शीर्ष 10 मशीन लर्निंग अनुकूलित ग्राफ़िक्स कार्ड

परिचय सफल मशीन लर्निंग के मुख्य कारकों में से एक सही ग्राफिक्स कार्ड का चयन करना है जो आपको बड़ी मात्रा में डेटा संसाधित करने और जितनी जल्दी हो सके समानांतर गणना करने की अनुमति देगा। अधिकांश मशीन सीखने के कार्यों, विशेष रूप से गहरे तंत्रिका नेटवर्क के प्रशिक्षण के लिए मैट्रिसेस और टेंसर की गहन प्रसंस्करण की आवश्यकता होती है। ध्यान दें कि टीपीयू, एफपीजीए और विशेष एआई चिप्स हाल ही में लोकप्रियता हासिल कर रहे हैं। मशीन लर्निंग करने के लिए ग्राफ़िक्स कार्ड की कौन सी विशेषताएँ महत्वपूर्ण हैं? मशीन लर्निंग के लिए ग्राफिक्स कार्ड चुनते समय, देखने के लिए कुछ प्रमुख विशेषताएं हैं: कंप्यूटिंग शक्ति: कोर/प्रोसेसर की संख्या ग्राफिक्स कार्ड की समानांतर प्रसंस्करण क्षमताओं को निर्धारित करती है। जीपीयू मेमोरी: बड़ी क्षमता आपको बड़े डेटा और जटिल मॉडल के साथ कुशलतापूर्वक काम करने की अनुमति देती है। विशिष्ट पुस्तकालयों के लिए समर्थन: CUDA या ROCm जैसे पुस्तकालयों के लिए हार्डवेयर समर्थन मॉडल प्रशिक्षण को गति देता है। उच्च-प्रदर्शन समर्थन: तेज़ मेमोरी और विस्तृत मेमोरी बस मॉडल प्रशिक्षण के लिए उच्च प्रदर्शन प्रदान करते हैं। मशीन लर्निंग फ्रेमवर्क के साथ संगतता: आपको यह सुनिश्चित करना चाहिए कि चयनित ग्राफिक्स कार्ड आपके लिए आवश्यक फ्रेमवर्क और समर्थित डेवलपर टूल के साथ पूरी तरह से संगत है। NVIDIA आज मशीन लर्निंग जीपीयू में अग्रणी है। CUDA और cuDNN के लिए अनुकूलित ड्राइवर और समर्थन NVIDIA GPU को गणना में उल्लेखनीय तेजी लाने में सक्षम बनाता है। एएमडी जीपीयू गेमिंग के लिए अच्छे हैं, और सीमित सॉफ़्टवेयर समर्थन और बार-बार अपडेट की आवश्यकता के कारण मशीन लर्निंग में वे कम आम हैं। मशीन लर्निंग के लिए जीपीयू बेंचमार्क मेमोरी का आकार (जीबी) घड़ी की गति, GHz CUDA कोर टेंसर कोर आरटी कोर मेमोरी बैंडविड्थ (जीबी/एस) वीडियो मेमोरी बस चौड़ाई (बिट) अधिकतम शक्ति (डब्ल्यू) एनवीलिंक मूल्य (USD) टेस्ला V100 16/32 1,24 5120 640 - 900 4096 300 केवल एनवीलिंक मॉडल के लिए 14447 क्वाड्रो आरटीएक्स 8000 48 1,35 4608 576 72 672 384 360 2 क्वाड्रो आरटीएक्स 8000 जीपीयू 8200 ए100 40/80 1,41 7936 432 - 1555 5120 300 मिग 10000 एक 6000 ए.डी.ए 48 2,5 18176 568 142 768 384 300 हाँ 6800 आरटीएक्स ए 5000 24 1,62 8192 256 64 768 384 230 2x आरटीएक्स ए5000 2000 आरटीएक्स 4090 24 2,23 16384 512 128 1 008 384 450 नहीं 1599 आरटीएक्स 4080 16 2,21 9728 304 76 717 256 320 नहीं 1199 आरटीएक्स 4070 12 1,92 7680 184 46 504 192 200 नहीं 599 आरटीएक्स 3090 टीआई 24 1.56 10752 336 84 1008 384 450 हाँ 2000 आरटीएक्स 3080 टीआई 12 1,37 10240 320 80 912 384 350 नहीं 1499 एनवीडिया टेस्ला V100 कृत्रिम बुद्धिमत्ता, उच्च-प्रदर्शन कंप्यूटिंग (एचपीसी) और मशीन लर्निंग अनुप्रयोगों के लिए डिज़ाइन किया गया एक टेंसर-कोर जीपीयू। NVIDIA वोल्टा आर्किटेक्चर पर आधारित, टेस्ला V100 प्रति सेकंड 125 ट्रिलियन फ्लोटिंग पॉइंट ऑपरेशन (TFLOPS) प्रदान करता है। लाभ उच्च प्रदर्शन: टेस्ला V100 में मशीन लर्निंग कार्यों में बहुत उच्च प्रदर्शन के लिए 5120 CUDA कोर के साथ वोल्टा आर्किटेक्चर की सुविधा है। यह बड़ी मात्रा में डेटा संसाधित कर सकता है और उच्च गति पर जटिल गणनाएं कर सकता है। बड़ी मेमोरी क्षमता: 16 गीगाबाइट एचबीएम2 मेमोरी मॉडलों को प्रशिक्षित करते समय बड़ी मात्रा में डेटा के कुशल प्रसंस्करण को सक्षम बनाती है, जो विशेष रूप से बड़े डेटासेट के लिए उपयोगी है। 4096-बिट वीडियो मेमोरी बस प्रोसेसर और वीडियो मेमोरी के बीच उच्च डेटा ट्रांसफर दर की अनुमति देती है, जिससे मशीन लर्निंग मॉडल के प्रशिक्षण और आउटपुट प्रदर्शन में सुधार होता है। डीप लर्निंग: ग्राफिक्स कार्ड विभिन्न प्रकार की डीप लर्निंग तकनीकों का समर्थन करता है, जिसमें टेन्सर कोर भी शामिल है, जो फ्लोटिंग-पॉइंट ऑपरेशंस का उपयोग करके कंप्यूटिंग को गति देता है। इससे मॉडल प्रशिक्षण का समय काफी कम हो जाता है और मॉडल प्रदर्शन में सुधार होता है। लचीलापन और स्केलेबिलिटी: टेस्ला V100 का उपयोग डेस्कटॉप और सर्वर सिस्टम दोनों में किया जा सकता है। यह विभिन्न मशीन लर्निंग फ्रेमवर्क जैसे कि TensorFlow, PyTorch, Caffe और अन्य का समर्थन करता है, जो मॉडल विकास और प्रशिक्षण के लिए टूल चुनने में लचीलापन प्रदान करता है। नुकसान उच्च लागत: NVIDIA Tesla V100 एक पेशेवर समाधान है और इसकी कीमत तदनुसार तय की गई है। इसकी लागत ($14,447) व्यक्तियों या छोटी मशीन-लर्निंग टीमों के लिए काफी अधिक हो सकती है। बिजली की खपत और शीतलन: टेस्ला V100 ग्राफिक्स कार्ड महत्वपूर्ण मात्रा में बिजली की खपत करता है और महत्वपूर्ण मात्रा में गर्मी उत्पन्न करता है। इसके लिए आपके सिस्टम में उचित शीतलन उपायों की आवश्यकता हो सकती है और इसके परिणामस्वरूप बिजली की खपत बढ़ सकती है। बुनियादी ढाँचे की आवश्यकताएँ: टेस्ला V100 का पूरी तरह से उपयोग करने के लिए, एक शक्तिशाली प्रोसेसर और पर्याप्त रैम सहित एक उपयुक्त बुनियादी ढांचे की आवश्यकता होती है। एनवीडिया ए100 मशीन लर्निंग के लिए आवश्यक प्रदर्शन और लचीलापन प्रदान करता है। नवीनतम NVIDIA एम्पीयर आर्किटेक्चर द्वारा संचालित, A100 पिछली पीढ़ी के GPU की तुलना में पांच गुना अधिक सीखने का प्रदर्शन प्रदान करता है। NVIDIA A100 विभिन्न प्रकार के कृत्रिम बुद्धिमत्ता अनुप्रयोगों और रूपरेखाओं का समर्थन करता है। लाभ उच्च प्रदर्शन: बड़ी संख्या में CUDA कोर - 4608। बड़ी मेमोरी का आकार: NVIDIA A100 ग्राफिक्स कार्ड में 40GB की HBM2 मेमोरी है, जो इसे गहन शिक्षण मॉडल को प्रशिक्षित करते समय बड़ी मात्रा में डेटा को कुशलतापूर्वक संभालने की अनुमति देती है। NVLink तकनीक का समर्थन करता है: यह तकनीक समानांतर कंप्यूटिंग करने के लिए कई NVIDIA A100 ग्राफिक्स कार्ड को एक सिस्टम में संयोजित करने में सक्षम बनाती है, जो प्रदर्शन में सुधार करती है और मॉडल प्रशिक्षण में तेजी लाती है। नुकसान उच्च लागत: NVIDIA A100 बाजार में सबसे शक्तिशाली और उच्च प्रदर्शन वाले ग्राफिक्स कार्डों में से एक है, इसलिए यह $10,000 की उच्च कीमत पर आता है। बिजली की खपत: NVIDIA A100 ग्राफिक्स कार्ड का उपयोग करने के लिए काफी मात्रा में बिजली की आवश्यकता होती है। इसके परिणामस्वरूप बिजली की लागत बढ़ सकती है और बड़े डेटा केंद्रों में तैनात करते समय अतिरिक्त सावधानियों की आवश्यकता हो सकती है। सॉफ्टवेयर अनुकूलता: NVIDIA A100 ग्राफिक्स कार्ड को इष्टतम प्रदर्शन के लिए उपयुक्त सॉफ्टवेयर और ड्राइवरों की आवश्यकता होती है। कुछ मशीन लर्निंग प्रोग्राम और फ्रेमवर्क इस विशेष मॉडल का पूरी तरह से समर्थन नहीं कर सकते हैं। एनवीडिया क्वाड्रो आरटीएक्स 8000 एक एकल क्वाड्रो आरटीएक्स 8000 कार्ड यथार्थवादी छाया, प्रतिबिंब और अपवर्तन के साथ जटिल पेशेवर मॉडल प्रस्तुत कर सकता है, जिससे उपयोगकर्ताओं को जानकारी तक त्वरित पहुंच मिलती है। इसकी मेमोरी को NVLink तकनीक का उपयोग करके 96GB तक बढ़ाया जा सकता है। लाभ उच्च प्रदर्शन: क्वाड्रो आरटीएक्स 8000 में 5120 सीयूडीए कोर के साथ एक शक्तिशाली जीपीयू है। रे ट्रेसिंग के लिए समर्थन: वास्तविक समय हार्डवेयर-त्वरित किरण ट्रेसिंग आपको फोटोरिअलिस्टिक छवियां और प्रकाश प्रभाव बनाने की अनुमति देता है। मशीन सीखने के कार्यों के हिस्से के रूप में डेटा विज़ुअलाइज़ेशन या कंप्यूटर ग्राफिक्स के साथ काम करते समय यह उपयोगी हो सकता है। बड़ी मेमोरी का आकार: 48GB की GDDR6 ग्राफ़िक्स मेमोरी बड़े मशीन-लर्निंग मॉडल और डेटा के लिए पर्याप्त भंडारण स्थान प्रदान करती है। लाइब्रेरी और फ्रेमवर्क समर्थन: क्वाड्रो आरटीएक्स 8000 लोकप्रिय मशीन लर्निंग लाइब्रेरी और टेन्सरफ्लो, पायटोरच, सीयूडीए, सीयूडीएनएन और अन्य जैसे फ्रेमवर्क के साथ पूरी तरह से संगत है। नुकसान उच्च लागत: क्वाड्रो आरटीएक्स 8000 एक पेशेवर ग्राफिक्स गैस पेडल है, जो इसे अन्य ग्राफिक्स कार्ड की तुलना में काफी महंगा बनाता है। इसकी कीमत 8200 डॉलर है. आरटीएक्स ए6000 एडा यह ग्राफिक्स कार्ड प्रदर्शन, कीमत और कम बिजली की खपत का सही संयोजन प्रदान करता है, जो इसे पेशेवरों के लिए सबसे अच्छा विकल्प बनाता है। अपने उन्नत CUDA आर्किटेक्चर और 48GB GDDR6 मेमोरी के साथ, A6000 उच्च प्रदर्शन प्रदान करता है। RTX A6000 पर प्रशिक्षण अधिकतम बैच आकार के साथ किया जा सकता है। लाभ उच्च प्रदर्शन: एडा लवलेस आर्किटेक्चर, तीसरी पीढ़ी के आरटी कोर, चौथी पीढ़ी के टेंसर कोर और 48 जीबी वीडियो मेमोरी के साथ अगली पीढ़ी के सीयूडीए कोर। बड़ी मेमोरी का आकार: NVIDIA RTX A6000 Ada ग्राफिक्स कार्ड 48 जीबी मेमोरी से लैस हैं, जो उन्हें मॉडलों को प्रशिक्षित करते समय बड़ी मात्रा में डेटा के साथ कुशलतापूर्वक काम करने की अनुमति देता है। कम बिजली की खपत। नुकसान उच्च लागत: RTX A6000 Ada की कीमत लगभग $6,800 है। एनवीडिया आरटीएक्स ए5000 RTX A5000 NVIDIA के एम्पीयर आर्किटेक्चर पर आधारित है और इसमें तेज़ डेटा एक्सेस और मशीन लर्निंग मॉडल के त्वरित प्रशिक्षण के लिए 24GB मेमोरी है। 8192 CUDA कोर और 256 टेंसर कोर के साथ, कार्ड में जटिल संचालन करने के लिए जबरदस्त प्रसंस्करण शक्ति है। लाभ उच्च प्रदर्शन: बड़ी संख्या में CUDA कोर और उच्च मेमोरी बैंडविड्थ आपको उच्च गति पर बड़ी मात्रा में डेटा संसाधित करने की अनुमति देते हैं। एआई हार्डवेयर त्वरण समर्थन: आरटीएक्स ए5000 ग्राफिक्स कार्ड एआई-संबंधित संचालन और एल्गोरिदम के लिए हार्डवेयर त्वरण प्रदान करता है। बड़ी मेमोरी का आकार: 24GB GDDR6 वीडियो मेमोरी आपको बड़े डेटासेट और जटिल मशीन-लर्निंग मॉडल के साथ काम करने की अनुमति देती है। मशीन लर्निंग फ्रेमवर्क के लिए समर्थन: RTX A5000 ग्राफिक्स कार्ड TensorFlow और PyTorch जैसे लोकप्रिय मशीन लर्निंग फ्रेमवर्क के साथ अच्छी तरह से एकीकृत होता है। इसमें अनुकूलित ड्राइवर और लाइब्रेरी हैं जो आपको मॉडल विकास और प्रशिक्षण के लिए इसकी क्षमताओं का लाभ उठाने की अनुमति देते हैं। नुकसान बिजली की खपत और शीतलन: इस वर्ग के ग्राफिक्स कार्ड आमतौर पर महत्वपूर्ण मात्रा में बिजली की खपत करते हैं और बहुत अधिक गर्मी उत्पन्न करते हैं। RTX A5000 का कुशलतापूर्वक उपयोग करने के लिए, आपको उचित शीतलन सुनिश्चित करने और पर्याप्त बिजली आपूर्ति की आवश्यकता है। एनवीडिया आरटीएक्स 4090 यह ग्राफ़िक्स कार्ड उच्च प्रदर्शन और सुविधाएँ प्रदान करता है जो इसे नवीनतम पीढ़ी के तंत्रिका नेटवर्क को सशक्त बनाने के लिए आदर्श बनाता है। लाभ उत्कृष्ट प्रदर्शन: NVIDIA RTX 4090 जटिल गणनाओं और बड़ी मात्रा में डेटा को कुशलतापूर्वक संसाधित करने में सक्षम है, जिससे मशीन लर्निंग मॉडल के प्रशिक्षण में तेजी आती है। नुकसान NVIDIA RTX 4090 का उपयोग करते समय उपयोगकर्ताओं के सामने आने वाली मुख्य समस्याओं में से एक कूलिंग है। इसकी शक्तिशाली गर्मी अपव्यय के कारण, कार्ड गंभीर रूप से गर्म हो सकता है और क्षति को रोकने के लिए स्वचालित रूप से बंद हो सकता है। यह मल्टी-कार्ड कॉन्फ़िगरेशन में विशेष रूप से सच है। कॉन्फ़िगरेशन सीमाएँ: GPU डिज़ाइन वर्कस्टेशन में अधिक NVIDIA RTX 4090 कार्ड स्थापित करने की क्षमता को सीमित करता है। एनवीडिया आरटीएक्स 4080 यह एक शक्तिशाली और कुशल ग्राफिक्स कार्ड है जो कृत्रिम बुद्धिमत्ता के क्षेत्र में उच्च प्रदर्शन प्रदान करता है। अपने उच्च प्रदर्शन और किफायती मूल्य के साथ, यह कार्ड उन डेवलपर्स के लिए एक अच्छा विकल्प है जो अपने सिस्टम से अधिकतम लाभ प्राप्त करना चाहते हैं। RTX 4080 में तीन-स्लॉट डिज़ाइन है, जो एक वर्कस्टेशन में दो GPU स्थापित करने की अनुमति देता है। लाभ उच्च प्रदर्शन: मशीन लर्निंग अनुप्रयोगों में उच्च प्रदर्शन कंप्यूटिंग के लिए कार्ड 9728 NVIDIA CUDA कोर से सुसज्जित है। इसमें अधिक कुशल डेटा प्रोसेसिंग के लिए टेंसर कोर और रे ट्रेसिंग समर्थन भी शामिल है। कार्ड की कीमत $1,199 है, जो व्यक्तियों और छोटी टीमों को एक उत्पादक मशीन-लर्निंग समाधान प्रदान करता है। नुकसान एसएलआई सीमा: कार्ड एसएलआई कार्यक्षमता के साथ एनवीडिया एनवीलिंक का समर्थन नहीं करता है, जिसका अर्थ है कि आप प्रदर्शन को अधिकतम करने के लिए एसएलआई मोड में कई कार्डों को संयोजित नहीं कर सकते हैं। एनवीडिया आरटीएक्स 4070 यह ग्राफ़िक्स कार्ड NVIDIA के Ada Lovelace आर्किटेक्चर पर आधारित है और इसमें तेज़ डेटा एक्सेस और मशीन लर्निंग मॉडल के त्वरित प्रशिक्षण के लिए 12GB मेमोरी है। 7,680 CUDA कोर और 184 टेंसर कोर के साथ, कार्ड में जटिल संचालन करने के लिए अच्छी प्रसंस्करण शक्ति है। जो लोग अभी मशीन लर्निंग सीखना शुरू कर रहे हैं उनके लिए यह एक बढ़िया विकल्प है। लाभ पर्याप्त प्रदर्शन: 12GB मेमोरी और 7,680 CUDA कोर आपको बड़ी मात्रा में डेटा संभालने की अनुमति देते हैं। कम बिजली की खपत: 200 डब्ल्यू. कम कीमत $599। नुकसान सीमित मेमोरी: 12 जीबी मेमोरी कुछ मशीन लर्निंग अनुप्रयोगों में बड़ी मात्रा में डेटा संसाधित करने की क्षमता को सीमित कर सकती है। NVIDIA NVLink और SLI के लिए कोई समर्थन नहीं: कार्ड समानांतर प्रसंस्करण प्रणाली में एकाधिक कार्डों के संयोजन के लिए NVIDIA NVLink तकनीक का समर्थन नहीं करते हैं। यह मल्टी-कार्ड कॉन्फ़िगरेशन में स्केलेबिलिटी और प्रदर्शन को सीमित कर सकता है। एनवीडिया GeForce RTX 3090 TI यह एक गेमिंग जीपीयू है जिसका उपयोग डीप लर्निंग के लिए भी किया जा सकता है। RTX 3090 TI 13 टेराफ्लॉप्स के चरम एकल परिशुद्धता (FP32) प्रदर्शन की अनुमति देता है और 24GB वीडियो मेमोरी और 10,752 CUDA कोर से सुसज्जित है। लाभ उच्च प्रदर्शन: एम्पीयर आर्किटेक्चर और 10,752 CUDA कोर आपको जटिल मशीन-लर्निंग समस्याओं को हल करने में सक्षम बनाते हैं। हार्डवेयर लर्निंग एक्सेलेरेशन: RTX 3090 TI टेन्सर कोर तकनीक का समर्थन करता है, जो तंत्रिका नेटवर्क संचालन का हार्डवेयर त्वरण प्रदान करता है। यह गहन शिक्षण मॉडल की प्रशिक्षण प्रक्रिया में काफी तेजी ला सकता है। बड़ी मेमोरी क्षमता: 24GB GDDR6X मेमोरी के साथ, RTX 3090 TI डिस्क पर बार-बार पढ़ने और लिखने के संचालन की आवश्यकता के बिना मेमोरी में बड़ी मात्रा में डेटा को संभाल सकता है। बड़े डेटासेट के साथ काम करते समय यह विशेष रूप से उपयोगी होता है। नुकसान बिजली की खपत: ग्राफिक्स कार्ड में उच्च बिजली की खपत (450W) होती है, जिसके लिए एक शक्तिशाली बिजली आपूर्ति की आवश्यकता होती है। इससे अतिरिक्त लागत लग सकती है और कुछ प्रणालियों में ग्राफिक्स कार्ड का उपयोग सीमित हो सकता है, खासकर जब समानांतर कंप्यूटिंग में एकाधिक कार्ड का उपयोग किया जाता है। अनुकूलता और समर्थन: कुछ सॉफ़्टवेयर प्लेटफ़ॉर्म और मशीन लर्निंग लाइब्रेरी के साथ अनुकूलता और असंगति समस्याएँ हो सकती हैं। कुछ मामलों में, वीडियो कार्ड को पूरी तरह से समर्थन देने के लिए विशेष अनुकूलन या सॉफ़्टवेयर अपडेट की आवश्यकता हो सकती है। एनवीडिया GeForce RTX 3080 TI RTX 3080 TI एक बेहतरीन मिड-रेंज कार्ड है जो शानदार प्रदर्शन प्रदान करता है और उन लोगों के लिए एक अच्छा विकल्प है जो पेशेवर ग्राफिक्स कार्ड पर बहुत अधिक पैसा खर्च नहीं करना चाहते हैं। लाभ उच्च प्रदर्शन: RTX 3080 में 8704 CUDA कोर और 12GB GDDR6X मेमोरी के साथ एम्पीयर आर्किटेक्चर है, जो मशीन लर्निंग कार्यों की मांग के लिए उच्च प्रसंस्करण शक्ति प्रदान करता है। हार्डवेयर लर्निंग एक्सेलेरेशन: ग्राफिक्स कार्ड टेन्सर कोर का समर्थन करता है, जो तंत्रिका नेटवर्क संचालन में महत्वपूर्ण त्वरण सक्षम करता है। यह गहन शिक्षण मॉडल के तेज़ प्रशिक्षण में योगदान देता है। यह 1,499 डॉलर में अपेक्षाकृत किफायती है। रे ट्रेसिंग और डीएलएसएस: आरटीएक्स 3080 हार्डवेयर-त्वरित रे ट्रेसिंग और डीप लर्निंग सुपर सैंपलिंग (डीएलएसएस) का समर्थन करता है। मॉडल परिणामों की कल्पना करते समय और उच्च गुणवत्ता वाले ग्राफिक्स प्रदान करते समय ये प्रौद्योगिकियां उपयोगी हो सकती हैं। नुकसान सीमित मेमोरी क्षमता, 12 जीबी, बड़ी मात्रा में डेटा या जटिल मॉडल को संभालने की क्षमता को सीमित कर सकती है जिन्हें अधिक मेमोरी की आवश्यकता होती है। यदि आप मशीन लर्निंग में रुचि रखते हैं, तो आरंभ करने के लिए आपको एक अच्छी ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) की आवश्यकता होगी। लेकिन बाज़ार में इतने सारे अलग-अलग प्रकार और मॉडलों के साथ, यह जानना मुश्किल हो सकता है कि कौन सा आपके लिए सही है। मशीन लर्निंग के लिए सर्वोत्तम GPU चुनना आपकी आवश्यकताओं और बजट पर निर्भर करता है। या पेशेवर-ग्रेड NVIDIA RTX 5500/5000/A4000 कार्ड के साथ वाला सर्वर किराए पर लें। भी उपलब्ध हैं। GPU कार्ड VM को समर्पित है और इसका उपयोग अन्य क्लाइंट द्वारा नहीं किया जा सकता है। वर्चुअल मशीनों में GPU का प्रदर्शन समर्पित सर्वरों में GPU के प्रदर्शन से मेल खाता है। तत्काल परिनियोजन के साथ GPU सर्वर कस्टम कॉन्फ़िगरेशन समर्पित जीपीयू कार्ड के साथ वीपीएस भी प्रकाशित किया गया है. यहाँ