پرش به محتوای اصلی
Cloudj
سرور ابری گرافیکی · NVIDIA · Hopper

اجاره کارت گرافیک ابری NVIDIA H100 PCIE با 80 GB VRAM

اجاره ساعتی پردازنده‌های گرافیکی H100 PCIE در Cloudj: مجهز به 80 GB حافظه VRAM روی معماری NVIDIA Hopper، حدود 41 TFLOPS توان پردازشی FP32 و پهنای باند حافظه 1760 GB/s برای آموزش و استنتاج مدل‌های زبانی بزرگ (LLM). این سرور ابری بهترین نقطه ورود به معماری Hopper برای تیم‌های هوش مصنوعی است که خواهان 80 GB حافظه روی یک کارت مجزا با محدودیت مصرف برق 350 W هستند. تمپلیت PyTorch، vLLM یا Unsloth مورد نظر خود را انتخاب کنید، کانفیگ آنلاین H100 PCIE را تایید کرده و از طریق SSH متصل شوید.

مشخصات فنی H100 PCIE

حافظه VRAM هر کارت

80 GB

معماری پردازنده

NVIDIA Hopper

قابلیت محاسباتی (Compute Capability)

9

توان پردازش FP32

≈ 41 TFLOPS

پهنای باند حافظه

≈ 1760 GB/s

حداکثر مصرف برق (TDP)

350 W

مقادیر اعلام‌شده توسط ارائه‌دهنده زیرساخت برای سرورهای فعال؛ عملکرد واقعی ممکن است بر اساس شرایط هر سرور متفاوت باشد.

کانفیگ‌ها و قیمت لحظه‌ای H100 PCIE

موجودی و قیمت‌ها به‌صورت لحظه‌ای به‌روز می‌شوند. قیمت نهایی پیش از پرداخت و ثبت نهایی تأیید خواهد شد.

اجاره فوری

چه پردازش‌هایی را می‌توانید روی GPU ابری H100 PCIE اجرا کنید

فاین‌تیون مدل‌های 13B تا 34B

حافظه 80 GB برای اجرای LoRA روی مدل‌های کلاس 30B با فرمت BF16 و اجرای QLoRA روی مدل‌های رده 70B با Unsloth کاملاً کافی است.

سرو مدل‌های کوانتیزه‌شده 70B

میزبانی مدل 4-bit 70B با vLLM یا SGLang روی یک پردازنده گرافیکی تکی، تا در مراحل ساخت نمونه اولیه نیازی به شاردینگ چند کارت گرافیک نداشته باشید.

آموزش با دقت ترکیبی (Mixed-precision)

مدل‌های ترنسفورمر و دیفیوژن را از ابتدا آموزش دهید یا پیش‌آموزش را روی معماری Hopper با قابلیت محاسباتی 9.0 ادامه دهید.

تحقیق و توسعه مدل‌های تصویر و ویدیو

اجرای مدل‌های بزرگ دیفیوژن و تولید ویدیو در ComfyUI که به حافظه‌ای بیشتر از هر کارت گرافیک مصرفی دیگری نیاز دارند.

آیا H100 PCIE برای حجم کاری شما مناسب است؟

اگر بار کاری شما نیازمند 80 GB حافظه VRAM، پهنای باند حافظه در کلاس دیتاسنتر و قابلیت‌های نسخه 9.0 معماری Hopper است، H100 PCIE را انتخاب کنید. برای استنتاج سبک‌تر یا مدل‌های کوچک‌تر، سرور گرافیکی ورک‌استیشن یا پردازنده‌های مصرفی با VRAM کمتر اقتصادی‌تر هستند، در حالی که تقاضا برای توان عملیاتی بسیار بالا شاید نیازمند نسخه دیتاسنتری مبتنی بر SXM باشد.

مقایسه H100 PCIE با سایر GPUهای ابری مشابه

مدل GPUحافظه VRAM هر کارتتوان پردازش FP32حداکثر مصرف برق (TDP)
NVIDIA H100 PCIE80 GB≈ 41 TFLOPS350 W
NVIDIA H100 SXM80 GB≈ 53.5 TFLOPS700 Wمشاهده جزئیات →
NVIDIA A800 PCIE80 GB≈ 15.6 TFLOPS300 Wمشاهده جزئیات →
NVIDIA H100 NVL94 GB≈ 48.3 TFLOPS400 Wمشاهده جزئیات →
NVIDIA CMP 170HX64 GB≈ 12.1 TFLOPS250 Wمشاهده جزئیات →

سوالات متداول درباره GPU ابری H100 PCIE

اجاره ساعتی GPU ابری H100 PCIE

یک تمپلیت انتخاب کنید، کانفیگ آنلاین را برگزینید و از طریق SSH یا ترمینال مرورگر متصل شوید. با حذف GPU، محاسبه هزینه متوقف می‌شود.