ANWENDUNGSFALL
Jupyter-Notebooks auf einer Cloud-GPU
Nutzen Sie JupyterLab mit PyTorch und CUDA auf einer gemieteten GPU für Data Science und Modellexperimente.
Sekundengenaue Abrechnung über Ihr USD-Guthaben. Stoppen oder beenden Sie die Maschine, wenn Sie fertig sind.
Empfohlene GPU
RTX 4090 · RTX 5090 · A100 SXM4
Eine RTX 4090 reicht für die meisten Notebooks. Wählen Sie eine A100, wenn Ihre Modelle oder Datensätze mehr als 24 GB brauchen.
Passende Vorlage
PyTorch
NVIDIA-CUDA- und PyTorch-Entwicklungsumgebung, bereit mit SSH und Jupyter.
In vier Schritten startklar
- 1
Maschine mieten
Öffnen Sie den Katalog mit vorausgewählter RTX 4090 und PyTorch-Vorlage und klicken Sie auf Mieten.
RTX 4090-Maschinen ansehen - 2
Jupyter öffnen
Sobald die Maschine läuft, klicken Sie auf ihrer Seite auf „Jupyter öffnen“. JupyterLab öffnet sich im Browser; kein SSH-Schlüssel nötig.
- 3
Benötigtes installieren
PyTorch und CUDA sind bereit. Weitere Pakete installieren Sie in einer Notebook-Zelle.
%pip install transformers datasets accelerate - 4
Arbeit sichern
Laden Sie Ihre Notebooks herunter oder pushen Sie sie zu Git, bevor Sie die Maschine beenden.
Fragen
Ist PyTorch bereits installiert?
Ja. Die PyTorch-Vorlage enthält CUDA und PyTorch; weitere Pakete installieren Sie mit pip.
Kann ich meine Notebooks behalten?
Beim Stoppen bleibt die Festplatte erhalten. Beenden löscht sie, laden Sie Ihre Notebooks also vorher herunter oder pushen Sie sie zu Git.