Serveurs GPU disponibles
Prix par heure pour toute la machine, facturé à la minute. Le lancement prend généralement 2 à 5 minutes.
Comment choisir un serveur GPU
Le GPU
Le catalogue affiche les serveurs libres en ce moment. Le prix s’entend par heure pour toute la machine, facturé à la minute, en euros. Commencez par la carte graphique : pour faire tourner des LLM et générer des images, une RTX 3090 ou RTX 4090 avec 24 Go suffit généralement ; l’entraînement de grands modèles demande une A100 ou une H100 avec 80 Go.
Le reste du matériel
Regardez ensuite le reste de la machine. La RAM doit être au moins égale à la VRAM, sinon le modèle se charge lentement. Un disque rapide et une connexion de 100 Mbit/s ou plus font gagner du temps au téléchargement des poids et des jeux de données. La fiabilité montre la régularité de la machine jusqu’ici : pour les longs entraînements, choisissez des serveurs bien notés.
Après le lancement
Une fois le serveur démarré, les accès SSH et Jupyter apparaissent dans votre tableau de bord. Le disque du serveur est effacé à l’arrêt. Si vous avez besoin de vos modèles et résultats, cliquez sur « Enregistrer et arrêter » : nous conservons le dossier /workspace pour 0,03 € par Go et par mois, et votre prochain serveur le récupère automatiquement. L’enregistrement ne fonctionne pas encore avec les images Docker personnalisées. Vous ne savez pas quelle carte il faut à votre modèle ? Consultez les applications IA et guides des modèles.
Comment ça marche
Cliquez sur Louer, connectez-vous ou inscrivez-vous, puis rechargez de quoi couvrir une heure d’utilisation de la machine. Le serveur démarre et les accès SSH et Jupyter apparaissent dans votre tableau de bord. À l’arrêt, vous pouvez enregistrer vos modèles et résultats pour les retrouver sur votre prochain serveur.