# Быстрый старт с GPU-сервером

> Быстрый старт с новым GPU-сервером FullGPU: войдите по SSH, проверьте GPU, обновите Ubuntu и запустите первый контейнер на GPU — с проверкой на каждом шаге.

Источник: https://fullgpu.com/ru/docs/quickstart  
Обновлено: 2026-10-22  
Издатель: FullGPU (https://fullgpu.com/)

Этот быстрый старт с GPU-сервером проведёт вас от выдачи сервера до первой задачи, работающей на ваших GPU. Он подходит для любого сервера FullGPU: тариф с одним GPU — это выделенная виртуальная машина с пробросом всего GPU (passthrough), а 8-GPU-сервер — bare metal. Каждый шаг заканчивается проверкой, чтобы вы убедились, что всё получилось, прежде чем двигаться дальше.

## Что вы получаете

Когда сервер готов, его IP-адрес и данные для подключения по SSH появляются в личном кабинете. Вход выполняется по SSH с открытым ключом, который вы добавили к заказу, и у вас есть полный root-доступ. У каждого сервера есть публичный IPv4-адрес и подсеть IPv6 /64, а его публичные IP-адреса защищены от DDoS.

В наших образах Ubuntu 22.04 и 24.04 уже установлены драйвер NVIDIA, CUDA, Docker и NVIDIA Container Toolkit. Серверы AMD Instinct работают на наших образах ROCm. Если вы ещё не отправили открытый ключ, начните с [настройки SSH-доступа к GPU-серверу](https://fullgpu.com/ru/docs/ssh-access).

## Вход по SSH

1. Откройте терминал на своём компьютере (в Windows — PowerShell) и подключитесь, указав IP-адрес и имя пользователя из личного кабинета. В примерах на этом сайте используются пользователь `root` и адрес `203.0.113.10`, зарезервированный для документации: `ssh root@203.0.113.10`
2. При первом подключении SSH попросит подтвердить ключ хоста. Введите `yes`.
3. Проверьте операционную систему: `cat /etc/os-release` Должна отобразиться версия Ubuntu, которую вы выбрали при заказе.

Команды на этой странице используют `sudo`. Если вы вошли как root, он работает точно так же.

## Проверка видимости всех GPU

На серверах NVIDIA:

```
nvidia-smi
nvidia-smi -L
```

В выводе должно быть по одной строке на каждый GPU (одна на тарифе с одним GPU, восемь на 8-GPU-сервере), а в заголовке — версия драйвера и «CUDA Version». Эта CUDA Version — самая новая версия CUDA, которую поддерживает драйвер, и она не обязательно совпадает с версией установленного CUDA Toolkit. `nvidia-smi -L` выводит список GPU с UUID каждого из них.

На серверах AMD Instinct MI355X:

```
rocm-smi
```

Должны отображаться восемь GPU. Об amd-smi, rocminfo и группах пользователей рассказывает [руководство по настройке ROCm](https://fullgpu.com/ru/docs/amd-rocm). Если на каком-либо сервере не виден один из GPU, запишите, какой именно, и до начала работы создайте тикет в личном кабинете.

## Обновление системы

```
sudo apt update
sudo apt upgrade -y
[ -f /var/run/reboot-required ] && echo "Reboot required"
```

Если появится диалог с вопросом об изменённом файле конфигурации, оставьте версию, которая установлена сейчас. Если последняя команда выведет «Reboot required», выполните `sudo reboot`, подождите несколько минут, снова войдите на сервер и ещё раз запустите `nvidia-smi`.

После обновления, затронувшего драйвер NVIDIA, обязательно перезагружайте сервер. До перезагрузки nvidia-smi может завершаться ошибкой «Driver/library version mismatch», потому что по-прежнему загружен старый модуль ядра.

## Запуск первого контейнера на GPU

На серверах NVIDIA эта команда запускает обычный контейнер Ubuntu с доступом ко всем GPU:

```
docker run --rm --gpus all ubuntu nvidia-smi
```

Вы увидите ту же таблицу, что и на хосте. NVIDIA Container Toolkit монтирует драйвер хоста в контейнер, поэтому в самом образе драйвер не нужен. Если вы работаете не под root, добавляйте к `docker` префикс `sudo`.

На серверах AMD вместо этого передайте контейнеру файлы устройств GPU (если в вашем образе нет Docker, сначала установите его):

```
docker run --rm --device=/dev/kfd --device=/dev/dri --group-add video \
  rocm/pytorch:latest \
  python3 -c "import torch; print(torch.cuda.device_count())"
```

Команда должна вывести `8`. Образ большой, поэтому первое скачивание займёт некоторое время. О выборе GPU, Docker Compose и разделяемой памяти для PyTorch рассказывает [руководство по Docker-контейнерам с GPU](https://fullgpu.com/ru/docs/docker-containers).

## Запуск долгих задач в tmux

Процесс, запущенный в обычной SSH-сессии, останавливается при обрыве соединения. Запускайте долгие задачи внутри tmux:

1. Создайте именованную сессию командой `tmux new -s work`. Если tmux не установлен, установите его командой `sudo apt install -y tmux`.
2. Запустите задачу, например `python3 train.py`.
3. Отключитесь от сессии: нажмите Ctrl+B, затем D. Задача продолжит работать на сервере.
4. Позже выведите список сессий командой `tmux ls` и снова подключитесь к сессии командой `tmux attach -t work`.

Всё, что должно работать и после перезагрузки, например эндпоинт инференса, вместо этого оформите как службу systemd. Пример такой службы есть в руководстве по [инференсу LLM (большой языковой модели) на vLLM](https://fullgpu.com/ru/docs/pytorch-vllm).

## Устранение неполадок

- **Permission denied (publickey).** SSH не предложил нужный ключ, или указано неверное имя пользователя. Укажите путь к ключу командой `ssh -i ~/.ssh/id_ed25519 root@203.0.113.10` и сверьте имя пользователя с тем, что указано в личном кабинете.
- **nvidia-smi завершается ошибкой после обновления.** Сначала перезагрузите сервер. Если ошибка не исчезла, сохраните вывод `sudo dmesg | grep -i nvidia` и приложите его к тикету в личном кабинете.
- **could not select device driver "" with capabilities: [[gpu]].** Docker не настроен на работу со средой выполнения NVIDIA. Выполните `sudo nvidia-ctk runtime configure --runtime=docker`, затем `sudo systemctl restart docker`.

## Что дальше

- [Смонтируйте NVMe-диски для данных](https://fullgpu.com/ru/docs/storage-nvme). На 8-GPU-серверах они, в зависимости от заказа, могут быть не смонтированы при выдаче.
- [Настройте файрвол](https://fullgpu.com/ru/docs/networking-firewall), прежде чем открывать какой-либо сервис для доступа из интернета.
- [Подключите VS Code или Jupyter](https://fullgpu.com/ru/docs/remote-development), чтобы работать на сервере со своего ноутбука.

Застряли на каком-то шаге? Наши инженеры отвечают круглосуточно: [создайте тикет в поддержку](https://fullgpu.com/ru/help/getting-support) в личном кабинете.

## Часто задаваемые вопросы

### Смонтированы ли NVMe-диски для данных, когда я получаю сервер?

Не всегда. В зависимости от заказа диски для данных на 8-GPU-серверах могут быть не смонтированы при выдаче, поэтому проверьте их командой lsblk, а затем отформатируйте и смонтируйте, следуя руководству по NVMe-дискам.

### Тариф с одним GPU — это виртуальная машина?

Да. Тариф с одним GPU — это выделенная виртуальная машина с пробросом всего GPU, а 8-GPU-серверы — bare metal. В обоих случаях GPU выделен только вам.

### Можно ли сменить операционную систему после выдачи сервера?

Да. Запросите переустановку на странице сервера в личном кабинете — при этом создаётся тикет. Сначала скопируйте данные с сервера, потому что мы не делаем резервных копий локального хранилища.

## Связанные страницы

- [Как проверить версию CUDA и драйвера NVIDIA в Ubuntu](https://fullgpu.com/ru/docs/nvidia-drivers-cuda): Проверьте версии драйвера NVIDIA и CUDA в nvidia-smi и nvcc, узнайте, как они должны соотноситься, и добавьте CUDA Toolkit в Ubuntu 24.04 без смены драйвера.
- [Образ Ubuntu для GPU с предустановленной CUDA](https://fullgpu.com/ru/docs/os-images): Состав нашего образа Ubuntu для GPU с предустановленной CUDA, проверка версий драйвера и CUDA Toolkit, выбор 22.04 или 24.04 и надёжная фиксация драйвера.
- [Команды nvidia-smi для мониторинга GPU-серверов](https://fullgpu.com/ru/docs/gpu-monitoring): Команды nvidia-smi для мониторинга загрузки GPU в Linux: просмотр в реальном времени, логи в CSV, nvtop, экспортер DCGM, ошибки ECC и Xid, аналоги в rocm-smi.
- [Как быстро можно получить GPU-сервер](https://fullgpu.com/ru/help/delivery-and-provisioning): Как быстро получить GPU-сервер: серверы с одним GPU и 8-GPU-серверы выдаются менее чем за 10 минут после оплаты. Сервер не выдан в тот же день? Полный возврат средств.