GPU – computation lab
Denna kluster (värd av RISE) erbjuder gratis GPU-åtkomst för LTU-användare för att skriva och köra Python i sina webbläsare, med ihållande lagring på klustret.
Du kan fylla i formuläret nedan och ange att du godkänner användarvillkoren för att beställa (JupyterLab) åtkomst. Detaljer som behövs för att användare ska kunna komma åt sina laboratorier kommer att skickas inom några dagar.
Vänligen konsultera den växande FAQ-sektionen nedan för felsökning innan du kontaktar oss för hjälp. Inaktiva laboratorier som har varit inaktiva i över 6 månader kan tas bort från klustret. Det är användarnas ansvar att ha en säkerhetskopia av sitt material.
INTERN LÄNK HÄR
FAQ
- Har jag obegränsade resurser med laboratoriet? Nej. Varje typiskt laboratorium har 1 Nvidia GTX GPU, 10 GB lagring och 8 GB minne.
- Vilket Python-paketinstallationsprogram använder laboratoriet? Conda.
- Kan jag använda/byta lösenord för mitt laboratorium? Ja. Gör det på inloggningssidan eller genom att skriva "jupyter notebook password" i terminalen i laboratoriet och se till att du går till "File -> Shutdown" för att detta ska träda i kraft.
- Är mitt inloggningstoken unikt? Ja.
- Måste jag betala? Nej, det är gratis för LTU-användare.
- Jag är ny på Jupyter Notebook/Lab. Hur kommer jag igång? Du kan komma igång här eller söka online för mer information.
Uppdaterad:
Sidansvarig: Personal