DDR5 memory, NVMe storage, and a 40 Gbps uplink. Run JupyterLab eller klassisk Jupyter bag NGINX med gratis TLS. GPU-planer tilgængelige til ML-træning. Cloudzy har været uafhængig siden 2008, serves 122,000+ developers, and is rated 4.6/5 by 679+ reviewers on Trustpilot.

Starting price
$7.48 / month
Provisioning
60 seconds
Regions
12 worldwide
Uptime SLA
99.95%
Money-back
14 days
Founded
2008

Derfor vælger udviklere Cloudzy

En Jupyter-host, der ikke smide dig ud midt i en celle.

NVMe + DDR5

Ren NVMe-storage og DDR5-hukommelse på AMD EPYC. Workloads holder farten under belastning.

Root SSH-adgang

Fuld kontrol over din stack. Installer pakker, tilpas konfigurationer, kør cron jobs, deploy via git. Ingen begrænsninger.

12 regions

Deploy tæt på dine brugere - så tæt som fysikkens love tillader. Median P50-latency under 10 ms i NA/EU.

Support fra rigtige mennesker

Snak med ingeniører der kender din stack, ikke manuskriptlæsere. Median løsningstid under 1 time.

Stack du kommer til at køre

Alle Jupyter-afhængigheder.
conda + pip klar til brug.

Moderne Python via conda/miniconda, JupyterLab og klassisk Notebook – plus NGINX til TLS-terminering. Tilføj CUDA-images på GPU-planer.

Marketplace-images med ét klik på alle planer
JupyterLab
Latest stable
Notebook
Classic interface
Python 3.12
Via conda eller apt
conda
Miljø + pakkehåndtering
pip
Standard PyPI-installationsprogram
JupyterHub
Multi-bruger-tilstand
CUDA
GPU-acceleration (GPU-planer)
Nginx
TLS reverse proxy

Use cases

Ægte Jupyter-arbejdsbelastninger
der kræver en ordentlig VPS.

Dataanalyse på eksterne data

Når dit datasæt fylder 50 GB og din laptop kun har 16 GB RAM. Start en 32 GB VPS, kopier data over med scp, og arbejd i JupyterLab. Luk den ned, når du er færdig.

ML model training

GPU-planer med CUDA forudinstalleret giver dig A100 eller RTX 5090 til træning. JupyterLab + PyTorch direkte i browseren, uden Colabs begrænsninger.

Langvarige beregninger

Nogle eksperimenter kører i dagevis. Start dem på en Cloudzy VPS og lad dem køre – ingen laptop-dvale, ingen brudt kernel, ingen tidsbegrænsning på sessioner.

Teamsamarbejde via JupyterHub

JupyterHub på 12 GB-planen giver dit team mulighed for at dele kernels og data uden at sende notebooks rundt på mail. Hver bruger får isolerede arbejdsmapper.

Teaching / workshops

Start matchende Jupyter-miljøer til et workshop. Timebetaling betyder, at du kun betaler for de faktiske sessionstimer.

API + notebook-kombination

Udvikl en model i Jupyter, og eksponér den trænede version som et Flask/FastAPI-endpoint på den samme VPS. Én server, to endpoints.

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

Global network

12 regioner. Fire kontinenter.
Ét klik væk.

Placer din Jupyter VPS så tæt på dine brugere som muligt.

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.

Timevis, månedligt eller årligt. Aktuelt 50% off all plans.

1 GB DDR5

Let · Privat brug

$3.48 /mo
$6.95/mo −50%
Deploy now
14 dages pengene-tilbage-garanti
  • 1 vCPU @ EPYC
  • 25 GB NVMe
  • 1 TB · 40 Gbps
  • Dedicated IPv4 + IPv6
  • Root SSH · KVM
2 GB DDR5

Produktion · Lille team

$7.475 /mo
$14.95/mo −50%
Deploy now
14 dages pengene-tilbage-garanti
  • 1 vCPU @ EPYC
  • 60 GB NVMe
  • 3 TB · 40 Gbps
  • Dedicated IPv4 + IPv6
  • Root SSH · KVM
8 GB DDR5

Heavy workloads

$26.475 /mo
$52.95/mo −50%
Deploy now
14 dages pengene-tilbage-garanti
  • 4 vCPU @ EPYC
  • 240 GB NVMe
  • 7 TB · 40 Gbps
  • Dedicated IPv4 + IPv6
  • Root SSH · KVM

FAQ. Jupyter VPS

Common questions, straight answers.

Hvad er en Jupyter Notebook VPS?

En Jupyter Notebook VPS er en virtuel privat server, hvor du kører JupyterLab eller klassisk Jupyter Notebook bag en TLS-sikret URL. Du tilgår den fra en hvilken som helst browser, du har fuld root SSH til kernelstyring, og du lukker den ned, når projektet er færdigt.

Hvordan installerer jeg Jupyter?

Installér miniconda, og kør så `conda install -c conda-forge jupyterlab`. Konfigurér en Nginx reverse proxy med Certbot TLS, sæt en notebook-adgangskode, og peg dit DNS på VPS'en. Det tager cirka 20 minutter fra start til slut.

Kan jeg køre JupyterHub til et team?

Ja. JupyterHub installeres problemfrit på 8-12 GB-planerne. Hver bruger får sin egen Jupyter-server. Kombinér med PAM eller OAuth til autentificering. De fleste teams bruger standard-installeren tljh (The Littlest JupyterHub).

Hvad med GPU-acceleration til ML?

Vælg en Premium GPU-plan i stedet for en almindelig CPU-plan. Cloudzy GPU-planer inkluderer Nvidia A100, RTX 5090 og RTX 4090 med CUDA præinstalleret. Kør PyTorch, TensorFlow eller JAX direkte i dine notebooks.

Er der en måde at tilgå notebooks uden TLS?

Ja – SSH-tunnel: `ssh -L 8888:localhost:8888 root@your-vps`, og åbn derefter localhost:8888 i din browser. Spring Nginx + TLS-opsætningen helt over, hvis du kun har brug for adgang alene.

Overlever mine notebooks en genstart?

Ja. Notebooks ligger på disken – en genstart sletter dem ikke. Kør JupyterLab som en systemd-tjeneste, så den starter automatisk. Tag et snapshot af VPS'en for ekstra sikkerhed.

Hvor meget RAM bør jeg vælge?

Det afhænger af datasættets størrelse. 2 GB til tutorials, 4-8 GB til typisk pandas + scikit-learn-arbejde, 16-32 GB til store dataframes eller deep learning på CPU. GPU-planer til egentlig træning.

Er der en pengene-tilbage-garanti?

Ja - 14 dage, fuld refusion, ingen spørgsmål. Annullér fra panelet når som helst i de første to uger.

Klar, når du er det.
Jupyter VPS på 60 sekunder.

Vælg en region, klik deploy. Du er i gang inden frokost.

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