دليل التدريب على وحدات معالجة الرسومات السحابية
لا يمتلك الجميع وحدة معالجة رسومات محلية. يرشدك هذا الدليل خلال تدريب نماذج AuroraSOC على منصات GPU السحابية — من البداية حتى الحصول على نموذج مضبوط بدقة يمكنك تنزيله وتشغيله محلياً.
مقارنة المنصات
| المنصة | أفضل وحدة GPU | التكلفة/الساعة | الحد الأدنى للإنفاق | وقت الإعداد | الأنسب لـ |
|---|---|---|---|---|---|
| RunPod ⭐ | RTX 3090 (24 GB) | $0.69 | لا يوجد | 5 دقائق | أفضل قيمة لنماذج 8B |
| RunPod | A100 40 GB | $1.49 | لا يوجد | 5 دقائق | نماذج 12B+ |
| Lambda Labs | A100 80 GB | $1.29 | لا يوجد | 10 دقائق | التدريب واسع النطاق |
| vast.ai | RTX 3090 | ~$0.40 | لا يوجد | 15 دقيقة | الخيار الأرخص (متغير) |
| Google Colab Pro | A100 40 GB | $9.99/شهر (محدود) | $9.99/شهر | 2 دقيقة | تجارب سريعة |
| AWS SageMaker | A100 40 GB | ~$5.67 | الدفع عند الاستخدام | 30 دقيقة | المؤسسات / AWS المتاح |
RunPod (الموصى به)
RunPod هو الخيار الأفضل من حيث التكلفة وسهولة الاستخدام والموثوقية للضبط الدقيق في AuroraSOC.
الخطوة 1: إنشاء حساب وإضافة رصيد
- انتقل إلى runpod.io وأنشئ حساباً
- أضف رصيداً: 10-15 دولارًا كافية لضبط جميع الوكلاء التسعة على Granite 4
- انتقل إلى GPU Cloud ← Secure Cloud (موصى به) أو Community Cloud (أرخص)
الخطوة 2: اختيار حجرة GPU
للضبط الدقيق في AuroraSOC، تحتاج إلى:
- 24 GB VRAM على الأقل للنماذج ذات 8B معامل مع QLoRA
- 40 GB VRAM للنماذج ذات 12B أو لضبط دقيق أسرع
راجع الوثيقة الإنجليزية للحصول على تسلسل الإعداد الخطوة بخطوة وتعليمات المنصات الأخرى.