1. Tentukan hasil sebelum memilih kartu
Pilih sampel yang mencakup seluruh aplikasi Anda. Untuk inferensi, mulai dari beberapa masukan representatif dan format keluaran yang diharapkan. Untuk adaptasi model, siapkan eksekusi singkat yang membaca data, melakukan pembaruan, dan menulis checkpoint. Tujuannya adalah memverifikasi jalur lengkap sebelum mempercayakannya dengan volume akhir.
Ambil contoh edukatif: Anda ingin mengklasifikasikan dokumen. Siapkan dua belas dokumen beridentitas, dengan beberapa panjang berbeda dan satu kasus yang harus ditolak secara bersih oleh program. Tetapkan kategori yang diizinkan dan tujuan hasilnya. Kedua belas identitas harus muncul tepat satu kali dalam ringkasan, dengan hasil yang diterima atau galat yang eksplisit. Skenario ini perlu disesuaikan dengan aplikasi Anda; skenario ini tidak mengasumsikan model atau laju tertentu.
Geser tabel untuk membaca semua kolom.| Poin yang perlu diperiksa | Kriteria yang disiapkan sebelum peluncuran |
|---|---|
| Masukan | 12 identitas unik; berkas dapat dibaca; satu kasus tidak valid telah disiapkan. |
| Hasil | Satu kategori yang diizinkan untuk setiap dokumen yang diterima; tidak ada identitas yang dikarang. |
| Kegagalan | Satu alasan yang dilampirkan pada setiap dokumen yang ditolak; tidak ada yang hilang secara diam-diam. |
| Akhir uji coba | Diterima + ditolak = 12; laporan dan hasil ditinjau ulang dari salinan. |
2. Pilih backend, memori, dan paket
Mulailah dari pustaka proyek. Dependensi CUDA mengarahkan Anda ke rantai NVIDIA; paket MI300X menuntut pemeriksaan dukungan ROCm, terutama untuk ekstensinya. Pemilih resmi PyTorch membedakan sistem dan platform komputasi: menyalin perintah dari mesin lain bukanlah verifikasi kompatibilitas.
Selanjutnya bandingkan memori yang dibutuhkan untuk tugas representatif: bobot, masukan, komputasi antara, dan status khusus metode Anda. Ukuran berkas model saja tidak cukup. Jika Anda belum mengetahui puncaknya, jadikan hal ini sebagai tujuan percontohan, tanpa menyatakan bahwa sebuah model akan muat hanya berdasarkan jumlah parameternya.
Pilih 3, 7, atau 30 hari dan 1 hingga 10 lot. Satu lot berisi satu kartu, kecuali B200 yang berisi dua kartu. Beberapa kartu tidak secara otomatis mendistribusikan program dan tidak menyatukan memorinya. Perhitungkan dalam durasi: instalasi, pemeriksaan, komputasi, dan ekspor; kedua belas dokumen percontohan berfungsi untuk memverifikasi prosedur, bukan untuk memprediksi durasi seluruh kampanye secara mekanis.
3. Siapkan folder yang bertahan terhadap pergantian mesin
Kumpulkan revisi kode, dependensi, referensi data dan model, parameter, serta perintah masukannya. Jelaskan cara menyediakan akses yang diperlukan secara terpisah. Jalur ke direktori home Anda bukanlah prosedur transfer: ganti asumsi implisit dengan parameter dan verifikasi jalur dari folder proyek.
Persiapan Ubuntu, PyTorch, Blender, atau kustom yang dipilih dalam konfigurasi menyatakan kebutuhan Anda. Hal itu tidak membuktikan bahwa proyek, ekstensi, atau lisensi Anda sudah terpasang. Jelaskan apa yang harus tersedia, lalu periksa lingkungan yang benar-benar Anda terima sebelum memulai pemrosesan.
Untuk batch dokumen kami, pertahankan masukan percontohan yang tidak berubah, berkas parameter, dan direktori hasil terpisah untuk setiap uji coba. Tuliskan juga cara meninjau ulang ringkasan. Folder ini tidak perlu besar; yang penting folder ini mencegah keberhasilan bergantung pada sel yang terlupakan, terminal lama, atau berkas yang tidak tersalin.
proyek/
README.md # instalasi, peluncuran, pemeriksaan
requirements-rebuild.txt # dependensi dan asal-usul yang terdokumentasi
config/pilote.json # parameter tanpa rahasia
data/pilote/ # 12 masukan yang diizinkan
src/ # aplikasi Anda
runs/ # satu subfolder per uji coba4. Meninjau ulang perintah lalu mengikuti langkah-langkah layanan
Ringkasan harus sesuai dengan pilihan Anda: model, durasi, lot, jumlah total kartu, persiapan, dan jumlah USD. Total adalah harga lot untuk durasi tersebut, dikalikan dengan jumlah lot. Harga lot B200 sudah mencakup kedua kartunya: jangan mengalikannya sekali lagi dengan jumlah GPU.
Untuk pesanan pertama, buat akun Anda dengan nama depan, nama belakang, email, dan kata sandi. Jika Anda sudah memiliki akun, masuklah; jika Anda sudah masuk, data Anda akan terisi otomatis. Akun memungkinkan Anda menemukan pesanan dan saldo dari browser lain. Prosesnya tidak memerlukan prosedur KYC maupun dokumen identitas.
Untuk membayar dengan kripto, gunakan aset, jaringan, alamat, jumlah, dan tenggat waktu yang ditampilkan untuk pembayaran terkait. Setelah transfer, « J’ai payé » mencatat laporan Anda. Ini tidak mengonfirmasi penerimaan dana maupun ketersediaan. Saldo USD yang cukup juga dapat melunasi seluruh sewa. Selanjutnya, ikuti informasi persiapan dan akses yang benar-benar diberikan.
5. Memeriksa peluncuran sebelum volume akhir
Ketika sumber daya tersedia, identifikasi interpreter yang benar-benar digunakan dan lingkungan yang dimuat. Jalankan diagnostik minimal sebelum aplikasi Anda. Impor PyTorch yang berhasil tidak membuktikan komputasi GPU; komputasi sederhana yang berhasil tidak memvalidasi semua ekstensi model. Folder diagnostik menjelaskan perkembangan ini dan menyediakan sumber daya yang dapat diunduh.
Selanjutnya jalankan pilot Anda di direktori keluaran yang baru. Untuk dokumen, periksa pengenal, kategori, jumlah keberhasilan, dan penolakan yang diharapkan. Periksa beberapa hasil beserta masukannya: keluaran yang valid secara sintaksis bisa tetap salah untuk penggunaan. Beralihlah ke korpus lengkap hanya setelah menuliskan apa yang telah diterima dan apa yang masih perlu diperbaiki.
Jika peluncuran gagal, catat kesalahan pertama dan tahap yang tercapai. Periksa interpreter sebelum memasang ulang; periksa jalur sebelum menyalin; periksa ukuran masukan sebelum menambah batch. Ubah satu faktor pada satu waktu. Jika prosesnya berlangsung lama, atur pemantaunya secara terpisah dari koneksi interaktif yang digunakan untuk memulainya.
6. Memperoleh bukti yang dapat digunakan dan memutuskan langkah selanjutnya
Salin hasil beserta ringkasannya ke lokasi yang Anda kendalikan, lalu tinjau ulang salinan tersebut. Pastikan salinan itu memuat parameter dan referensi yang diperlukan untuk memahami hasilnya. Jangan anggap file yang ada di lingkungan komputasi sebagai satu-satunya cadangan Anda. Lakukan pemeriksaan ini selama pilot, tanpa menunggu tenggat waktu sewa.
Untuk pelatihan, tambahkan uji pemulihan di proses baru. Proyek mini Kernodeck menunjukkan sebuah metode pada CPU; aplikasi Anda masih harus mengualifikasi status, presisi, dan datanya sendiri. Untuk dokumen independen, pemulihan berarti mengidentifikasi elemen yang sudah selesai dan yang perlu diproses ulang.
Keputusan akhir Anda bisa berupa meluncurkan volume yang direncanakan, memperbaiki lingkungan, atau meninjau ulang konfigurasi. Simpan keputusan ini beserta alasannya. Pilot yang mengungkap ketidakcocokan tetap berguna: pilot itu mengubah masalah yang kabur menjadi kondisi pasti yang harus diselesaikan sebelum mengerahkan lebih banyak komputasi.