Jak połączyć się z Twoim serwerem dedykowanym GPU: Kompletny przewodnik krok po kroku

Niezależnie od tego, czy wdrażasz duże modele językowe, uruchamiasz obciążenia wnioskowania AI, czy generujesz obrazy za pomocą Stable Diffusion, połączenie się z dedykowanym serwerem GPU po raz pierwszy może wydawać się przytłaczające. Ten przewodnik przeprowadzi Cię przez każdy etap procesu — od wyboru odpowiedniego planu po zalogowanie się i uruchomienie pierwszego frameworku AI — korzystając z infrastruktury GPU AlexHost.

Dlaczego wybrać dedykowany serwer GPU do obciążeń AI?

Nowoczesne aplikacje AI — w tym wnioskowanie LLM, generowanie obrazów i szkolenie głębokie — wymagają poważnej mocy obliczeniowej GPU. Standardowe środowisko VPS lub hosting współdzielony po prostu nie mogą spełnić tych wymagań. Rozwiązanie GPU Hosting daje Ci wyłączny dostęp do wysokowydajnych kart graficznych, dedykowanej pamięci RAM i pełnej kontroli root, co czyni je idealnym środowiskiem do wdrożeń AI klasy produkcyjnej.

Dedykowane serwery GPU AlexHost są zbudowane wokół podwójnych kart graficznych NVIDIA RTX 4070 Ti SUPER, zapewniając wyjątkową pojemność VRAM i przepustowość CUDA dla wymagających obciążeń, takich jak uruchamianie modeli LLaMA, Mistral, opartych na GPT i potoków Stable Diffusion.

Krok 1: Wybierz odpowiedni plan serwera GPU

AlexHost oferuje obecnie dwa plany dedykowanych serwerów GPU, oba wyposażone w 2× GPU RTX 4070 Ti SUPER. Te plany są specjalnie zaprojektowane dla przypadków użycia AI i uczenia maszynowego i zawierają kompleksowy zestaw wstępnie zainstalowanych narzędzi i frameworków, dzięki czemu możesz zacząć pracę natychmiast — bez długiej konfiguracji ręcznej.

Wstępnie zainstalowane narzędzia i frameworki dostępne od razu

> Uwaga: AlexHost może również zainstalować dowolny niestandardowy system operacyjny na życzenie, dając Ci pełną elastyczność w stosunku do środowiska serwera.

To wstępnie skonfigurowane podejście oznacza, że Twój serwer gotowy do AI można wdrożyć w ciągu minut od aprowizacji — znaczna przewaga w stosunku do konfiguracji bare-metal, które wymagają godzin ręcznej instalacji frameworku.

Krok 2: Ukończ zamówienie i otrzymaj poświadczenia

Po pomyślnym złożeniu zamówienia i dokonaniu płatności AlexHost aprowizuje Twój dedykowany serwer GPU i wyśle Twoje poświadczenia logowania bezpośrednio na Twój zarejestrowany adres e-mail. Ten e-mail będzie zawierać wszystko, czego potrzebujesz, aby uzyskać dostęp do panelu zarządzania serwerem.

Zespół wsparcia AlexHost jest również dostępny, aby zapewnić spersonalizowane instrukcje połączenia, jeśli potrzebujesz dodatkowych wskazówek podczas początkowej fazy konfiguracji.

Krok 3: Uzyskaj dostęp do serwera z obszaru klienta

Po otrzymaniu poświadczeń wykonaj następujące kroki, aby zlokalizować serwer w portalu klienta AlexHost:

1. Zaloguj się na swoje konto AlexHost w obszarze klienta.
2. Przejdź do Usługi → Moje usługi, aby wyświetlić wszystkie aktywne produkty.
3. Zlokalizuj dedykowany serwer GPU na liście aktywowanych usług.
4. Kliknij na usługę, aby otworzyć jej interfejs zarządzania.

Spowoduje to otwarcie dedykowanej strony panelu sterowania serwera, gdzie możesz zarządzać wszystkimi aspektami swojej instancji.

Krok 4: Pobierz szczegóły logowania DCIManager

AlexHost używa DCIManager jako platformy zarządzania serwerem dla dedykowanych serwerów GPU. Aby uzyskać do niego dostęp:

1. Na stronie usługi przejdź do sekcji Szczegóły logowania.
2. Tutaj znajdziesz:

• Adres URL panelu DCIManager (bezpośredni link do interfejsu zarządzania)
• Swoją nazwę użytkownika
• Swoje hasło

Skopiuj te poświadczenia i otwórz adres URL DCIManager w przeglądarce, aby przystąpić do instalacji systemu operacyjnego i konfiguracji serwera.

Krok 5: Zainstaluj system operacyjny lub framework LLM

To jest moment, w którym ujawnia się prawdziwa moc platformy serwera GPU AlexHost. Aby rozpocząć instalację systemu operacyjnego:

1. W DCIManager zlokalizuj serwer i kliknij menu trzech kropek (⋮) obok niego.
2. Wybierz "Zainstaluj system operacyjny z szablonu", aby otworzyć dostępną listę systemów operacyjnych i frameworków.

Wybór systemu operacyjnego

Możesz zainstalować dowolny system operacyjny dostępny w bibliotece szablonów. Jednak ważne jest, aby pamiętać:

> Frameworki LLM i narzędzia AI są obecnie obsługiwane tylko na Ubuntu 22.04. Gdy wybierzesz Ubuntu 22.04 podczas konfiguracji, odpowiednie skrypty instalacji LLM stają się dostępne do wyboru.

Wybieranie frameworków LLM (tylko Ubuntu 22.04)

Po wybraniu Ubuntu 22.04 kliknij "Wybierz inne skrypty", aby uzyskać dostęp do pełnej listy dostępnych frameworków i narzędzi AI. Oto przegląd każdej opcji:

🧠 Text Generation WebUI (Oobabooga)

Co to jest: Potężny, oparty na przeglądarce interfejs sieciowy do ładowania i interakcji z modelami generowania tekstu, w tym GPT, LLaMA, Mistral i wieloma innymi.

Kluczowe możliwości:

• Ładuj lokalne lub zdalne modele językowe
• Konfiguruj parametry generowania (temperatura, top-p, kara za powtórzenie itp.)
• Wchodzić w interakcję z modelami za pośrednictwem czystego interfejsu czatu lub notatnika
• Obsługuje wiele backendów modeli (Transformers, llama.cpp, ExLlama itp.)

Najlepsze dla: Deweloperów i badaczy, którzy chcą elastycznego interfejsu bez kodu do eksperymentowania z otwartymi modelami LLM.

🎨 AUTOMATIC1111 Stable Diffusion WebUI

Co to jest: Najszerzej używany interfejs sieciowy do generowania obrazów AI przy użyciu modeli Stable Diffusion.

Kluczowe możliwości:

• Ładuj i przełączaj się między punktami kontrolnymi Stable Diffusion
• Dostrajaj generowanie za pomocą zaawansowanych parametrów (skala CFG, kroki próbkowania, kontrola nasienia)
• Rozszerz funkcjonalność bogatym ekosystemem wtyczek i rozszerzeń
• Obsługuje przepływy txt2img, img2img, inpainting i upscalingu

Najlepsze dla: Artystów, deweloperów i twórców treści budujących potoki generowania obrazów lub eksperymentujących z modelami dyfuzji.

🖥️ GNOME / XFCE / KDE Plasma Desktop + RDP

Co to są: Pełne graficzne środowiska pulpitu dostępne zdalnie za pośrednictwem RDP (Remote Desktop Protocol).

• GNOME — Nowoczesny, dopracowany interfejs; idealny dla użytkowników zaznajomionych z domyślnym pulpitem Ubuntu
• XFCE — Lekki i szybki; świetny dla sesji zdalnych o niższym obciążeniu
• KDE Plasma — Bogate w funkcje i wysoce konfiguralne; odpowiednie dla zaawansowanych użytkowników

Najlepsze dla: Użytkowników, którzy wolą graficzny interfejs do zarządzania serwerem, uruchamiania narzędzi AI opartych na GUI lub wykonywania zadań wizualnych bezpośrednio na maszynie.

> Te środowiska pulpitu nie są samymi frameworkami AI, ale zapewniają wygodne graficzne miejsce pracy do zarządzania i monitorowania obciążeń AI uruchomionych na serwerze.

⚙️ PyTorch (CUDA 12.4 + cuDNN)

Co to jest: Standardowa w branży biblioteka głębokich sieci neuronowych o otwartym kodzie źródłowym, wstępnie skonfigurowana z pełną obsługą przyspieszenia GPU.

Kluczowe możliwości:

• Obliczenia tensorów przyspieszane GPU za pośrednictwem CUDA 12.4
• Zoptymalizowane operacje sieci neuronowych za pośrednictwem cuDNN
• Podstawa do szkolenia i uruchamiania LLM (GPT, LLaMA, Mistral) i modeli generowania obrazów (Stable Diffusion)
• Kompatybilny z ekosystemem Hugging Face, Transformers i innymi bibliotekami ML

Najlepsze dla: Inżynierów ML i badaczy, którzy potrzebują czystego, gotowego do GPU środowiska PyTorch do niestandardowego szkolenia modeli, dostrajania lub skryptów wnioskowania.

Krok 6: Ustaw hasło i nazwę hosta

Po wybraniu żądanego systemu operacyjnego i frameworków zostaniesz poproszony o skonfigurowanie dwóch ostatecznych parametrów przed rozpoczęciem instalacji:

• Hasło — Ustaw silne hasło root/admin do dostępu do serwera
• Nazwa hosta — Zdefiniuj niestandardową nazwę hosta dla serwera (np. gpu-server-01.yourdomain.com)

Wypełnij oba pola ostrożnie, a następnie potwierdź, aby rozpocząć proces instalacji.

Krok 7: Czekaj na ukończenie instalacji

Po zainicjowaniu instalacji DCIManager automatycznie rozpocznie aprowizację wybranego systemu operacyjnego i frameworków.

> ⏱️ Ważne: Proces instalacji może trwać do 30 minut. Obejmuje to wdrożenie systemu operacyjnego, instalację sterownika, konfigurację CUDA i konfigurację frameworku.

Pomyślna instalacja zostanie potwierdzona w interfejsie DCIManager. Po zakończeniu serwer jest w pełni operacyjny i gotowy do obciążeń AI.

Łączenie się z serwerem GPU po instalacji

W zależności od wybranej konfiguracji będziesz łączyć się z serwerem za pomocą jednej z następujących metod:

SSH (dostęp z wiersza poleceń)

Dla środowisk PyTorch lub bezgłowych konfiguracji LLM:

ssh root@your-server-ip

Użyj adresu IP podanego w panelu DCIManager i hasła ustawionego podczas instalacji.

RDP (Remote Desktop)

Dla środowisk pulpitu GNOME, XFCE lub KDE Plasma:

1. Otwórz klienta RDP (np. Microsoft Remote Desktop na Windows/macOS lub Remmina na Linux)
2. Wpisz adres IP serwera
3. Użyj skonfigurowanej nazwy użytkownika i hasła
4. Połącz się i uzyskaj dostęp do pełnego graficznego pulpitu

Interfejs sieciowy (Oobabooga / AUTOMATIC1111)

Po zalogowaniu się przez SSH i uruchomieniu odpowiedniej usługi uzyskaj dostęp do interfejsu sieciowego za pośrednictwem przeglądarki:

http://your-server-ip:7860   # Oobabooga Text Gen WebUI
http://your-server-ip:7861   # AUTOMATIC1111 Stable Diffusion WebUI

Komplementarne usługi AlexHost warte zbadania

W zależności od Twoich szerszych potrzeb infrastrukturalnych, te usługi AlexHost mogą być przydatne obok serwera GPU:

• VPS Hosting — Idealny do hostowania interfejsów API, aplikacji internetowych lub lekkich usług, które wchodzą w interakcję z backendem GPU
• Dedykowane serwery — Wysokowydajne serwery bare-metal dla obciążeń intensywnie korzystających z CPU lub przetwarzania danych na dużą skalę
• Certyfikaty SSL — Zabezpiecz interfejsy sieciowe AI i interfejsy API za pomocą zaufanego szyfrowania HTTPS
• Rejestracja domen — Zarejestruj niestandardową domenę, aby wskazywała interfejsy sieciowe serwera GPU

Często zadawane pytania

Czy mogę zainstalować niestandardowy system operacyjny, który nie znajduje się na liście szablonów?

Tak. AlexHost może zainstalować dowolny system operacyjny na życzenie. Skontaktuj się z zespołem wsparcia ze swoimi wymaganiami.

Czy frameworki LLM są dostępne w systemach operacyjnych innych niż Ubuntu 22.04?

Obecnie wstępnie zbudowane skrypty instalacji LLM są obsługiwane tylko na Ubuntu 22.04. Inne opcje systemu operacyjnego są dostępne, ale będą wymagać ręcznej instalacji frameworku.

Jak długo trwa instalacja systemu operacyjnego?

Pełny proces instalacji, w tym wdroż