使用场景

在云 GPU 上使用 Jupyter 笔记本

在租用的 GPU 上运行带有 PyTorch 和 CUDA 的 JupyterLab，用于数据科学和模型实验。

查看 RTX 4090 机器正在查询实时价格…

从您的 USD 余额中按秒计费。用完后请停止或终止机器。

推荐 GPU

RTX 4090 · RTX 5090 · A100 SXM4

RTX 4090 可满足大多数笔记本的需求。当模型或数据集需要超过 24 GB 时，请选择 A100。

选用模板

PyTorch

NVIDIA CUDA + PyTorch 开发环境，已配好 SSH 和 Jupyter。

四步即可上手

1
租用机器
打开已预选 RTX 4090 和 PyTorch 模板的目录，然后点击“租用”。
查看 RTX 4090 机器
2
打开 Jupyter
机器运行后，在其页面点击“打开 Jupyter”。JupyterLab 会在浏览器中打开，无需 SSH 密钥。
3
安装所需内容
PyTorch 和 CUDA 已就绪。可在笔记本单元格中安装其他包。
```
$ %pip install transformers datasets accelerate
```
4
保存你的工作
在终止机器前，下载笔记本或推送到 Git。

常见问题

PyTorch 已经安装好了吗？

是的。PyTorch 模板自带 CUDA 和 PyTorch，其他包可用 pip 安装。

可以保留我的笔记本吗？

停止会保留磁盘。终止会删除磁盘，请先下载笔记本或推送到 Git。