GPU Cloud · NVIDIA · Turing
按小時租用 NVIDIA RTX 2070 GPU
NVIDIA RTX 2070 是一款採用 Turing 架構的消費級 GPU，具備 7.5 運算能力與 8 GB VRAM。在 Cloudj 上，執行個體在 150 W 的功耗範圍內可提供約 7.7 TFLOPS 的單精度運算能力及約 370 GB/s 的記憶體頻寬。您可以透過按小時計費、完整的 SSH 存取權限，以及支援 PyTorch/CUDA、vLLM、Ollama 和 ComfyUI 的現成範本來部署此顯示卡。
規格
每顆 GPU 的 VRAM
8 GB
架構
NVIDIA Turing
運算能力 (Compute Capability)
7.5
FP32 算力
≈ 7.7 TFLOPS
記憶體頻寬
≈ 370 GB/s
功耗限制
150 W
數值由基礎設施供應商針對目前上架的機器提供；實際效能會因機器而異。
可用配置
即時庫存與價格持續更新，最終價格將於下單前確認。
立即租用RTX 2070 適合的應用場景
輕量級語言模型推論
使用預先設定的 Ollama 或 vLLM 範本，在 8 GB VRAM 容量內執行量化或小型語言模型。
基礎影像生成
在 8 GB 記憶體緩衝區的限制內，於 ComfyUI 中生成標準解析度影像並測試擴散工作流程。
PyTorch 程式碼原型設計
在擴展至更大型的硬體之前，先於 PyTorch/CUDA 環境中開發、除錯並測試神經網路訓練指令碼。
入門級 CUDA 開發
透過直接 SSH 連線，針對 Turing 架構與 7.5 運算能力編譯並測試自訂核心。
這款 GPU 適合您嗎？
若您的工作屬於輕量級開發、程式碼除錯，以及可輕鬆容納於 8 GB VRAM 內的小規模推論任務，請選擇 RTX 2070。如果您的模型需要更多記憶體或高於約 7.7 TFLOPS 的吞吐量，請選擇更大型的 GPU；若僅需極小化的顯示或基礎運算測試，則可選擇較小型的 GPU。
常見問題
憑藉 8 GB VRAM 與約 370 GB/s 的記憶體頻寬，RTX 2070 可透過 Ollama 或 vLLM 處理小型量化語言模型的推論。對於較大型的模型或完整的微調工作負載，建議選擇具備更多 VRAM 與更新架構的 GPU。
可以，Cloudj 提供可在 RTX 2070 上執行的 ComfyUI 範本。其 8 GB VRAM 足以應付標準生成流程，但若為包含多個 ControlNet 或放大步驟的複雜工作流程，使用具備更大記憶體容量的顯示卡效果會更好。
作為一款具備 7.5 運算能力與 150 W 功耗的 Turing 世代消費級顯示卡，其原始運算能力與記憶體容量低於較新的架構。升級至更高階的型號可提供更多 VRAM 與更高的 TFLOPS 以應付繁重的訓練，而降級則會進一步縮減記憶體空間。
執行個體在啟用期間採按小時計費。您可以透過 SSH 直接連線，或立即啟動預先設定好的環境，包括 PyTorch/CUDA、vLLM、Ollama 和 ComfyUI。