비공개 고속 패브릭
H200 노드는 3.2Tb/s 토폴로지를 사용합니다. A100 노드는 분산 집합 통신을 위해 1.6Tb/s 토폴로지를 사용합니다.
GPURento를 선택하는 이유
인프라 작업은 줄이고 모델 진행은 늘리세요.
반복 가능한 환경
동일한 테스트된 포드 템플릿에서 모든 노드를 시작하고 리전 호환 네트워크 볼륨을 마운트하세요.
두 오케스트레이터
클러스터 생성 시 PyTorch Distributed 또는 관리형 Slurm을 선택하세요.
코드에서 용량까지
프로덕션으로 가는 하나의 깔끔한 경로.
1
토폴로지 선택
가속기, 노드 수, 지역, 패브릭 및 용량 모델을 선택하십시오.
2
환경 연결
PyTorch 또는 Slurm, Pod 템플릿 및 선택적 공유 스토리지를 선택하세요.
3
영업 양식 없이 생성
선불 리소스에는 0보다 큰 지갑 잔액이 필요합니다. $50 최소 금액은 충전에 적용되며 남은 잔액에는 적용되지 않습니다.
deploy.py
await fetch("/api/clusters", {
method: "POST",
headers: { "content-type": "application/json" },
body: JSON.stringify({
name: "training-fabric",
gpuId: "h200-sxm",
region: "eu-west-par",
nodeCount: 2,
scheduler: "slurm",
image: "pytorch/pytorch:2.6.0-cuda12.6-cudnn9-runtime",
templateId: null,
storageVolumeId: null
})
})✓ 구성이 작업공간에 저장되었습니다 · 프로비저닝 상태 표시
포함됨
얇은 래퍼가 아닌 진지한 플랫폼.
모든 워크로드는 동일한 API, ID, 청구 및 관찰 가능성 계층을 얻습니다.
동종 GPU 노드 2~8개
노드당 8개 GPU
H200 또는 A100 클러스터 가격
비공개 고속 네트워크
관리형 Slurm 스케줄러
PyTorch Distributed 모드
지역 범위 네트워크 볼륨
재사용 가능한 Pod 템플릿
단일 인스턴스 대신 클러스터를 사용해야 하는 경우는 언제입니까?+
모델, 데이터 세트 또는 결과 시간 목표가 여러 노드와 빠른 인터커넥트를 요구할 때 클러스터를 사용하십시오. 더 작은 미세 조정 작업은 종종 단일 멀티 GPU 노드에서 더 간단합니다.
영업에 문의하지 않고 Slurm을 사용할 수 있나요?+
대시보드에서 리소스를 직접 구성하세요. 선불 이용은 지갑 잔액을 사용하며, 월간 대여는 별도 결제 절차를 이용합니다.
클러스터를 직접 확장할 수 있나요?+
예. 대시보드는 GPU 유형, 리전 및 패브릭을 유지하면서 2~8개 노드 사이의 확장을 지원합니다.
클러스터가 영구 스토리지를 사용할 수 있나요?+
예. 먼저 네트워크 볼륨을 만든 다음 클러스터 생성 중에 연결하십시오. 볼륨과 클러스터는 동일한 리전에 있어야 합니다.
준비가 되면