CAS D'USAGE
Notebooks Jupyter sur un GPU dans le cloud
Utilisez JupyterLab avec PyTorch et CUDA sur un GPU loué, pour la data science et les expériences sur les modèles.
Facturé à la seconde sur votre solde en USD. Arrêtez ou terminez la machine quand vous avez terminé.
GPU recommandé
RTX 4090 · RTX 5090 · A100 SXM4
Une RTX 4090 suffit pour la plupart des notebooks. Choisissez une A100 si vos modèles ou datasets ont besoin de plus de 24 Go.
Template à choisir
PyTorch
Environnement de développement NVIDIA CUDA + PyTorch, prêt avec SSH et Jupyter.
Opérationnel en quatre étapes
- 1
Louez la machine
Ouvrez le catalogue avec la RTX 4090 et le template PyTorch déjà sélectionnés, puis cliquez sur Louer.
Voir les machines RTX 4090 - 2
Ouvrir Jupyter
Quand la machine est en marche, cliquez sur Ouvrir Jupyter sur sa page. JupyterLab s'ouvre dans votre navigateur ; aucune clé SSH n'est nécessaire.
- 3
Installez le nécessaire
PyTorch et CUDA sont prêts. Ajoutez d'autres paquets depuis une cellule du notebook.
%pip install transformers datasets accelerate - 4
Gardez votre travail
Téléchargez vos notebooks ou poussez-les sur Git avant de terminer la machine.
Questions
PyTorch est-il déjà installé ?
Oui. Le template PyTorch inclut CUDA et PyTorch ; ajoutez d'autres paquets avec pip.
Puis-je conserver mes notebooks ?
L'arrêt conserve le disque. La suppression l'efface, alors téléchargez vos notebooks ou poussez-les sur Git avant.