Аренда сервера GPU

Выделенные серверы GPU с графическим процессором

Тариф Процессор Видеокарта Память Диск Трафик Месяц ₽
GPU-1
2× Intel Xeon E5-2637v2
8 ядер
3.5 ГГц
1× GTX 1080
8 ГБ GDDR5X
32 Гб
DDR3 ECC 1066 МГц
2× 120 Гб
SSD
1 Гбит/с - 30 Тб
100 Мбит/с - без лимита
14999
GPU-2
2× Intel Xeon E5-2637v2
8 ядер
3.5 ГГц
1× Tesla K40
12 ГБ GDDR5
32 Гб
DDR3 ECC 1066 МГц
2× 120 Гб
SSD
1 Гбит/с - 30 Тб
100 Мбит/с - без лимита
16999
GPU-5
2× Intel Xeon E5-2637v2
8 ядер
3.5 ГГц
8× GTX 1080
64 ГБ GDDR5X
32 Гб
DDR3 ECC 1066 МГц
2× 120 Гб
SSD
1 Гбит/с - 30 Тб
100 Мбит/с - без лимита
79999
GPU-4
2× Intel Xeon E5-2637v2
8 ядер
3.5 ГГц
8× Tesla K40
96 ГБ GDDR5
32 Гб
DDR3 ECC 1066 МГц
2× 120 Гб
SSD
1 Гбит/с - 30 Тб
100 Мбит/с - без лимита
99999

Аренда сервера GPU

GPU cервер (сервер с графическим процессором) имеет массово-параллельную архитектуру по сравнению с обычным процессором. Эта конструкция, изначально предназначенная для обработки вычислений только для компьютерной графики (OpenGL / Direct3D), была адаптирована к языкам программирования, таким как CUDA или OpenCL, для выполнения вычислений в приложениях, которые традиционно обрабатываются центральным процессором.
Таким образом, для приложений, требующих большого количества параллельных задач (обработка изображений, биоинформатика, объемные данные) архитектура графического процессора подходит как нельзя лучше, и может значительно ускорить обработку этих расчетов, которые часто являются очень ресурсоемкими.

VDI и Высокопроизводительные вычисления

Совместите технологии Nvidia с ведущими на рынке гипервизорами для построения инфраструктуры высокопроизводительных виртуальных рабочих столов.
Раскройте потенциал возможностей CUDA/OpenCL карты для ускорения обработки Ваших HPC-приложений.

3D Облако и Облачные игры

Обеспечьте своих пользователей (архитекторов, дизайнеров) удаленными рабочими местами для их 3D-приложений.
Подключите графический процессор к облаку для размещения приложений с высокими требованиями, как, например, онлайн-игры.

Машинное обучение и Биоинформатика

Воспользуйтесь вычислительной мощностью графического процессора для оптимизации методов. машинного обучения.
Используйте ядра GPU для параллельной обработки Ваших биоинформационных данных.